FACULTAD DE CIENCIAS EMPRESARIALES Pregrado Regular CARRERA PROFESIONAL DE INGENIERÍA DE SISTEMAS EMPRESARIALES “METODO DE SELECCIÓN DE GRANOS CON IoT y VISIÓN ARTIFICIAL PARA MEJORAR EL RENDIMIENTO DEL CAFÉ PERGAMINO EN LA ASOCIACIÓN PRODUCTORES CAFETALEROS CAMPORREDONDO, 2019” Trabajo de investigación para optar el grado de Bachiller en Ingeniero de Sistemas Empresariales. Integrantes: Apellido Paterno – Materno - Código Correo electrónico Teléfono Nombres 180000071 Bravo Ruiz, Lolo Michel lmbr.bravoruiz@gmail.com +51922172282 LIMA- PERÚ 2019 ii INDICE DE CONTENIDO CAPITULO I: DESCRIPCIÓN DEL PROBLEMA....................................................................... 6 1.1 Descripción de la realidad problemática ......................................................................... 6 1.2 Objetivos del proyecto .................................................................................................... 8 2.2.1 Objetivo general. ......................................................................................................... 8 2.2.2 Objetivos específicos. ................................................................................................. 8 1.3 Justificación del proyecto ............................................................................................... 8 CAPÍTULO II: MARCO TEÓRICO ............................................................................................ 10 2.1. Antecedentes de la investigación .................................................................................. 10 2.3 Bases teóricas ................................................................................................................ 12 2.3.1 Inteligencia artificial. ................................................................................................ 12 2.3.2 Visión artificial ......................................................................................................... 12 2.3.3 Algoritmos de visión artificial .................................................................................. 15 2.3.4 Internet de la Cosas ................................................................................................... 18 2.3.5 Generalidades de café arábigo .................................................................................. 19 2.3.6 Macro proceso de beneficio de café húmedo ............................................................ 20 2.3.7 Rendimiento de Café Pergamino .............................................................................. 24 2.4 Definiciones Conceptuales ............................................................................................ 26 CAPITULO III: DESARROLLO DEL PROYECTO .................................................................. 27 3.1. Arquitectura Empresarial .............................................................................................. 27 2.4.1 Arquitectura de negocios (Procesos). ....................................................................... 27 2.4.2 Arquitectura de información (Datos). ....................................................................... 31 2.4.3 Arquitectura de Aplicación. ...................................................................................... 32 2.4.4 Arquitectura tecnológica. .......................................................................................... 35 2.4.5 Factibilidad económica ............................................................................................. 36 3.2. Metodología para el desarrollo del proyecto ................................................................ 38 3.2.1 Caso de negocio. ....................................................................................................... 38 3.2.2 Gestión del Alcance (Alcance de Proyecto, Alcance de Producto, Diccionario del EDT). 40 iii 3.2.3 Gestión del tiempo (Gantt del proyecto) ................................................................... 52 3.2.4 Gestión de costos (horas-hombre) ............................................................................ 53 3.2.5 Gestión de Calidad (Pruebas unitarias e Integrales) ................................................. 56 3.2.6 Control de Cambios (formato y aprobación) ............................................................ 57 3.2.7 Gestión de Riesgos .................................................................................................... 59 CAPITULO IV: RECURSOS Y CRONOGRAMA ..................................................................... 62 4.1 Recursos ........................................................................................................................ 62 4.2 Cronograma de ejecución ............................................................................................. 62 CAPITULO V: CONCLUSIONES Y RECOMENDACIONES .................................................. 63 5.1 Conclusiones ................................................................................................................. 63 5.2 Recomendaciones ......................................................................................................... 63 CAPITULO VI: FUENTES DE INFORMACIÓN ...................................................................... 64 ANEXOS ...................................................................................................................................... 66 Anexo 1. Matriz de Consistencia .............................................................................................. 66 Anexo 2. Matriz de operacionalización .................................................................................... 67 Anexo 3. Cronograma ............................................................................................................... 68 Anexo 4. Constancia emitida por la institución donde se realizó la investigación ..................... 1 Anexo 5. Encuesta sobre capacitación a los caficultores ............................................................ 2 Anexo 6. Solicitud de cambio ..................................................................................................... 5 Anexo 7. Modelo Entidad Relación de Base de Datos ............................................................... 1 Anexo 8. Script Base de Datos ................................................................................................... 1 Lista de tablas iv Tabla 2. Infraestructura modular de OpenCV ............................................................................... 14 Tabla 3. Definiciones de IoT ........................................................................................................ 18 Tabla 4. Factores de influyen en la calidad del café pergamino ................................................... 24 Tabla 5. Defectos físicos más comunes de los granos de café ...................................................... 25 Tabla 6. Descripción del macroproceso de beneficio de café húmedo. ........................................ 28 Tabla 7. Flujo de beneficio de café húmedo ................................................................................. 28 Tabla 8. Descripción de recursos, requisitos y seguimiento del macroproceso de beneficio de café húmedo. ................................................................................................................................. 29 Tabla 9. Instrumentos de medición ............................................................................................... 29 Tabla 10. Inspecciones .................................................................................................................. 30 Tabla 11. Tares y recursos del proceso ......................................................................................... 30 Tabla 12. Entidades de la base de datos. ....................................................................................... 31 Tabla 13. El Costos y beneficios del método de selección de granos. .......................................... 37 Tabla 14. Principales entregables del proyecto ............................................................................. 40 Tabla 15. Requisitos del método de selección de granos............................................................. 42 Tabla 16. Paquete de trabajo: Fase de inicio ................................................................................ 42 Tabla 17. Paquete de trabajo: Fase de revelamiento ..................................................................... 44 Tabla 18. Paquete de trabajo: Instalación de Red LAN ................................................................ 45 Tabla 19. Paquete de trabajo: Desarrollo de software .................................................................. 47 Tabla 20. Paquete de trabajo: Pruebas integrales .......................................................................... 49 Tabla 21. Paquete de trabajo: Fase de despliegue ......................................................................... 50 Tabla 22. Flujo de caja. ................................................................................................................ 54 Tabla 23. Costos de horas hombre. ............................................................................................... 54 Tabla 24. Costos por fases. ........................................................................................................... 55 Tabla 25. Pruebas unitarias e integrales. ...................................................................................... 56 Tabla 26. Matriz de riesgos. .......................................................................................................... 59 Tabla 76. Matriz de riesgos y contingencias. ................................................................................ 60 Tabla 28. Recursos de la investigación ......................................................................................... 62 Lista de figuras v Figura 1. Modelo de visión por computador ................................................................................. 13 Figura 2. Modelo de visión por computador.. ............................................................................... 15 Figura 3. Café arábigo variedad catimor. ...................................................................................... 19 Figura 4. Proceso de despulpado de café cereza ........................................................................... 20 Figura 5. Proceso de lavado de granos verdes. ............................................................................. 21 Figura 6. Proceso de secado de granos verdes. ............................................................................. 23 Figura 7. Proceso de almacenamiento de café pergamino. ........................................................... 23 Figura 8. Modelo ASIS del macroproceso de beneficio de café húmedo de la asociación Productores Cafetaleros Camporredondo. .................................................................................... 27 Figura 9. Modelo TOBE del macroproceso de beneficio de café húmedo de la asociación Productores Cafetaleros Camporredondo. .................................................................................... 27 Figura 10. Pantalla de inicio de sesión al sistema de selección de granos .................................... 33 Figura 11. Pantallas de puesta en marcha del sistema de selección de granos de café. ............... 33 Figura 12. Pantalla de formulario de ingreso de datos de venta de café pergamino. .................... 33 Figura 13. Pantalla de ingreso de datos de trilla de café pergamino de la asociación Productores Cafetaleros Camporredondo. ........................................................................................................ 34 Figura 14. Formulario de registro de incidencia y errores en el sistema de selección de granos de café. ............................................................................................................................................... 34 Figura 15. Arquitectura tecnología del sistema de selección de granos de café a nivel de componenentes. ............................................................................................................................. 35 Figura 16. Descripción general de la arquitectura tecnología del sistema de selección de granos de café. .......................................................................................................................................... 35 Figura 17. Diagrama Gantt del proyecto de selección de granos. ................................................ 53 Figura 18. Gráfico de costo y costo acumulado. ........................................................................... 55 Figura 19. Gráfico de barras de horas hombre. ............................................................................. 55 6 CAPITULO I: DESCRIPCIÓN DEL PROBLEMA 1.1 Descripción de la realidad problemática Actualmente sector agrícola el café es considerado como el mejor producto a nivel nacional, mientras que a nivel internacional se posiciona en el séptimo lugar, del mismo modo su posicionamiento en la balanza comercial es fuerte donde es superado por algunos minerales, petróleo, harina de pescado y gas natural. La producción de café peruano proviene de las plantaciones de cafetos que se encuentran distribuidas en 425,416 hectáreas (ha) en 17 regiones, 67 provincias y 338 distritos. Por otro lado, el 95% de estas plantaciones está conformado por parcelas de cinco hectáreas o menor. En consecuencia, solo el 20% logra exportar de forma directa y la mayoría vende a cooperativas o empresas locales, esta situación refleja un resultado crítico que solo 3% de los caficultores conduce sus predios de café con alta tecnología y que el 7% posee acceso a algún tipo de crédito. (Ministerio de Agricultura y Riego, 2018). Se evidencia que un grupo muy reducido de productores de café posee alta tecnología y buenas prácticas de manejo de café en sus predios lo que provoca que más del 95% aproximadamente de productores enfrente grandes dificultades para producir café pergamino que certifique acorde a los estándares mínimos requeridos de los mercados internacionales. Esta situación se debe a varios factores y situaciones, pero los principales son los sistemas de producción artesanal, bajo nivel técnico de los caficultores y el cambio climático. En relación a la situación nacional la Asociación Productores Cafetaleros Camporredondo en la Provincia de Luya, región Amazonas refleja una situación similar realizando sus procesos selección de café cereza, despulpado, lavado y secado de forma artesanal y que, además el personal encargando de realizar las actividades relacionadas a estos procesos clave, no poseen el conocimiento de buenas prácticas de producción de café pergamino. Pero su principal problema que actualmente enfrenta es la selección de granos de café cereza que se realiza través de mallas metálicas usando vibración la refleja un resultado 7 con un error del 30% aproximadamente debido a que las mallas metálicas clasifican los granos de café solo por su tamaño; la cual impacta directamente en el rendimiento del café pergamino y en la rentabilidad de la asociación. No se han encontrado investigaciones que combinen tecnologías de visión artificial con internet de las cosas en sistemas de clasificación de granos de café en la región Amazonas. De mantenerse el proceso de clasificación de café cereza de forma artesanal en la asociación se corre el riesgo de obtener una producción de café pergamino con alto índice de defectos físicos, provocando bajos precios de compra en las empresas de exportación o en las cooperativas cafetaleras locales. Por tanto, esta investigación pretende desarrollar un método de selección de granos con internet de la cosas y visión artificial para incrementar el rendimiento del café pergamino y en consecuencia aumentar los niveles de producción y confiabilidad de los granos de café de la asociación Productores Cafetaleros Camporredondo. 8 1.2 Objetivos del proyecto 2.2.1 Objetivo general. Desarrollar un método de selección de granos con IoT y visión artificial que ayude a mejorar significativamente el rendimiento de café pergamino en la asociación Productores Cafetaleros Camporredondo. 2.2.2 Objetivos específicos. Implementar la arquitectura tecnológica requerida para el correcto funcionamiento del método de selección de granos con IoT y visión artificial que mejora el rendimiento del café pergamino en la asociación Productores Cafetaleros Camporredondo. Identificar, modelar y establecer los procesos clave del método de selección de granos de granos de café con IoT y visión artificial que mejora el rendimiento de café pergamino en la asociación Productores Cafetaleros Camporredondo. Desarrollar un plan de capacitación adecuado para los usuarios involucrados en el método de selección de granos de café con IoT y visión artificial que mejora el rendimiento de café pergamino en la asociación Productores Cafetaleros Camporredondo. 1.3 Justificación del proyecto Practico. - Debido a las dificultades que tiene la asociación Productores Cafetaleros Camporredondo para producir café pergamino de calidad con bajos costos de producción y bajo porcentaje de merma, se realiza este proyecto para desarrollar un método de selección de granos de café con tecnologías de visión artificial e IoT para transformar de forma dinámica el proceso de beneficio de café húmedo actual y producir café pergamino de calidad de forma sostenible y responsable. 9 Metodológico. - La caficultura en el distritito de Camporredondo en la región Amazonas es gestionada de forma empírica con procedimientos rudimentarios lo cual ha dificultado por años la transición de esta hacia la industrialización, en ese sentido el presente proyecto contribuirá a la misma a través de un nuevo método de selección de granos con nuevos procedimientos automatizados que están soportados con nuevas tecnologías. Tecnológico. -El presente proyecto logrará la inmersión de tecnologías de automatización y buenas prácticas de producción a través métodos de selección de granos de café usando IoT y visión artificial en los predios de la Asociación Productores Cafetaleros Camporredondo. 10 CAPÍTULO II: MARCO TEÓRICO 2.1. Antecedentes de la investigación Herrera y Medina (2015) en su estudio titulado “Diseño de un sistema automático de selección de frutos de café mediante técnicas de visión artificial” para el cual realizo aleatoriamente 50 muestras de café verde y 50 muestras de café cereza con el objetivo de construir un sistema de visión artificial para la identificación de granos de café teniendo en consideración el color y la presencia de broca. Para esto se siguió un diseño descriptivo- correlacional y se aplicó un método de análisis y comprobación del sistema propuesto con el sistema a través del indicador de la curva ROC (Receiver operating characteristic curve), el cual permite identificar y validar el índice de desempeño de cada método mediante la relación de la proporción de verdaderos positivos y verdaderos negativos. Finalmente, el trabajo concluye que el sistema propuesto que integra algoritmo de detección de broca e identificación del color es capaz de identificar y separar los granos de café para producción y descarte con una efectividad del 87% a través de los algoritmos de identificación de granos con broca e identificación de color. Rosas (2017) realizo una investigación titulada “Propuesta de un sistema de selección de granos de café aplicando visión artificial en la provincia de Huánuco 2016” de tipo descriptiva; cuasi-experimental correlacional, cuya muestra población-muestra fue determinada por cincuenta kilogramos de café cerezo con el objetivo de realizar una propuesta de un sistema de visión artificial a través del lenguaje de programación Python para la construcción de un sistema especializado que permita la clasificación de granos de café en la provincia de Huánuco. Se realizó mediciones a través de fichas de registro inicial- final y análisis de informes. El tesista concluye que su sistema logra obtener un bajo costo de producción mediante la aplicación de visión artificial en la selección de granos, al mismo tiempo menciona que el color estándar de los granos es variable acorde a los 11 factores de luz, la estructura física del sistema y el área de instalación. Además, recomienda incorporar un módulo de calibración de granos de acuerdo con la variedad y zona de las plantaciones debido a que el tamaño de los granos está relacionado con estos factores. Mundac (2016) en su estudio titulado “Análisis de la calidad del grano de cacao mediante imágenes hiperespectrales usando técnicas de visión artificial” para la cual se tomaron 50 granos de cacao violeta de acopio de la Asociación de Productores de Banano y Cacao Orgánico – ASPROBO con el objetivo de desarrollar un sistema con visión artificial en Matlab con imágenes hiperespectrales(400-900 nm) para clasificar los granos de cacao mediante sus características físicas(calidad del grano). Como también la aplicación de algoritmos de visión artificial por computadora en los procesos de la agroindustria peruana. Un dato destacable es que se realizaron la adquisición de imágenes mediante el software Spectronom Pr que posteriormente procesados en la herramienta Matlab. Finalmente, el investigador concluye que la calidad de los granos de cacao tiene una relación inversa con el valor ARI2 (índice espectral de antocianina) promedio, donde el cacao de buena calidad se encuentra entre 1.5-5, los de calidad parcial en 2-2.1 y los de baja calidad están por encima de 2.2. Viera (2017) en su tesis titulada “Procesamiento de imágenes usando OpenCV aplicado en Raspberry pi para la clasificación del cacao” para el cual se recolectaron 25 muestras de cacao de la asociación ASPROBO Piura con el objetivo de desarrollar un sistema de clasificación de cacao con visión artificial, considerando las características externas de los granos. La medición inicial de las características de los granos como color, largo, ancho y altura a través de la herramienta pie rey con un acierto de 78 %, posteriormente se comprobó los resultados del software de clasificación obteniendo un porcentaje de acierto de un 89% aproximadamente. El investigador concluye que en el Perú existe escases de sistemas de clasificación de productos agrícolas con visión artificial y que además el núcleo de los sistemas de visión artificial es el procesamiento de imágenes puesto que este permite reducir costos, aumentar niveles de producción y la confiabilidad de los productos. Recomienda que se debe tener en consideración la iluminación de los de granos de cacao 12 en los sistemas de clasificación con visión artificial porque influye directamente en el procesamiento de las imágenes. 2.3 Bases teóricas 2.3.1 Inteligencia artificial. La inteligencia Artificial en su sigla IA es una ciencia de la computación dedicada a la comprobación que un computador u conjunto de ordenadores suficientemente programados son capaces de emular la conducta inteligente del ser humano. Se considera que los sistemas de IA poseen la capacidad de aprender nuevos lenguajes, realizar tareas específicas con un desempeño superior al ser humano, y además la utilización de la percepción para lograr simular una experticia humana en la toma de decisiones. (López de Mántaras y Meseguer, 2017). La IA se subdivide en IA débil y IA fuerte, la primera consiste en el desarrollo de aplicaciones y programas considerados inteligentes que permitan complementar y repotencias las capacidades mentales del ser humano, su rango de aplicación son tareas específicas. Mientras que la IA fuerte implica que un computador, microordenador o un conjunto de componente electrónicos posean la capacidad de replicar la inteligencia humana en todas sus dimensiones, eso quiere decir que una máquina con inteligencia artificial fuerte debe ser una mente humana mas no emular y en consecuencia debe pensar igual. (López de Mántaras y Meseguer, 2017). 2.3.2 Visión artificial La visión artificial o visión por computador es un área de la informática y la ingeniería eléctrica que incorpora mecanismos de adquisición, procesamiento, análisis y entendimiento de contenido digital como las imágenes (normal, de profundidad, infrarrojas) y videos. Un sistema de visión por computadora está desarrollado para aceptar una amplia variedad en tipo de datos en sus variables de entradas, como secuencia de imágenes o videos que pueden transmitirse desde múltiples fuentes para su procesamiento 13 y su respectiva transformación a información relevante empleada en la toma de decisiones. (Pajankar, 2015). La visión artificial posee un modelo que permite definir los niveles y procesos necesarios para la interpretación de una escena. Existen tres niveles de procesamiento, el nivel bajo, nivel intermedio y nivel alto. El nivel bajo son acciones directas sobre el conjunto imágenes que posee una escena, como la disminución de ruido, suavizado, moralización, análisis de textura. En el nivel intermedio, se realizan las definiciones de las regiones con sus respectivos límites y superficies que están relacionadas con los objetos presentes en las imágenes. En cambio, en el nivel alto se origina las posibles relaciones entre los objetos de las imágenes para su respectiva interpretación y descripción de la escena. (Chacón, Sandoval, y Vega, 2015). La figura 1 nos ilustra los tres niveles de procesamiento. Nivel Bajo Nivel Intermedio Nivel Alto Operaciones de Relación entre Determinar objetos preprocesamiento objeto y descripción Figura 1. Modelo de visión por computador. Fuente: Chacón, Sandoval y Vega, (2015). 2.1.1.1. Open CV (Open source Computer Vision). OpenCV es una librería de código abierto que se encuentra escrita en leguajes de programación C y C++, y es compatible con los principales sistemas operativos como Linux, Windows, Mac OSX, por lo que hoy en día existe un desarrollo activo de interfaces para Ruby, Matlab y Python. Una de las principales ventajas por la que fue desarrollada es el aprovechamiento eficiente de los recursos computacionales y su enfoque en aplicación de tiempo real, esta librería contiene aproximadamente 500 funciones que son aplicables 14 en muchas áreas de visón por computador como escaneo de productos, escaneo médico, calibración de cámaras, robótica entre otros. (Kaehler y Bradski, 2016). Tabla 2. Infraestructura modular de OpenCV Proporciona las estructuras básicas y funciones elementales del procesamiento de Core imágenes. Este módulo provee la interfaz de usuario, códecs de imagen y vídeo, y capacidad Highhui para capturar imágenes o video. Mgproc Algoritmos básicos de procesamiento, filtrado y transformación de imágenes. Video Análisis de video y algoritmos de seguimiento de objetos. Objdetect Brinda algoritmos de detección de objetos. Nota: Fuente: Kaehler y Bradski (2016) 2.1.1.2. Python. Python es un lenguaje de programación interpretado orientado a objetos de alto nivel con semántica dinámica y estructuras integradas de datos que se encuentran combinadas con una tipificación dinámica y enlaces dinámicos, por estas características el leguaje Python es muy atractivo para el desarrollo ágil de aplicaciones, así como un lenguaje de scripting para conectar componentes informáticos entre sí. Otra de las ventajas de Python ofrece es su sintaxis simple porque facilita su aprendizaje haciendo hincapié en la legibilidad y, por lo tanto, reduce el costo del mantenimiento del programa. La característica novedosa y diferencial que tiene este leguaje es su portafolio de módulos y paquetes, lo que fomenta la modularidad del programa y la reutilización del código, y se pueden distribuir libremente. (Python Software Fundation, 2018). 2.1.1.3. Numpy. NumPy es una librería matricial de algebra lineal de cálculo científico con Python que se puede usar como un contener multidimensional para datos genéricos. Hay que considerar que NumPy es una extensión de Python por lo que soporta arreglos multidimensionales grandes y matrices juntamente con su extraordinaria librería de funciones matemáticas de alto nivel. Todas las estructuras de arreglos OpenCv se convierten en arreglos NumPy, 15 independientemente de las operaciones que se realice la librería, se puede combinar OpenCv con NumPy. (Pajankar, 2015). 2.3.3 Algoritmos de visión artificial Un sistema de visión artificial contiene un orden de procedimientos inicia con la adquisición, pre procesamiento, procesamiento de imagen, filtración, reconocimiento y finalmente se realiza la actuación. Figura 2. Modelo de visión por computador. Fuente: Ozkaya y Yıllıkçı ( 2015). 2.1.1.4. Adquisición de datos El proceso de adquisición de datos reside en la recolección de información del entorno físico mediante sensores de visión artificial que emulan la visión humana, estos sensores capturan imágenes o un conjunto de imágenes que conforman un video. En el mercado de la computación existe una amplia variedad de librerías de captura y procesamiento de imágenes, pero una buena opción de librería OpenSource es OpenCV, la cual soporta varios tipos de cámara permitiendo obetener capturas rápidas de imágenes y un sistema de visión artificial con interfaces simples. Por tanto, los sensores de visión artificial y algoritmos de captura de imágenes nos permiten obtener información del ambiente en detalle mediante el sistema de visión artificial. (Ozkaya y Yıllıkçı, 2015). 16 2.1.1.5. Pre procesamiento Un sistema de visión artificial requiere necesariamente de un pre procesamiento de imágenes puesto que los datos adquiridos través de los sensores de visión artificial normalmente vienen acompañados de ruido, mencionar que existen cámaras que incorporan la funcionalidad de reducción de ruido, pero son de muy alto precio. Sin embargo, existe herramientas de computación como la librería OpenCV que nos permite realizar el procesamiento de forma sencilla y aun bajo costo y que además es posible diseñar sistemas de visión robustos incluso con equipos baratos como una cámara web. El ruido en los datos proviene del entorno y también es generado por la estructura interna del sensor, en cualquier de los escenarios, los datos deben estar listos para su procesamiento. Por lo tanto, se aplica un filtrado para extraer la información real de los datos y es un paso integral en el proceso de visión por computadora. Muchos proyectos de visión artificial fallan en la fase de desarrollo debido a que no incorporan este proceso, incluso los mejores algoritmos de reconocimiento fallan con datos ruidosos e inexactos, con los datos mencionados anteriormente nos urge tener en cuenta la importancia del filtrado y pre procesamiento de datos en este tipo se sistemas. (Ozkaya y Yıllıkçı, 2015). 2.1.1.6. Segmentación La extracción de características es un término de reconocimiento y clasificación de patrones que significa extraer un pequeño conjunto de información que representa un mayor conjunto de información. Al procesar las imágenes, extraemos las llamadas características como la longitud, la posición, el área de una región de la imagen, etc. Más adelante, usaremos estas características para detectar y reconocer cualquier tipo de objetos. (Ozkaya y Yıllıkçı, 2015). La segmentación de imágenes es el proceso de partición de una imagen digital en varios segmentos (conjuntos de píxeles, también conocidos como superpíxeles). El objetivo de la segmentación es simplificar y / o cambiar la representación de una imagen en algo que sea más significativo y fácil de analizar. (Ozkaya y Yıllıkçı, 2015). 17 2.1.1.7. Post-procesamiento y post-filtrado Después de extraer información útil de la imagen, a veces se requiere una capa superior de filtrado como la eliminación de segmentos innecesarios, normalmente este paso es muy fácil de realizar si se conoce los requisitos del proyecto relacionado. Debido a que este paso es muy simple, muchas veces podemos considerarlo como parte del procesamiento de imágenes, pero el objetivo del post procesamiento de imágenes es proporcionar un pequeño conjunto de información clara al elemento de reconocimiento o detección y mencionar que la librería OpenCV tiene buenos mecanismos para el procesamiento (Ozkaya y Yıllıkçı, 2015). 2.1.1.8. Reconocimiento de objetos El objetivo principal del sistema de visión es llegar a una conclusión mediante la interpretación del esquema a través de imágenes o matrices de imágenes. La detección se puede contar como una forma básica de reconocimiento de un objeto o evento, estos son el camino a determinar si un objeto o evento existe o no, debido a la naturaleza binaria de conclusión, el reconocimiento de objetos es un proceso de clasificación especial con dos clases. La primera clase es la existencia y la segunda clase es la inexistencia. "Ser o no ser, esa es la respuesta". Reconocimiento es un término más complejo que también se denomina clasificación o proceso de identificación de uno o más objetos o clases de objetos previamente especificados o aprendidos, por ejemplo, el reconocimiento facial lo que generalmente un proceso de clasificación complejo con múltiples clases. En este caso, cada cara es una clase, por lo que es un problema complejo. Pero con OpenCV, tenemos muchos mecanismos fáciles de usar para el reconocimiento, incluso para problemas complejos. (Ozkaya y Yıllıkçı, 2015). 18 2.1.1.9. Actuación Un sistema de visión tiene un propósito como algunos escenarios tales como; msgstr "si detecta este evento (u objeto), haga esta acción". Al final del largo pero agradable proceso de decisión de un sistema de visión, el próximo paso seguramente es realizar una acción considerando la conclusión. Esto se debe al "propósito de existencia" del sistema. (Ozkaya y Yıllıkçı, 2015). 2.3.4 Internet de la Cosas Internet de las Cosas (IoT ) es una tecnología emergentes que viene con un paradigma que consiste en un continua comunicación entre cosas como objetos, vehículos, casas, dispositivos cotidianos con los sistemas de información a través de nuevos protocolos de comunicación que permiten tener una identificación única para cada objeto o cosa. Sin embargo, el concepto de juntar y combinar computadores para monitorear y controlar dispositivos existe ya desde hace varias décadas atrás, pero en caso de IoT, es un término relativamente nuevo. (LNAS/ANEC G.I.E, 2018). Hay que mencionar que IoT posee muchas definiciones porque cualquiera cosa en el mundo puede conectarse y comportarse de forma inteligente. A continuación, la tabla muestra algunas definiciones de IoT. Tabla 3. Definiciones de IoT ENTIDAD DEFINICIÓN ISO/IEC “IoT es una infraestructura que interconecta objetos, personas, sistemas y recursos informáticos junto con servicios inteligentes que les permite procesar información del mundo físico y virtual y reaccionar”: IEEE “El Internet de las cosas (IoT) es un marco en el que todas las cosas tienen una representación y una presencia en Internet. Más específicamente, el Internet de las cosas tiene como objetivo ofrecer nuevas aplicaciones y servicios que unan los mundos físico y virtual, en los que las comunicaciones de máquina a máquina (M2M) representan la comunicación base que permite la interacciones entre las cosas y las aplicaciones en la nube " Nota. Fuente: LNAS/ANEC G.I.E (2018). 19 2.3.5 Generalidades de café arábigo La categoría de café arábigo tuvo su aparición en 1735 a través de la descripción de Linneo esta variedad posee un diferencial genético respecto a las otras por su estructura tetraploide, porque tiene un total de 44 cromosomas en lugar de 22. El café arábigo es un arbusto que pertenece a la familia de las rubiáceas, su altura alcanza unos 5 metros aproximadamente, con hojas verde de forma ovalada y sus flores son de color blanco, de aroma dulce y el posicionada en forma de racimo. Los frutos son de color verde ovalados en etapa de formación, el color se torna de color rojo oscuro cuando se encuentran maduros y cada futro contiene dos granos de aspecto achatado y plano. En los cultivos de café de Latinoamérica, África Central y Oriental la variedad arábiga es predominante. (Rojo, 2014) que cita a (Small, 2009). Figura 3. Café arábigo variedad catimor. Fuente: Fuente propia. 20 2.3.6 Macro proceso de beneficio de café húmedo El macro proceso de benefició de café se realiza después de la recolección manual de los granos de café cereza (cosecha), el cual somete a los granos de café cereza cosechado en un conjunto de operaciones de transformación hasta que estos se conviertan en un café pergamino. Existen dos tipos de benefició de café pergamino, el beneficio tradicional y el beneficio ecológico. 2.3.6.1 Despulpado. Este proceso consiste en separar la pulpa de los granos de café a través de una maquina llamada despulpadora, la cual utiliza fuerza mecánica para el procedimiento de separación, luego los granos de café se depositan en un tanque denominado tina, mientras que la pulpa se deposita en composteras. Es muy importante que se realice la calibración de la máquina de acuerdo con tiempo de operación y además se recomienda realizar una clasificación de los granos cerezos mediante su exposición en un tanque de agua, como resultado se obtendrá que los granos de buena calidad se posicionan en el fondo del tanque, mientras que los granos con broca o vanos flotaran los cuales son eliminados. (Sustainable Commodity Assistance Network, 2015). Figura 4. Proceso de despulpado de café cereza. Fuente: Sustainable Commodity Assistance Network (2015). 21 2.3.6.2 Fermentación. El proceso de fermentación de los granos verdes consiste en determinar en qué momento la capa gelatinosa llamada mucílago se encuentra en estado de descomposición, normalmente los granos de café verdes son colocas en tanques tinas y es clave tener en cuenta que no se debe retirar o lavar los granos antes de completar el tiempo adecuado de fermentación. (Sustainable Commodity Assistance Network, 2015). 2.3.6.3 Lavado El proceso de lavado de café consiste en retirar el mucilago desprendido de los granos de café durante la fermentación mediante la utilización de agua limpia en tanques tina. Se recomienda realizar el número lavadas necesarias hasta lograr que los granos de café posean una estructura áspera y que además produzcan un sonido muy parecido al carcajeo. (Sustainable Commodity Assistance Network, 2015). Figura 5. Proceso de lavado de granos verdes. Fuente: Sustainable Commodity Assistance Network (2015). 2.3.6.4 Secado Según Sustainable Commodity Assistance Network (2015) refiere que el proceso de secado se realiza inmediatamente después del proceso de lavado, la finalidad es disminuir la humedad de los granos de café a un 12.5%. Existen tres tipos de secado: secado natural, secado mecánico, secado mixto. 22  Secado Natural. - secado a sol usando tendales de cemento, tarimas, parihuelas o carpa solar.  Secado Mecánico. - se utiliza máquinas secadoras eléctricas, a combustión o leña.  Secado Mixto. - el primer secado es natural y luego un secado mecánico. Buenas prácticas de Buen Secado  Remover los granos de café en un intervalo de 2 horas para obtener un secado uniforme e evitar la absorción de olores y sabores extraños.  Secar el tiempo exacto, evitar reseca por exceso de secado.  Secar los granos de café por lotes, evitar mezclar lotes de diferentes porcentajes de humedad.  Evitar el contacto de la lluvia con los granos.  Secar los granos de café en capas no mayor a 3 cm de espesor. Métodos de identificación de un buen secado  A la vista. - tomar muestra aleatoria de los granos con la mano, frotar suavemente hasta lograr retirar la capa de pergamino del grano completamente, el color de los granos de ser verde oscuro.  Con el diente. Dar un mordisco a una pequeña muestra aleatoria de granos de café, si en los granos queda una marca el lote está a punto, si los granos se hunden están muy húmedos aún, si no queda ninguna seña están muy secos ya.  Con una navaja. - Al momento de partir el grano a lo largo de la ranura con una navaja, las dos mitades saltan inmediatamente.  Con un medidor de humedad. -El instrumento marcara el porcentaje de humedad. 23 Figura 6. Proceso de secado de granos verdes. Fuente: Sustainable Commodity Assistance Network (2015) 2.3.6.5 Almacenamiento Los granos de café se almacenan en sacos de yute o sintéticos en ambientes de con temperaturas promedio, buena iluminación y ventilación, y estos se colocan sobre tarimas de madera para evitar que los granos se humedezcan al exponerse a los suelos. (Sustainable Commodity Assistance Network, 2015) Figura 7. Proceso de almacenamiento de café pergamino. Fuente: Sustainable Commodity Assistance Network (2015). 24 2.3.7 Rendimiento de Café Pergamino El rendimiento de café pergamino se entiende como la relación entre el peso de los frutos del café cereza tal como fueron recolectados entre peso de los granos del café pergamino seco que el productor de café vende en el mercado local e internacional. La productividad del café esta liga a un grupo de variables como el manejo agronómico de las plantaciones de café (fincas) que implica la realización de las actividades de abonamiento, manejo adecuado de las plagas y control de las situaciones climatológicas adversas. El equilibrio de un productor de café ´por hectárea para lograr cubrir sus costos de producción es de 39,4 qq/ ha, y si se logra al menos una producción de 40 qq/ha ya se puede obtener un porcentaje de ganancia. (Díaz y Willems, 2017). Tabla 4. Factores de influyen en la calidad del café pergamino Cosecha y beneficio Buena calidad Mala Calidad Cosecha Frutos maduros y bien pintones Frutos verdes, secos y sobre maduros Despulpado El mismo día de la recolección de Almacenamiento por varios días. los granos. Fermentado Entre 12 y 18 horas Sobre fermentación por más de 24 horas y mezcla de granos fermentados de varios días. Lavado y clasificado Aguas limpias y canal de correteo. Mal lavado dejando mucílago sobre el grano, no clasificación. Secado Uso de pisos de cemento o mantas Uso de pisos de tierra o mantas muy gruesas humedad 12 a 18%. delgadas, humedad mayor a 20%. Almacenamiento Lugares bien ambientados sin Lugares cerca de la cocina, los olores fuertes. fertilizantes, y humedad mayor a 20%. Rendimiento 75 a 80% Menor del 75% Nota: Fuente: Sustainable Commodity Assistance Network (2015) 25 Tabla 5. Defectos físicos más comunes de los granos de café Defectos en los granos de café Causas Grano negro. - granos de color entre pardo y En la chacra. - debido a una mala nutrición o manejo de negro, con una cara plana hundida y enfermedades de la plantación. hendidura muy abierta En la cosecha y post cosecha. - debido a la recolección de granos del suelo, a una sobre fermentación, falta de limpieza o, mal proceso de secado. Grano fermentado. - granos de color entre En la post cosecha. - debido a una fermentación amarillo y carmelita, con olor a fermento (al prolongada o dispareja, falta de limpieza (granos partir el grano). rezagados), uso de aguas contaminadas, sobre calentamiento en el secado o almacenamiento muy húmedo. Grano inmaduro. - granos de color verdoso o En la cosecha. - debido a una cosecha de granos gris claro, de tamaño chico con superficie inmaduros (verde) que no terminaron su período de marchita. Además, la cutícula no se desarrollo y madurez. desprende del grano. Grano manchado. - granos con manchas de En la post cosecha. - debido a una fermentación diferentes colores. insuficiente (corto tiempo), lavado inadecuado. Grano flotador. - grano blanco, hinchado, En la post cosecha. - debido a un mal proceso de secado o rugoso, con apariencia de corcho y con capa almacenamiento en lugares húmedos. de moho Grano brocado. - grano con perforaciones por En la chacra. - atacado por broca del café. el insecto de la broca Grano canario. - grano de color amarillento En la chacra. - de un cafetal instalado en zona no óptima, por deficiencia nutricionales de suelos alcalinos. Grano mordido. - granos partidos por daño En la post cosecha. - falta de mantenimiento de la físico. despulpadora Nota: Fuente:Sustainable Commodity Assistance Network (2015). 26 2.4 Definiciones Conceptuales  Cafés Especiales. - Son aquellos cafés valorados por los consumidores por sus atributos consistentes, verificables y sostenibles, por los cuales están dispuestos a pagar precios superiores, que redunden en un mejor ingreso y un mayor bienestar de los productores cafetaleros.  Estándares de calidad. - Son indicadores de calidad de los cafés especiales definidos reconocidos internacionalmente por organizaciones privadas o entidades públicas y certificadas por agencias autorizadas.  Chacra. - lotes de terreno con plantaciones de café.  Broca. -Plaga común que afecta los granos de café, es producida por un gorgojo que ataca a los granos de café durante su proceso de formación ocasionado pérdida parcial y total del grano.  Café cereza. – granos de café en estado de maduración, son de color rojo oscuro, se le denomina café cereza por su parecido a la cereza.  Café pintón. – granos de café de color amarillento y son aptos para su recolección y transformación a café pergamino.  Tanque Tina. – Tanque se cemento cubierto al interior con mayólica utiliza para retirar el mucílago de los granos de café después del proceso de fermentación.  Tendales de cemento. - superficie de cemento utilizada para secar los granos de café verde mediante exposición a sol. 27 CAPITULO III: DESARROLLO DEL PROYECTO 3.1. Arquitectura Empresarial 2.4.1 Arquitectura de negocios (Procesos). El método de selección de granos de café impacta al macroproceso de beneficio de café húmedo en la asociación Productores Cafetaleros Camporredondo, los procesos que contempla el método propuesto son la clasificación de granos cereza y verde, pero también impacta a los procesos de despulpado, fermentación, lavado, secado y almacenamiento. Figura 8. Modelo ASIS del macroproceso de beneficio de café húmedo de la asociación Productores Cafetaleros Camporredondo. Fuente: Elaboración propia Figura 9. Modelo TOBE del macroproceso de beneficio de café húmedo de la asociación Productores Cafetaleros Camporredondo. Fuente: Elaboración propia. 28 Tabla 6. Descripción del macroproceso de beneficio de café húmedo. ITEM DESCRIPCIÓN OBJETIVO Establecer las actividades de recepción, despulpado, fermentación, lavado, secado y almacenamiento de los granos de café para asegurar que cumplan con los requisitos establecidos ALCANCE Este procedimiento es aplicable en todos los niveles de la asociación Productores Cafetaleros Camporredondo que intervienen directamente con el macroproceso de beneficio de café húmedo. EMPIEZA: La recepción de los granos de café cereza. INCLUYE: Configuración de variedad de café catimor. TERMINA: Almacenamiento de lo sacos de yute con café en el almacén. RESPONSABLE Caficultor. Nota. Descripción general del macroproceso de beneficio de café húmedo de la asociación Productores Cafetaleros Camporredondo. Fuente: Elaboración propia. Tabla 7. Flujo de beneficio de café húmedo PROVEEDORES ENTRADAS PROCEDIMIENTOS SALIDAS USUARIO Granos de café Responsable de cereza Clasificación de Lote de granos recolección de granos Ficha técnica de granos cereza clasificados de café cereza variedad de café y tipo de grano. Clasificación de granos Granos cereza de Café verde con Caficultor Despulpado cereza buena calidad mucilago Ayudante. Café verde con Café verde sin Despulpado Lavado mucilago mucilago Café verde sin Lavado Secado Café pergamino mucilago Lote de café Secado Café pergamino Almacenamiento pergamino Nota. Descripción de entradas y salidas general del macroproceso de beneficio de café húmedo. Fuente: Elaboración propia. 29 Tabla 8. Descripción de recursos, requisitos y seguimiento del macroproceso de beneficio de café húmedo. RECURSOS DOCUMENTOS REGISTROS REQUISITOS SEGUIMIENTO Registro de inicio Tiempo de espera Conocimiento Manual de usuario de cosecha del Manual impreso. para la entrega del año. producto al cliente. Clasificación de Registro de granos cereza y Desempeño del Sistema de Aprobación inicio verdes sin sistema de Software selección de granos de producción de mucílago clasificación de de café. café pergamino. considerando granos. color. Capacitación del Transporte Café cereza personal Nota. Descripción de entradas y salidas general del macroproceso de beneficio de café húmedo. Fuente: Elaboración propia. Tabla 9. Instrumentos de medición Indicador Formula Frecuencia Metas Adjunto Medición Porcentaje (WExcelsos/Wtotal) *100 Mensual 99.7% de granos excelsos Porcentaje (WDef/W total)*100 Mensual 0.005% de granos defectuosos (% merma) Nota. Descripción de entradas y salidas general del macroproceso de beneficio de café húmedo. Fuente: Elaboración propia. 30 Tabla 10. Inspecciones INSPECCIONES REGISTROS  Caficultor  Lotes de producción diaria, mensual y anual  Inspectores de la asociación  Merma Productores Cafetaleros  Granos excelsos Camporredondo Nota. Descripción de entradas y salidas general del macroproceso de beneficio de café húmedo. Fuente: Elaboración propia. Tabla 11. Tares y recursos del proceso Tiempo Nombre de la Tipo de Área Tipo de Procedimi Cantidad incurrido Tarea tarea Responsable recurso ento(S/N) HH:MM Clasificación de Sistema de granos cereza Servicio 1 1:00:00 S clasificación Humano, Despulpado Usuario 2 2:00:00 S Caficultor maquina Fermentación Usuario Humano 1 12:00:00 S Lavado Usuario Humano 2 1:00:00 S Secado Usuario Humano 1 72:00:00 S Almacenamiento Usuario Humano 3 0:30:00 S TOTAL - - - 9 88:30 horas - Nota. Descripción de entradas y salidas general del macroproceso de beneficio de café húmedo. Fuente: Elaboración propia. 31 2.4.2 Arquitectura de información (Datos). Tabla 12. Entidades de la base de datos. Nombre de entidad Descripción Información de la asociación, producción total de la asociación, número Asociaciones de socios, porcentaje promedio de rendimiento de café pergamino. Posee información de las parcelas que poseen los caficultores socios de la Parcelas asociación que pertenecen. Producción de cada parcela, está conformado por el conjunto de lotes de Inventarios Producción producción. Lotes Lote de producción de café pergamino, normalmente es diaria. Usuarios Usuarios del sistema, están categorizados por perfiles y roles. Roles Catálogo de roles de la asociación. Perfiles Catálogo de perfiles de la asociación. Catálogo de permisos de acuerdo a los requerimientos de los usuarios de Permisos la asociación. Catálogo de módulos que conforman el sistema de selección de granos de Módulos café. Catálogo de entidades creadas en la base de datos del sistema de selección Objetos de granos de café. Campos Conjunto de campos creados en todos los objetos de la BD. Información de boletas de venta emitidas por las cooperativas locales y Boleta de venta empresas de exportación de café. Nota. Fuente: Elaboración propia. Para mayo información revisar el anexo 32 2.4.3 Arquitectura de Aplicación. El método de clasificación de granos de café cereza va posee las siguientes pantallas principales. En el documento de definición de requisitos y prototipos se encuentran el flujo completo y la secuencia de pantallas respectivas. USUARIO CONTRASEÑA ******** INICIAR SESION ¿Olvidó su contraseña? Figura 10. Pantalla de inicio de sesión al sistema de selección de granos. Fuente: Elaboración propia 33 ASOCIACIÓN ASOCIACIÓN: PARCELA FINALIZAR PARCELA: USUARIO USUARIO: VARIEDAD CAFÉ MERMA: 75% COLOR GRANO EXCELSOS: 25% DETENER CANCELAR INICIAR TIEMPO: 1 hora PESO: 10 QQ Figura 11. Pantallas de puesta en marcha del sistema de selección de granos de café. Fuente: Elaboración propia Figura 12. Pantalla de formulario de ingreso de datos de venta de café pergamino. Fuente: Elaboración propia 34 Figura 13. Pantalla de ingreso de datos de trilla de café pergamino de la asociación Productores Cafetaleros Camporredondo. Fuente: Elaboración propia Figura 14. Formulario de registro de incidencia y errores en el sistema de selección de granos de café. Fuente: Elaboración propia 35 2.4.4 Arquitectura tecnológica. Figura 15. Arquitectura tecnología del sistema de selección de granos de café a nivel de componenentes. Fuente: Elaboración propia Aplicación SI clasificación de granos Motor de Vision por Captura de datos Módulos Reportes Controladores computador manuales Gestión de Eventos programados Provisionamiento de recursos Recursos Monitoreo de eventos y Monitoreo Base de conociemiento procedimientos Data Data en transito Data en reposo Dispositivos Microcomputador IoT Box Routers Otros Sensores y Fermentació Camara Temperatura Humedad Otros actuadores n Figura 16. Descripción general de la arquitectura tecnología del sistema de selección de granos de café. Fuente: Elaboración propia. 36 2.4.5 Factibilidad económica 2.4.5.1 Limitaciones Alcance. - La presente investigación abarca únicamente a los cafetaleros de la Asociación Productores Cafetaleros Camporredondo que poseen plantaciones de café variedad catimor del distrito de Camporredondo. Nivel del Producto. - El método de selección de granos con IoT y visión artificial solo funcionara para granos de café arábica en estado cerezo variedad catimor y una capacidad de 400 kilogramos por hora. Geográfico: Plantaciones de café localizadas en la cuenca del rio Marañón y a 50 minutos del distrito de Camporredondo en la provincia de Luya región Amazonas al noreste del Perú. Recursos: Monto máximo de inversión S/ 15 000 que será financiado por la asociación Productores Cafetaleros Camporredondo y un equipo trabajo 6 personas (2 desarrolladores, un técnico de redes y 3 caficultores). Tiempo: La siguiente investigación se realizará en el periodo 2020. 37 2.4.5.2 Viabilidad Tabla 13. El Costos y beneficios del método de selección de granos. VALOR AÑO 2020 2021 2022 TOTAL (S/.) Costos 2000 1800 1500 5300 Beneficio 5000 10000 15000 30000 Ahorro Merma 4000 2000 200 6200 Beneficio 9000 12000 15200 36200 Beneficio Total 13000 14000 15400 42400 Beneficio Neto 11000 12200 13900 30900 Inversión inicial: S/ 15000.00. Tasa de Interés BCP: 11.40% VAN: 21619.57 TIR: 77% Nota. Estimaciones de costos y beneficios proyectada a tres años, los beneficios son valores determinados por la asociación y los costos por el investigador Fuente: Elaboración propia. Económica. - La viabilidad económica de la investigación se refleja en la tabla anterior donde se logra apreciar que la asociación tendrá un costo de S/ 5300 y una inversión inicial de S/15000 en el periodo de tres años, pero a cambio recibirá un beneficio neto de S/.30900. Además, el proyecto posee un Valor Actual Neto (VAN) de S/21619.57 con una tasa de interés del Banco de Crédito de Perú (BCP) 2019 para pequeñas empresas de 11.40 % y un Tasa Interna de Retorno(TIR) de 77% determina que el proyecto es viable. Responsabilidad Social. - La investigación beneficiara a 20 familias de la asociación Productores Cafetaleros Camporredondo que dependen económicamente de su producción cafetalera, lo que va a mejorar la calidad de vida de las personas mencionadas. Además, un factor importante muy beneficiado es la imagen de la asociación frente a las empresas exportadoras de café pergamino. 38 3.2. Metodología para el desarrollo del proyecto 3.2.1 Caso de negocio. La asociación Productores Cafetaleros Camporredondo se dedica a la producción, venta y exportación de café la cual está dirigida por una junta directiva cuya política principal es velar por el cumplimiento de la visión de la asociación y los intereses de los socios. En los últimos años se ha identificado los siguientes problemas: macroproceso de café húmedo realizado de forma artesanal con procedimientos rudimentarios, alto porcentaje de granos con defectos físicos y una dificultad de transición hacia la agroindustria. Por consiguiente, se está afectando la calidad del café pergamino, rentabilidad de la asociación y la imagen de esta frente a las empresas exportadoras de café. Nombre del proyecto: Selección de granos. Director de Proyecto / Nivel de autoridad Total autoridad en la administración de costes y recursos asociados al proyecto. Cambios en alcance y tiempo deberán ser acordados con la junta directiva de la asociación Productores Cafetaleros Camporredondo. Objetivo Desarrollar un método de selección con IoT y visión artificial para selección de granos de café según el alcance y plazo definidos para el proyecto. Recursos asignados Para la planificación inicial:  Un analista desarrollador al 100% durante la vida del proyecto.  Un analista desarrollador al 100% durante 2 meses.  Un técnico de redes por un periodo de 10 días.  Dos caficultores al 50% durante la vida del proyecto.  Un jefe de proyecto al 10% durante la vida del proyecto. Si es necesario recursos adicionales para la planificación en detalle y el desarrollo deberán ser subcontratados deberán ser solicitados a través del jefe del proyecto. 39 Partes implicadas (Stakeholders)  Junta directiva de la asociación Productores Cafetaleros Camporredondo encargada de dar el visto bueno al diseño. Además, la junta espera una realización del proyecto ejemplar en cuanto a supervisión de costes y cumplimiento de plazos ya que este proyecto es un modelo para los socios cafetaleros de la asociación.  Socios caficultores de la asociación serán los usuarios finales y se encargarán en parte de la validación del sistema de clasificación de granos de café.  Autoridades, será necesario coordinar todos los permisos requeridos. Estimación inicial de riesgos El mayor riesgo es un retraso en el desarrollo del método de selección de granos que implique retrasar la implementación y generar pérdidas económicas en la asociación Productores Cafetaleros Camporredondo. Estimación inicial de tiempo: El proyecto iniciara los primeros días de enero de 2020. Finalización: El método de selección de granos de café debe estar completamente finalizado y funcionando en un ambiente productivo de acuerdo a los requerimientos especificados. No se requieren desarrollos y configuraciones adicionales, es decir el método de selección debe estar instalado en los lotes de la asociación Productores Cafetaleros Camporredondo. Fecha de finalización: 13 de mayo de 2020. Estimación inicial de costes El presupuesto total para el desarrollo y operación del método de selección de granos de café son quince mil soles. Requerimientos y responsables de aprobación  Aprobación del diseño preliminar: Junta directiva de la asociación.  Aprobación del contrato de desarrollo del método de selección: presidente de la asociación. 40  Aceptación final de la obra: Junta directiva de la asociación.  Aceptación de cambios en plazos y/o costes adicionales: presidente de la asociación. 3.2.2 Gestión del Alcance (Alcance de Proyecto, Alcance de Producto, Diccionario del EDT). 3.2.2.1 Alcance de Proyecto. El alcance del proyecto comprende las actividades relacionadas con el desarrollo del sistema de selección de granos de café con IoT y visión artificial. Este proyecto posee cuatros etapas fundamentales: inicio, levantamiento de información, desarrollo de software, pruebas integrales y el despliegue del sistema de selección de granos a aun ambiente productivo. Tabla 14. Principales entregables del proyecto ENTREGABLE DESCRIPCIÓN Diseño Arquitectura de negocios Documento que contiene a detalle la arquitectura del macroproceso de beneficio húmedo antes del proyecto (ASIS) y el propuesto (TOBE). Arquitectura de la Aplicación Documento que contiene a detalle loa módulos de la aplicación con sus receptivas pantallas. Arquitectura de datos Documento que contiene a detalle el modelo físico y lógico de la base de datos. Arquitectura de tecnológica Documento que contiene a detalle la arquitectura tecnológica, incluye las aplicaciones, servidores, redes y comunicaciones, seguridad física y lógica, red de sensores y actuadores. Plano de red LAN Plano que contiene a detalle la arquitectura de red implementada en el proyecto. Implementación Instalación de red LAN Instalación de dispositivos de red y funcionamiento correcto en las instalaciones de la asociación. 41 Método de selección de granos de café (Software Instalación de los componentes necesarios en los y Hardware) instalado en las parcelas de la dispositivos locales y servidores en la nube. El organización. Método de selección de granos debe estar funcionando correctamente en un ambiente productivo. Programación Documento que formaliza la propuesta y contiene todos los trabajos y alcance de servicio de programación y el pase a un ambiente productivo. Hardware y software del método de selección de Documento de compra que contiene el listado de granos con IoT y visión artificial. todos los suministros del método de selección de granos de café, así como las licencias respectivas del proyecto. Finalización del proyecto. Informe de pruebas del método de selección de Documentación final que contiene todas las granos de café. actividades de las pruebas del método de selección de granos de café. Informe del primer mes de monitoreo y control Documentación final de pruebas de operación del del método de selección de café. método de selección de café: graficas de variables de control Nota. Fuente: Elaboración propia. Exclusiones del proyecto Los traslados, viáticos del personal que realizará el desarrollo de software no son parte del del proyecto. Restricciones del proyecto El costo del proyecto no deberá exceder los 15000 soles y no debe exceder de 6 meses. 3.2.2.2 Alcance de Producto. El presente proyecto busca automatizar la selección de granos de café en la asociación Productores Cafetaleros Camporredondo a través de un método de selección de granos con 42 IoT y visión artificial. Con ello se busca realizar la clasificación de los granos considerando color, textura, peso, tamaño para mejorar el rendimiento del café pergamino. Tabla 15. Requisitos del método de selección de granos. REQUISITO Descripción Módulo de ingreso de datos manuales Modulo comprende el ingreso de datos de configuración de variedad y tipo de grano de forma manual para el proceso de selección de granos. Motor de visión artificial Un motor de visión artificial, que incluya pre procesamiento, segmentación, post procesamiento de imágenes, reconocimiento de objetos y toma de decisión. Modulo controlador de visión artificial Modulo que incluye las funcionalidades de comunicación entre el motor de visión artificial y los sensores y actuadores. Modulo contralor general Modulo que incluye la funcionalidad de intercomunicación entre los módulos del sistema. Interfaz de conexión Local-Cloud Interfaz que comunicación entre la base de datos local con la base de datos de la nube. Modulo web intranet Modulo que comprende intranet y visualización de los reportes y paneles del sistema de selección de granos de café. Módulo de reportes y paneles Catalogo de reportes y paneles, los cuales son alimentados de la base de datos local y de la nube. Perfiles, permisos y usuarios Catalogo de perfiles y permisos con sus respectivos usuarios de la asociación productores Cafetaleros Camporredondo. Plan de capacitación Plan de capacitación a los usuarios de la asociación que será aplicado después del despliegue a producción. Nota: Fuente: Elaboración propia. 3.2.2.3 Diccionario del EDT. Nombre del proyecto: SELECCIÓN DE GRANOS Siglas del proyecto: SELGRAN Tabla 16. Paquete de trabajo: Fase de inicio 43 CODIGO DEL PAQUETE DE NOMBRE DEL PAQUETE DE TRABAJO: Fase Inicio TRABAJO: OBJETIVO DEL PAQUETE DE Iniciar el proyecto. TRABAJO DESCRIPCIÓN DEL PAQUETE Conjunto de documentos que detallan el alcance del proyecto DE TRABAJO y producto, control de cambios, comunicaciones, espacio de trabajo, supuesto y restricciones. ACTIVIDADES A REALIZAR Reuniones con la junta directiva de la asociación. Elaboración del acta de constitución del proyecto. Validación del acta de constitución del proyecto. ASIGNACIÓN DE Responsable: Directo del proyecto (DP) RESPONSABILIDADES Participa: Junta directiva de la asociación. Apoya: Usuarios (Caficultores). Revisa: DP y Junta directiva. Aprueba: Junta directiva de la asociación Da información: Junta directiva de la asociación. FICHAS PROGRAMADAS Inicio: Fin: Hitos importantes: Hito fin de inicio. CRITERIOS DE ACEPTACIÓN Parte interesada que acepta: Junta directiva de la asociación. El equipo del proyecto debe recibir una copia en versión impresa y digital del acta de constitución del proyecto. Como se aceptará: Reunión del equipo. SUPUESTOS La junta directiva de la asociación brindará la información pertinente para la elaboración del acta de constitución del proyecto. RIESGOS El acta de constitución del proyecto es rechazada. 44 RECURSOS ASIGNADOS Y Personal: junta directiva, director del proyecto. COSTOS Ambiente: sala de reuniones. Equipos: 3 laptops. DEPENDENCIAS Antes: Después: Nota: Fuente: Elaboración propia. Tabla 17. Paquete de trabajo: Fase de revelamiento CODIGO DEL PAQUETE DE NOMBRE DEL PAQUETE DE TRABAJO: Fase de TRABAJO: revelamiento OBJETIVO DEL PAQUETE Definir con mayor detalle los requisitos del proyecto de DE TRABAJO selección de granos de café. DESCRIPCIÓN DEL Documento que contiene a detalle los procesos, requisitos PAQUETE DE TRABAJO funcionales y no funcionales, pantallas y reportes. ACTIVIDADES A REALIZAR Reuniones con la junta directiva de la asociación. Modelado del macroproceso de beneficio húmedo de café. Modelado la arquitectura tecnológica del método de selección de granos. Elaboración del documento de requisitos. ASIGNACIÓN DE Responsable: Directo del proyecto (DP) RESPONSABILIDADES Participa: Junta directiva de la asociación, Analista desarrollador. Apoya: Usuarios (Caficultores). Revisa: DP y Junta directiva. Aprueba: Junta directiva de la asociación Da información: Junta directiva de la asociación. FICHAS PROGRAMADAS Inicio: Fin: 45 Hitos importantes: Hito fin de inicio. CRITERIOS DE Parte interesada que acepta: Junta directiva de la asociación. ACEPTACIÓN El equipo del proyecto debe recibir una copia en versión impresa y digital del documento de procesos y requisitos del sistema de selección de granos. Como se aceptará: Reunión del equipo. SUPUESTOS La junta directiva de la asociación brindará la información pertinente para la elaboración del acta de constitución del proyecto. RIESGOS El documento de requisitos es rechazado. RECURSOS ASIGNADOS Y Personal: junta directiva, director del proyecto. COSTOS Ambiente: sala de reuniones. Equipos: 3 laptops. DEPENDENCIAS Antes: Después: Nota: Fuente: Elaboración propia. Tabla 18. Paquete de trabajo: Instalación de Red LAN CODIGO DEL PAQUETE DE NOMBRE DEL PAQUETE DE TRABAJO: Instalación TRABAJO: de Red LAN 46 OBJETIVO DEL PAQUETE DE Instalar red LAN en las instalaciones de la asociación. TRABAJO DESCRIPCIÓN DEL PAQUETE Documento que contiene la arquitectura de red instalada en DE TRABAJO las instalaciones de la asociación. ACTIVIDADES A REALIZAR Reuniones con la junta directiva de la asociación. Instalación de la red LAN en las instalaciones de la asociación y pruebas de funcionalidad y errores. Inspección y validación de la arquitectura de red instalada. ASIGNACIÓN DE Responsable: Directo del proyecto (DP) RESPONSABILIDADES Participa: Junta directiva de la asociación, técnico de redes. Apoya: Usuarios (Caficultores). Revisa: DP y Junta directiva. Aprueba: Junta directiva de la asociación Da información: Junta directiva de la asociación. FICHAS PROGRAMADAS Inicio: Fin: Hitos importantes: Entrega de red LAN. CRITERIOS DE ACEPTACIÓN Parte interesada que acepta: Junta directiva de la asociación. El equipo del proyecto debe recibir una copia en versión impresa y digital de la arquitectura de red LAN. Como se aceptará: Reunión del equipo, inspección de las instalaciones, pruebas de funcionalidad y errores. SUPUESTOS La junta directiva de la asociación brindará la información pertinente para la elaboración del acta de constitución del proyecto. RIESGOS La arquitectura de red LAN es rechazada. 47 RECURSOS ASIGNADOS Y Personal: junta directiva, director del proyecto, técnico de COSTOS redes. Ambiente: sala de reuniones. Equipos: 3 laptops. DEPENDENCIAS Antes: Después: Nota: Fuente: Elaboración propia. Por motivos metodológicos se va a considerar el todo el desarrollo de software como un entregable, denominado “módulo SoftDev” pero mencionar que está comprendido por los siguientes entregables: módulo de ingreso de datos manuales, módulo motor de visión artificial, módulo controlador de visión artificial, módulo controlador general, interfaz de interconexión local-cloud, módulo web intranet, módulo de reportes y paneles, desarrollo de perfiles, permisos y usuarios. Tabla 19. Paquete de trabajo: Desarrollo de software CODIGO DEL PAQUETE DE NOMBRE DEL PAQUETE DE TRABAJO: módulo TRABAJO: SoftDev. 48 OBJETIVO DEL PAQUETE DE Desarrollar el módulo desarrollo -software TRABAJO DESCRIPCIÓN DEL PAQUETE DE Documento a detalle la documentación y el código del TRABAJO módulo SoftDev. ACTIVIDADES A REALIZAR Desarrollo de software en los ambientes de desarrollo asignados por la asociación. Inspección y validación de buenas prácticas de desarrollo en los lenguajes de programación asignados. Reuniones con la junta directiva de la asociación. ASIGNACIÓN DE Responsable: Directo del proyecto (DP) RESPONSABILIDADES Participa: Junta directiva de la asociación, Analista desarrollador 1, Analista desarrollador 2. Revisa: Analista desarrollador Aprueba: director de proyecto. Da información: Junta directiva de la asociación. FICHAS PROGRAMADAS Inicio: Fin: Hitos importantes: Fin de desarrollo de software. CRITERIOS DE ACEPTACIÓN Parte interesada que acepta: DP La asociación y DP tendrán acceso al repositorio de desarrollo que se encontrara alojado en GitLab. Como se aceptará: Reunión del equipo, validación de la codificación y reporte de las clases de prueba. SUPUESTOS La junta directiva de la asociación brindará la información pertinente y los ambientes de desarrollo adecuados para el desarrollo de software. 49 RIESGOS Rechazo parcial y total de los archivos del software. RECURSOS ASIGNADOS Y Personal: 2 analistas programadores, 1 director de COSTOS proyectos. Informáticos: Ambiente de desarrollo con las herramientas necesarias. Ambiente: sala de desarrollo. Equipos: 3 laptops. DEPENDENCIAS Antes: Después: Nota: Fuente: Elaboración propia. Tabla 20. Paquete de trabajo: Pruebas integrales CODIGO DEL PAQUETE DE NOMBRE DEL PAQUETE DE TRABAJO: Pruebas TRABAJO: 5 integrales. OBJETIVO DEL PAQUETE DE Realizar las pruebas integrales del sistema de selección de TRABAJO granos de café. DESCRIPCIÓN DEL PAQUETE DE Conjunto de documentos que contiene los resultados de las TRABAJO pruebas integrales, los errores y flujos correctos. ACTIVIDADES A REALIZAR Reuniones con la junta directiva de la asociación. Pruebas integrales del sistema de selección de granos en un ambiente de integración. Documentación de todos los casos de usos del sistema probados con sus respectivas observaciones. Realizar reporte de estado de calidad del sistema. 50 ASIGNACIÓN DE Responsable: Directo del proyecto (DP) RESPONSABILIDADES Participa: Junta directiva de la asociación, analista desarrollador 1. Apoya: Usuarios (Caficultores). Revisa: DP y Junta directiva. Aprueba: Junta directiva de la asociación Da información: Hito fin de pruebas integrales. FICHAS PROGRAMADAS Inicio: Fin: Hitos importantes: Fin pruebas integrales. CRITERIOS DE ACEPTACIÓN Parte interesada que acepta: Junta directiva de la asociación. Como se aceptará: Si el número de errores de tipo críticos y medio es cero, mientras que para los de tipificación bajo se acepta hasta 5 con el compromiso que serán resueltos en un periodo de 5 días. SUPUESTOS La junta directiva de la asociación brindará el ambiente de integración para la realización de las pruebas integrales. RIESGOS El acta de constitución del proyecto es rechazada. RECURSOS ASIGNADOS Y Personal: junta directiva, director del proyecto. COSTOS Ambiente: sala de reuniones. Equipos: 3 laptops. DEPENDENCIAS Antes: Después: Nota: Fuente: Elaboración propia. Tabla 21. Paquete de trabajo: Fase de despliegue 51 CODIGO DEL PAQUETE DE NOMBRE DEL PAQUETE DE TRABAJO: Fase de TRABAJO: despliegue OBJETIVO DEL PAQUETE DE Realizar el despliegue del sistema de selección de granos TRABAJO del ambiente de integración a un ambiente de producción. DESCRIPCIÓN DEL PAQUETE DE Conjunto de documentos de pase a producción, la TRABAJO capacitación a los usuarios y pruebas del sistema en un ambiente de producción. ACTIVIDADES A REALIZAR Reuniones con la junta directiva de la asociación. Realización de despliegue de paquetes del ambiente de integración al ambiente de producción. Documentación de los paquetes del despliegue a producción. Pruebas y reporte de estado de calidad del sistema en el ambiente de producción. ASIGNACIÓN DE Responsable: Directo del proyecto (DP) RESPONSABILIDADES Participa: Junta directiva de la asociación, analista desarrollador 1. Apoya: Usuarios (Caficultores). Revisa: DP y Junta directiva. Aprueba: Junta directiva de la asociación Da información: Hito fin de despliegues. FICHAS PROGRAMADAS Inicio: Fin: Hitos importantes: Entrega de red LAN. CRITERIOS DE ACEPTACIÓN Parte interesada que acepta: Junta directiva de la asociación. 52 Como se aceptará: Si el número de errores de tipo críticos, medio y bajos es cero en el ambiente de producción. SUPUESTOS La junta directiva de la asociación brindará el ambiente de integración y producción necesario para los despliegues. RIESGOS El sistema de selección de granos sea rechazado. RECURSOS ASIGNADOS Y COSTOS Personal: junta directiva, director del proyecto. Informáticas: ambiente de integración y producción. Equipos: 3 laptops. DEPENDENCIAS Antes: Después: Nota: Fuente: Elaboración propia. 3.2.3 Gestión del tiempo (Gantt del proyecto) 53 El cronograma del proyecto de selección de granos inicia el 6/01/2020 y finaliza 13/05/2020. Figura 17. Diagrama Gantt del proyecto de selección de granos. Fuente: Elaboración propia. Para ver el detalle del cronograma ver el anexo. 3.2.4 Gestión de costos (horas-hombre) 54 Tabla 22. Flujo de caja. Costo real Costo de línea base Costo restante Variación de costo S/0.00 S/12,622.00 S/12,622.00 S/0.00 Nota. Fuente: Elaboración propia. Tabla 23. Costos de horas hombre. Nombre Comienzo Fin Trabajo Costo Trabajo de restante horas extra Jefe de Proyecto lun mar 168 horas S/3,464.00 0 horas 6/01/20 12/05/20 Analista Programador 1 lun mié 528 horas S/5,700.00 0 horas 13/01/20 13/05/20 Analista Programador 2 lun jue 296 horas S/3,170.00 0 horas 20/01/20 16/04/20 Técnico de redes 1 mié lun 32 horas S/288.00 0 horas 29/01/20 3/02/20 Nota. Fuente: Elaboración propia. 10000 14000 9000 12000 8000 7000 10000 6000 8000 5000 6000 4000 3000 4000 2000 2000 1000 0 0 3 4 1 2 Costo Costo acumulado 55 Figura 18. Gráfico de costo y costo acumulado. Fuente: Elaboración propia. 600 horas 500 horas 400 horas 300 horas 200 horas 100 horas 0 horas Jefe de Proyecto Analista Programador 1 Analista Programador 2 Técnico de redes 1 Trabajo real Trabajo restante Trabajo previsto Figura 19. Gráfico de barras de horas hombre. Fuente: Elaboración propia. Tabla 24. Costos por fases. Nombre Costo Costo Costo CRTR CPTR CPTP restante real Inicio del proyecto S/0.00 S/0.00 S/0.00 S/0.00 S/0.00 S/0.00 Acta de inicio S/170.00 S/0.00 S/170.00 S/0.00 S/0.00 S/0.00 Gestión del proyecto S/2,884.00 S/0.00 S/2,884.00 S/0.00 S/0.00 S/0.00 Hito fin de gestión de S/0.00 S/0.00 S/0.00 S/0.00 S/0.00 S/0.00 proyecto Fase Inicio S/850.00 S/0.00 S/850.00 S/0.00 S/0.00 S/0.00 Hito fin de inicio S/20.00 S/0.00 S/20.00 S/0.00 S/0.00 S/0.00 56 Fase de Relevamiento S/520.00 S/0.00 S/520.00 S/0.00 S/0.00 S/0.00 Fase de Desarrollo S/6,888.00 S/0.00 S/6,888.00 S/0.00 S/0.00 S/0.00 Hito Fin de Desarrollo S/20.00 S/0.00 S/20.00 S/0.00 S/0.00 S/0.00 Pruebas integrales S/430.00 S/0.00 S/430.00 S/0.00 S/0.00 S/0.00 Hito Fin de Pruebas S/10.00 S/0.00 S/10.00 S/0.00 S/0.00 S/0.00 Integrales Fase Despliegue S/830.00 S/0.00 S/830.00 S/0.00 S/0.00 S/0.00 Hito fin de Despliegue S/0.00 S/0.00 S/0.00 S/0.00 S/0.00 S/0.00 Hito fin del proyecto S/0.00 S/0.00 S/0.00 S/0.00 S/0.00 S/0.00 Nota. Fuente: Elaboración propia. 3.2.5 Gestión de Calidad (Pruebas unitarias e Integrales) La gestión de calidad del método de selección de granos se realizará mediante pruebas unitarias e integrales. Las pruebas unitarias se realizan al finalizar un entregables, mientras que las pruebas integrales se realizarán una vez finalizado el desarrollo del método de selección de granos de café. Tabla 25. Pruebas unitarias e integrales. MODULO FECHA DURACIÓN INICIO FIN (días) 57 Instalación de red LAN vie 31/01/20 vie 31/01/20 1 Ingreso de datos manuales lun 3/02/20 lun 3/02/20 1 Submódulo de captura de lun 3/02/20 lun 3/02/20 1 imagen Submódulo de mié 12/02/20 jue 13/02/20 2 procesamiento de imagen Submódulo de inferencia y mié 12/02/20 mié 12/02/20 1 toma de decisiones. Controlador de visión mar 25/02/20 mié 26/02/20 2 UNITARIAS artificial Controlador general lun 9/03/20 mar 10/03/20 2 Interfaz interconexión Local- lun 23/03/20 mar 24/03/20 2 Cloud Web intranet vie 3/04/20 lun 6/04/20 2 Reportes y paneles lun 13/04/20 lun 13/04/20 1 Perfiles, roles, permisos y jue 16/04/20 jue 16/04/20 0.5 usuarios Mecanismo de seguridad vie 17/04/20 lun 20/04/20 2 física y lógica INTEGRALES Pruebas integrales jue 23/04/20 lun 27/04/20 3 TOTAL 19.5 Nota. Fuente: Elaboración propia. 3.2.6 Control de Cambios (formato y aprobación) El control de cambios se realiza mediante el formato del anexo 6, las solicitudes de cambio serán realizadas por el director del proyecto y las aprobaciones serán realizadas por la junta directiva de la asociación Productores Cafetaleros Camporredondo en un periodo no máximo de cinco días. 58 3.2.7 Gestión de Riesgos 59 Tabla 26. Matriz de riesgos. ID Descripción Causa raíz Detonante Entregables Probabilid Objetivo afectado Impa Probabilidad x Tipo de afectados ad cto impacto riesgo R-0001 Modificación del Solicitud de Comunicaci Proyecto finalizado 0.3 Alcance Medio cronograma cambios por parte ón informal Tiempo 0.3 0.09 de la directiva de (diálogos) la asociación. Costo 0.2 0.06 Calidad Total, probabilidad x impacto 0.15 R-0002 Poca satisfacción No cumplimiento Encuesta y Proyecto finalizado 0.3 Alcance Medio de los interesados de los objetivos de reuniones. Tiempo del proyecto calidad. Costo 0.2 0.06 Calidad 0.6 Total, probabilidad x impacto 0.15 R-0003 Solicitud de Identificación de Comunicaci Proyecto finalizado 0.2 Alcance 0.1 0.2 Medio componentes nuevos ón informal Tiempo 0.1 0.02 adicionales no entregables. (diálogos) y contemplados en encuestas. Costo 0.2 0.02 el alcance. Calidad Total, probabilidad x impacto 0.04 R-0004 Perdida de Alimentación, Examen Proyecto finalizado 0.1 Alcance Bajo personal por cambios médico. Tiempo 0.2 0.02 enfermedad climáticos adversos, Costo 0.2 0.02 epidemias. Calidad Total, probabilidad x impacto 0.04 R-0005 Las personas Deficiente Comunicaci Proyecto finalizado 0.1 Alcance Medio afectadas no son gestión de las ón informal, Tiempo 0.2 0.06 informadas. partes interesadas reuniones. del proyecto. Costo 0.2 0.06 Calidad Total, probabilidad x impacto 0.12 R-0006 Los usuarios Descripción del Encuestas y Proyecto finalizado 0.2 Alcance Medio tienen producto con un diálogos. Tiempo 0.3 0.06 expectativas lenguaje muy inexactas. técnico y poco Costo 0.4 0.08 entendible. Calidad Total, probabilidad x impacto 0.14 Nota. Fuente: Elaboración propia. Tabla 76. Matriz de riesgos y contingencias. 60 ID Amenaza/ Descripción Tipo de Responsable Respuesta planificada Tipo de Fecha Plan contingencia Oportunidad riesgo respuesta Planificada R-0001 Amenaza Modificación del Medio JP Coordinación con la mesa directiva Mitigar Al finalizar Reprogramación cronograma de la asociación. cada del proyecto. entregable. Cláusula de flexibilidad en el Formalización de la contrato del proyecto. solicitud de cambios. R-0002 Amenaza Poca Medio JP Por cada entregable se realiza unan Mitigar Continua en Monitoreo y satisfacción de puntación por parte de los usuarios la vida del control de los interesados y la directiva de la asociación. proyecto. entregables. del proyecto Durante el desarrollo solicitar Tomar acciones retroalimentación por parte de los correctivas. usuarios y la directiva de la asociación. R-0003 Amenaza Solicitud de Alto JP Validación continua del alcance. Mitigar Continua en Monitoreo y componentes la vida del control del alcance. adicionales no Existencia de mecanismos proyecto. contemplados formales para solicitud de nuevos Tomar acciones en el alcance. entregables. correctivas. 61 R-0004 Amenaza Perdida de Alto JP Gestión del conocimiento. Mitigar Continua en Reprogramación personal por Normas y charlas sobre cuidado de la vida del del proyecto. enfermedad la salud en el ambiente de trabajo proyecto. Contratación de y fuera de este. nuevo personal. R-0005 Amenaza Las personas Alto JP Gestión continua de partes Mitigar Continua en Formalización de afectadas no interesadas. la vida del reuniones son informadas. Reuniones informativas de periodo proyecto. informativas. de 15 días con las partes interesadas. R-0006 Amenaza Los usuarios Medio JP Descripción adecuada del alcance Mitigar Continua en Gestión de tienen del proyecto y producto en un la vida del expectativas. expectativas lenguaje entendible para las partes proyecto. inexactas. interesadas. Nota. Fuente: Elaboración propia 62 CAPITULO IV: RECURSOS Y CRONOGRAMA 4.1 Recursos Tabla 28. Recursos de la investigación Actividades Costo en (S/.) Recursos Humanos Digitador 100 Asesor 300 Especialista (otros) 200 Viáticos y servicios Gastos de copias de información bibliográfica 200 Gastos de copias de instrumentos y archivos 30 Gastos de búsqueda en Internet y uso de PC 100 Búsqueda de documentación general sobre el tema 50 Visita a las entidades respectivas 500 Gastos de envío y recepción de Fax, línea telefónica, etc. 30 Recursos Materiales Documentación y material de oficina (folders, CD, hojas, lapiceros, etc.) 30 Material de impresión de informes 30 Otros gastos 60 Imprevistos 100 TOTAL S/. 1730 Nota. Fuente: elaboración propia. 4.2 Cronograma de ejecución El cronograma de ejecución de la investigación está conformado por las actividades relacionadas al planteamiento del problema, marco teórico, diseño metodológico, defensa del proyecto en el periodo de los años 2019-2020, para mayor información revisar el anexo 3. 63 CAPITULO V: CONCLUSIONES Y RECOMENDACIONES 5.1 Conclusiones Se concluye que una arquitectura de siete capas respalda satisfactoriamente al método de selección de granos de café con IoT y visión artificial en la asociación Productores Cafetaleros Camporredondo. Se concluye que la adquisición, pre procesamiento, segmentación, detección de objetos y decisión son los procesos clave del método de selección de granos de café en la asociación Productores Cafetaleros Camporredondo. Se concluye que la capacitación a los usuarios en el sistema de selección de granos de café ayuda al correcto funcionamiento del método de selección y por ende se logra mejorar significativamente el rendimiento del café pergamino en la asociación Productores Cafetaleros Camporredondo. 5.2 Recomendaciones Se recomienda utilizar el macro de trabajo ITIL para definir una arquitectura tecnológica. Se recomienda realizar el procesamiento de las imágenes de forma descentralizada para optimizar los tiempos y recursos del sistema de selección artificial. Se recomienda siempre considerar la capacitación técnica a los usuarios, puesto que impacta directamente en el éxito de su operación. 64 CAPITULO VI: FUENTES DE INFORMACIÓN Fuentes de información 1. Alegre Gutiérrez, E., Pajares Martinsanz, G., & de la Escalera Hueso, A. (2016). Conceptos y métodos en Visión por Computador. España: Grupo de Visión del Comité Español de Automática. 2. Chacón, M., Sandoval, R., & Vega, J. (2015). Percepción visuaL - Aplicada a la robótica. México: Alfaomega Grupo Editor S.A. 3. Claudia, S. (2015). Métodos estadísticos para evaluar la calidad del café. Girona: Universitat de Girona. 4. Díaz, C., & Willems, M. (Mayo de 2017). Programa de las Naciones Unidas para el Desarrollo. Obtenido de http://www.pe.undp.org/content/peru/es/home/library/environment_energy/linea-de- base-del-sector-cafe-en-el-peru.html 5. George, m. (2016). Análisis de la calidad del grano de cacao mediante imágenes hiperespectrales usando técnicas de visión artificial. piura: universidad de piura. 6. Giraldo, J., Niño, C., & Vianchá, Z. (2017). Análisis de buenas prácticas en el proceso de beneficio del café: experiencia de estudio en el municipio de Viotá (Cundinamarca, Colombia). Viotá: Ingeniería Solidaria. 7. Herrera, J. C., & Medina, S. M. (2015). Diseño de un sistema automático de selección de frutos de café mediante técnicas de visión artificial. Barranquilla: Universidad Autónoma del Caribe. 8. InfoCafés. (29 de Octubre de 2018). InfoCafés. Obtenido de https://infocafes.com/portal/infocafes/produccion-de-cafe-en-peru/ 9. José, H. (2016). Estudio e Implementación de Algoritmos de Visión Artificial y Modelos de Color para la Determinación de la Cobertura Vegetal Aplicación a Cultivos Hortícolas. Murcia: Universidad de Murcia. 10. Kaehler, A., & Bradski, G. (2016). Learning OpenCV 3 Computer Vision in C++ with the OpenCV Library. Sebastopol: Kristen Brown. 11. López de Mántaras Badia, R., & Meseguer González, P. (4 de 11 de 2017). Inteligencia artificial. Obtenido de Ebook Central: Inteligencia artificial. Retrieved from https://ebookcentral.proquest.com 65 12. Manuel, A., & Jorge, S. (2016). Procesamiento de imágenes para la clasificicación de café verde. Bogotá: Pontificia Universidad Javeriana. 13. Ministerio de Agricultura y Riego. (14 de 10 de 2018). Situación actual del café en el país. Obtenido de Ministerio de Agricultura y Riego: http://minagri.gob.pe/portal/485- feria-scaa/10775-el-cafe-peruano 14. Pajankar, A. (2015). Raspberry Pi Computer Vision Programming. Birmingham: Packt Publishing. 15. Patiño, M. (28 de 12 de 2017). Mercado del café registra pérdidas millonarias porque no logra despertar el interés de sus recolectores. Gestión, pág. 1. 16. Perez, S., & Rosell, L. (2016). Selección de caracteristicas de interés en la clasificación de granos de café mediante un sistema de visión por computadora. Cajamarca: Universidad Privada del Norte. 17. Python Software Fundation. (19 de Noviembre de 2018). Python Software Fundation. Obtenido de https://www.python.org/doc/essays/blurb/ 18. Rojo, E. (2014). Café I (G. Coffea). Madrid: Departamento Biología Vegetal I - Universidad Complutense de Madrid. 19. Rosas, C. (2017). Propuesta de un sistema de selección de granos de café aplicando visión artificial en la provincia de huánuco 2016. Huánuco: Universidad Nacional Hermilio Valdizan. 20. Small, E. (2009). Top 100 Food Plants. Ontario: NRC Research Press. 21. Sustainable Commodity Assistance Network. (Junio de 2015). Sustainable Commodity Assistance Network. Obtenido de http://scanprogram.org/wp- content/uploads/2014/12/scan-peru-diptico-14.pdf 22. Vega, J. (13 de Noviembre de 2018). El precio internacional del café cayó 42% durante los últimos ocho años. La Republica Colombia. 23. Viera, G. (2017). Procesamiento de imágenes usando opencv aplicado en raspberry pi para la clasificación del cacao. Piura: Universidad de Piura. 24. Willems, C. D. (8 de 10 de 2018). Línea de base del sector café en el perú. Obtenido de Green Commodities Programme: web: www.greencommodities.org / www.pe.undp.org 25. Zambrano, F. G. (2014). Determinar la calidad de granos de selecciones avanzadas de café robusta (Coffea canephora). Quevedo: Universidad Tecnica Estatal de Quevedo. ANEXOS 66 Anexo 1. Matriz de Consistencia Problema general Objetivo general Hipótesis general METODO ¿Cómo el método de selección de granos Determinar como el método de selección de El método de selección de granos con IoT y Metodología: Analítico con IoT y visión artificial mejora el granos con IoT y visión artificial mejora el visión artificial mejora significativamente Sintético rendimiento de café pergamino en la rendimiento del café pergamino de la el rendimiento de café pergamino de la asociación productores cafetaleros asociación Productores Cafetaleros. asociación Productores Cafetaleros Camporredondo? Camporredondo. Tipo: Correlacional Problema Especifico Objetivo Especifico Hipótesis Específicos ¿Qué arquitectura tecnológica es Establecer que arquitectura tecnológica es Una arquitectura de siete capas respalda el Enfoque: Mixto necesaria para el óptimo funcionamiento necesaria para el óptimo funcionamiento correcto funcionamiento del método de del método de selección de granos con del método de selección de granos con IoT selección de granos de café con IoT y visón Población: 200 QQ de IoT y visión artificial que mejora el y visión artificial que mejora el rendimiento artificial en la asociación Productores café cereza. rendimiento de café pergamino en la de café pergamino en la asociación Cafetaleros Camporredondo. asociación Productores Cafetaleros Productores Cafetaleros Camporredondo. Muestra: 50 QQ de Camporredondo? café cereza. ¿Cuáles son los procesos críticos del Identificar, modelar y establecer los La adquisición, pre procesamiento, método de selección de granos con IoT y procesos clave del método de selección de segmentación, detección de objetos y Técnica de recolección visión artificial que mejora el rendimiento granos de granos de café con IoT y visión decisión son los procesos clave del método de datos: Observación de café pergamino en la asociación artificial que mejora el rendimiento de café de selección de granos de café con IoT y estructurada, encuesta. Productores Cafetaleros pergamino en la asociación Productores visión artificial que mejora el rendimiento Camporredondo? Cafetaleros Camporredondo de café pergamino en la asociación Técnica de Productores Cafetaleros Camporredondo. procesamiento de ¿Cómo la capacitación técnica a los Proponer un plan de capacitación adecuado La capacitación a los usuarios-caficultores datos: Excel. usuarios del método de selección de para los usuarios involucrados en el método involucrados en el método de selección de granos con IoT y visión artificial influye de selección de granos de café con IoT y granos con IoT y visión artificial mejora en en el rendimiento de café pergamino en la visión artificial que mejora el rendimiento significativamente el rendimiento del café asociación Productores Cafetaleros de café pergamino en la asociación pergamino en la asociación Productores Camporredondo? Productores Cafetaleros Camporredondo Cafetaleros Camporredondo. Anexo 2. Matriz de operacionalización 67 VARIABLES DEFINICION DIMENSION INDICADOR ITEM ESCALA INSTRUMENTO “Es un sistema de Arquitectura Nivel de automatización clasificación con tecnológica y autonomía del método Ficha de software y hardware de selección de granos Ficha de tiempos de proceso. 1 incidencia. Variable basado en el de café con IoT y visión Independiente aprendizaje artificial. Método de estadístico para Procesos de Numero de fallas Ficha de tiempos selección de resolver problemas beneficio de ocurridas en el periodo Ficha de incidencia. 1-N de proceso. granos con IoT de clasificación de café de un año. y visión artificial patrones y se involucrados. Catálogo de en la asociación Número de horas caracteriza porque competencias. productores reducidas en el proceso aprende una función Ficha de tiempos de proceso 1-N cafetaleros de selección de granos lineal para separar Camporredondo de café cereza. las clases de granos.” . Capacitación Número de Morais de Oliveira, Técnica de los competencias Samid Leme, y Catálogo de competencias. 1-N caficultores. desarrolladas Barbosa (2015) Rendimiento del Puntaje promedio de café pergamino. rendimiento de café pergamino obtenido por Ficha de venta Variable El rendimiento de 50 QQ de café Ficha de venta de café pergamino. 1-100% de café Dependiente café pergamino es la pergamino. pergamino. valoración de las Subproductos % de subproductos por Rendimiento del características como 50 QQ de café Ficha de trilla de café pergamino humedad, la pergamino. café pergamino. en la asociación apariencia de los % Merma(Cisco % de merma obtenida productores materiales extraños, e impurezas) por 50 QQ de café Ficha de venta de café pergamino. cafetaleros el tamaño, el color y pergamino. Ficha de venta Ficha de trilla de café pergamino. Camporredondo el olor de grano con Granos % de café excelso 1-100% de café Ficha de tiempos de proceso. una valoración de 1 al excelsos obtenida en 50 QQ de pergamino 100%. (Almendra café pergamino. sana). Anexo 3. Cronograma 68 CRONOGRAMA DEL PLAN DE TRABAJO DE LA TESIS DE GRADO Tiempo (expresado en años, periodos y meses) AÑO 2019 2020 Fases del proyecto de investigación Descubrimiento del tema de interés Revisión bibliográfica Planteamiento del problema Justificación de la investigación I.PLANTEAMIENTO DEL Preguntas de investigación PROBLEMA Alcance y limitaciones Redacción de objetivos específicos Redacción de objetivo general y título Revisión y corrección con tutor Redacción de bases conceptuales Búsqueda de antecedentes (tesis y artículos) Organizar información Redacción de antecedentes II.MARCO TEÓRICO Revisión y corrección con tutor Edición final Búsqueda de libros (bases teóricas) Organizar información Redacción marco teórico MAR FEB ENE DIC NOV OCT SEP AGO JUL JUN MAY ABR MAR 69 Revisión y corrección con tutor Edición final Diseño de la investigación Tipo y enfoque Población y muestra Técnicas de recolección de datos Aspectos éticos III. DISEÑO Presupuesto METODOLÓGICO Cronograma Bibliografía Revisión de documento consolidado con tutor Edición final Aspectos administrativos Presentación del proyecto de tesis (informe completo preliminar) IV. DEFENSA DEL Revisión del proyecto de tesis PROYECTO Presentación y revisión de la tesis por parte del jurado Correcciones de observaciones 1 Anexo 4. Constancia emitida por la institución donde se realizó la investigación 2 Anexo 5. Encuesta sobre capacitación a los caficultores 1. Nombre 2. Sexo o Masculino o Femenino o Primaria incompleta o Primaria completa o Secundaria incompleta 3. Grado de instrucción o Secundaria completa o Superior incompleta o Superior completa 4. Edad 5. Lugar de residencia 6. Nombre de su predio de café 7. ¿Número de hectáreas de plantaciones de café? □ Catimor 8. ¿Qué tipo de variedades de café □ Sarchi posee en sus predios? □ Tipo o Nacional □ Otro: ………………….. 9. ¿Cuántos quintales de café pergamino produce en el periodo de un año? 10. ¿Qué procesos del beneficio □ Selección de granos de café cereza húmedo de café realiza en sus □ Despulpado predios? □ Fermentación □ Lavado □ Selección de granos de café verde □ Secado 3 □ Almacenamiento 11. ¿De qué forma realiza el o Artesanal beneficio húmedo de café o Industrial pergamino? o Semi-industrial 12. ¿Cómo considera al proceso de o No es importante selección de granos de café o Poco importante cereza? o Neutral o Importante o Muy importante 13. ¿Considera que el proceso de o Totalmente de acuerdo selección de granos de café o De acuerdo cereza impacta en el o Indeciso rendimiento de café o En desacuerdo pergamino? o Totalmente en desacuerdo 14. ¿Qué tan satisfecho estás o Totalmente satisfecho con el material didáctico o Satisfecho utilizado durante el programa o Neutral de capacitación? o Insatisfecho o Totalmente insatisfecho 15. Por favor, indica 3 cosas que 1. más te beneficiaron del 2. programa de capacitación. 3. 16. ¿El programa de formación te proporcionó una buena cantidad de aprendizajes prácticos y teóricos? Mencionar los más relevantes para usted. 4 o Muy difícil ¿Qué tan fácil fue entender el o Difícil lenguaje o términos que usaba o Neutral el capacitador? o Fácil o Muy fácil ¿Qué temas usted cree que debemos de repetir o le ha quedado duda? Sugerencia y comentarios que nos ayude a mejorar el programa de capacitación. 5 Anexo 6. Solicitud de cambio Selección de granos Fecha: Datos de la solicitud de cambio Nro control de solicitud de cambio Solicitante del cambio Área del solicitante Lugar Patrocinador del proyecto Gerente del proyecto Categoría de cambio Marcar todas las que apliquen: Alcance Cronograma Costos Calidad Recursos Procedimientos Documentación Otro Causa / origen del cambio Solicitud de cliente Reparación de defecto Acción correctiva Acción preventiva Actualización / Modificación de documento Otros Descripción de la propuesta de cambio 6 Justificación de la propuesta de cambio Impacto del cambio en la línea base Alcance: Cronograma: Costo: Calidad: Implicaciones de recursos (materiales y capital humano) Implicaciones para los interesados Implicaciones en la documentación del proyecto Riesgos Comentarios Aprobación 7 Firmas del comité de cambios Nombre Rol / Cargo Firma 1 Anexo 7. Modelo Entidad Relación de Base de Datos 1 Anexo 8. Script Base de Datos SET @OLD_UNIQUE_CHECKS=@@UNIQUE_CHECKS, UNIQUE_CHECKS=0; SET @OLD_FOREIGN_KEY_CHECKS=@@FOREIGN_KEY_CHECKS, FOREIGN_KEY_CHECKS=0; SET @OLD_SQL_MODE=@@SQL_MODE, SQL_MODE='TRADITIONAL,ALLOW_INVALID_DATES'; -- ----------------------------------------------------- -- Schema mydb -- ----------------------------------------------------- -- ----------------------------------------------------- -- Schema mydb -- ----------------------------------------------------- CREATE SCHEMA IF NOT EXISTS `mydb` DEFAULT CHARACTER SET utf8 ; USE `mydb` ; -- ----------------------------------------------------- -- Table `mydb`.`Asociaciones` -- ----------------------------------------------------- CREATE TABLE IF NOT EXISTS `mydb`.`Asociaciones` ( `idAsociacion` INT NOT NULL, `Nombre` VARCHAR(200) NOT NULL, `Dirección` VARCHAR(350) NULL, `Fecha constitucion` DATE NULL, `Fecha Creacion` DATETIME NULL, `Fecha Modificacion` DATETIME NULL, `Creado por` INT NULL, `Modificado por` INT NULL, PRIMARY KEY (`idAsociacion`), UNIQUE INDEX `idAsociacion_UNIQUE` (`idAsociacion` ASC)) ENGINE = InnoDB; -- ----------------------------------------------------- -- Table `mydb`.`Campos` -- ----------------------------------------------------- CREATE TABLE IF NOT EXISTS `mydb`.`Campos` ( `idCampos` INT NOT NULL, `Leer` VARCHAR(45) NULL, `Crear` VARCHAR(45) NULL, `Modificar` VARCHAR(45) NULL, `Eliminar` VARCHAR(45) NULL, PRIMARY KEY (`idCampos`)) ENGINE = InnoDB; -- ----------------------------------------------------- -- Table `mydb`.`Inventarios Produccion` -- ----------------------------------------------------- CREATE TABLE IF NOT EXISTS `mydb`.`Inventarios Produccion` ( `idInventario` INT NOT NULL, `Fecha Inicio` VARCHAR(45) NULL, `Fecha Fin` VARCHAR(45) NULL, `Producto` VARCHAR(45) NULL, `Variedad` VARCHAR(45) NULL, `Total` VARCHAR(45) NULL, `Parcelas_idParcela` INT NOT NULL, `Parcelas_Asociacion_idAsociacion` INT NOT NULL, 2 `Parcelas_Socio_idSocio` INT NOT NULL, `Fecha Creacion` DATETIME NOT NULL, `Fecha Modificacion` DATETIME NOT NULL, `Creado por` INT NOT NULL, `Modificado por` INT NOT NULL, PRIMARY KEY (`idInventario`, `Parcelas_idParcela`, `Parcelas_Asociacion_idAsociacion`, `Parcelas_Socio_idSocio`), INDEX `fk_Inventarios Produccion_Parcelas1_idx` (`Parcelas_idParcela` ASC, `Parcelas_Asociacion_idAsociacion` ASC, `Parcelas_Socio_idSocio` ASC), CONSTRAINT `fk_Inventarios Produccion_Parcelas1` FOREIGN KEY (`Parcelas_idParcela` , `Parcelas_Asociacion_idAsociacion` , `Parcelas_Socio_idSocio`) REFERENCES `mydb`.`Parcelas` (`idParcela` , `Asociacion_idAsociacion` , `Socio_idSocio`) ON DELETE NO ACTION ON UPDATE NO ACTION) ENGINE = InnoDB; -- ----------------------------------------------------- -- Table `mydb`.`Lotes` -- ----------------------------------------------------- CREATE TABLE IF NOT EXISTS `mydb`.`Lotes` ( `idLotes` INT NOT NULL, `Producto` VARCHAR(45) NULL, `Variedad` VARCHAR(45) NULL, `Cantidad Inicial` DECIMAL(12,2) NULL, `Cantidad Final` DECIMAL(12,2) NULL, `Calidad` VARCHAR(45) NULL, `Duración` TIME NULL, `Merma` DECIMAL(12,2) NULL, `Inventarios Produccion_idInventario` INT NOT NULL, `Inventarios Produccion_Parcelas_idParcela` INT NOT NULL, `Inventarios Produccion_Parcelas_Asociacion_idAsociacion` INT NOT NULL, `Inventarios Produccion_Parcelas_Socio_idSocio` INT NOT NULL, `Usuarios_username` VARCHAR(16) NOT NULL, `Fecha Creacion` DATETIME GENERATED ALWAYS AS (TODAY) VIRTUAL, `Fecha Modificacion` DATETIME NOT NULL, `Creado por` INT NOT NULL, `Modificado por` INT NOT NULL, PRIMARY KEY (`idLotes`, `Inventarios Produccion_idInventario`, `Inventarios Produccion_Parcelas_idParcela`, `Inventarios Produccion_Parcelas_Asociacion_idAsociacion`, `Inventarios Produccion_Parcelas_Socio_idSocio`, `Usuarios_username`), UNIQUE INDEX `idLotes_UNIQUE` (`idLotes` ASC), INDEX `fk_Lotes_Inventarios Produccion1_idx` (`Inventarios Produccion_idInventario` ASC, `Inventarios Produccion_Parcelas_idParcela` ASC, `Inventarios Produccion_Parcelas_Asociacion_idAsociacion` ASC, `Inventarios Produccion_Parcelas_Socio_idSocio` ASC), INDEX `fk_Lotes_Usuarios1_idx` (`Usuarios_username` ASC), CONSTRAINT `fk_Lotes_Inventarios Produccion1` FOREIGN KEY (`Inventarios Produccion_idInventario` , `Inventarios Produccion_Parcelas_idParcela` , `Inventarios Produccion_Parcelas_Asociacion_idAsociacion` , `Inventarios Produccion_Parcelas_Socio_idSocio`) REFERENCES `mydb`.`Inventarios Produccion` (`idInventario` , `Parcelas_idParcela` , `Parcelas_Asociacion_idAsociacion` , `Parcelas_Socio_idSocio`) ON DELETE NO ACTION ON UPDATE NO ACTION, CONSTRAINT `fk_Lotes_Usuarios1` FOREIGN KEY (`Usuarios_username`) REFERENCES `mydb`.`Usuarios` (`username`) ON DELETE NO ACTION ON UPDATE NO ACTION) ENGINE = InnoDB; 3 -- ----------------------------------------------------- -- Table `mydb`.`Modulos` -- ----------------------------------------------------- CREATE TABLE IF NOT EXISTS `mydb`.`Modulos` ( `idModulos` INT UNSIGNED NOT NULL, `Codigo` VARCHAR(45) NOT NULL, `Nombre` VARCHAR(45) NOT NULL, `Fecha Creacion` DATE NOT NULL, `Fecha Modificacion` VARCHAR(45) NOT NULL, `Modificado por` VARCHAR(45) NOT NULL, `Creado por` VARCHAR(45) NOT NULL, PRIMARY KEY (`idModulos`), UNIQUE INDEX `Codigo_UNIQUE` (`Codigo` ASC), UNIQUE INDEX `idModulos_UNIQUE` (`idModulos` ASC)) ENGINE = InnoDB; -- ----------------------------------------------------- -- Table `mydb`.`Objectos` -- ----------------------------------------------------- CREATE TABLE IF NOT EXISTS `mydb`.`Objectos` ( `idObjectos` INT NOT NULL, `Nombre` VARCHAR(45) NULL, `Leer` VARCHAR(45) NULL, `Eliminar` VARCHAR(45) NULL, `Modificar` VARCHAR(45) NULL, `Crear` VARCHAR(45) NULL, PRIMARY KEY (`idObjectos`)) ENGINE = InnoDB; -- ----------------------------------------------------- -- Table `mydb`.`Objectos_has_Campos` -- ----------------------------------------------------- CREATE TABLE IF NOT EXISTS `mydb`.`Objectos_has_Campos` ( `Objectos_idObjectos` INT NOT NULL, `Campos_idCampos` INT NOT NULL, PRIMARY KEY (`Objectos_idObjectos`, `Campos_idCampos`), INDEX `fk_Objectos_has_Campos_Campos1_idx` (`Campos_idCampos` ASC), INDEX `fk_Objectos_has_Campos_Objectos1_idx` (`Objectos_idObjectos` ASC), CONSTRAINT `fk_Objectos_has_Campos_Objectos1` FOREIGN KEY (`Objectos_idObjectos`) REFERENCES `mydb`.`Objectos` (`idObjectos`) ON DELETE NO ACTION ON UPDATE NO ACTION, CONSTRAINT `fk_Objectos_has_Campos_Campos1` FOREIGN KEY (`Campos_idCampos`) REFERENCES `mydb`.`Campos` (`idCampos`) ON DELETE NO ACTION ON UPDATE NO ACTION) ENGINE = InnoDB; -- ----------------------------------------------------- -- Table `mydb`.`Parcelas` -- ----------------------------------------------------- CREATE TABLE IF NOT EXISTS `mydb`.`Parcelas` ( 4 `idParcela` INT NOT NULL, `Nombre` VARCHAR(100) NULL, `Area` DECIMAL(10,2) NULL, `Produccion Promedio` DECIMAL(9,2) NULL, `Variedades de café` VARCHAR(300) NULL, `Fecha de incorparacion` VARCHAR(45) NULL, `Asociacion_idAsociacion` INT NOT NULL, `Socio_idSocio` INT NOT NULL, `Fecha Creacion` DATETIME NOT NULL, `Fecha Modificacion` DATETIME NOT NULL, `Creado por` INT NOT NULL, `Modificado por` INT NOT NULL, PRIMARY KEY (`idParcela`, `Asociacion_idAsociacion`, `Socio_idSocio`), UNIQUE INDEX `idParcela_UNIQUE` (`idParcela` ASC), INDEX `fk_Parcela_Asociacion_idx` (`Asociacion_idAsociacion` ASC), CONSTRAINT `fk_Parcela_Asociacion` FOREIGN KEY (`Asociacion_idAsociacion`) REFERENCES `mydb`.`Asociaciones` (`idAsociacion`) ON DELETE NO ACTION ON UPDATE NO ACTION) ENGINE = InnoDB; -- ----------------------------------------------------- -- Table `mydb`.`Perfiles` -- ----------------------------------------------------- CREATE TABLE IF NOT EXISTS `mydb`.`Perfiles` ( `idPerfiles` INT NOT NULL, `Nombre` VARCHAR(45) NOT NULL, `Codigo` VARCHAR(10) NOT NULL, `Tipo de Usuario` VARCHAR(45) NULL, `Activo` TINYINT NULL, `Fecha Creacion` DATE NOT NULL, `Fecha Modificacion` DATE NOT NULL, `Modificado por` INT NOT NULL, `Creado por` INT NOT NULL, PRIMARY KEY (`idPerfiles`)) ENGINE = InnoDB; -- ----------------------------------------------------- -- Table `mydb`.`Perfiles_has_Permisos` -- ----------------------------------------------------- CREATE TABLE IF NOT EXISTS `mydb`.`Perfiles_has_Permisos` ( `Perfiles_idPerfiles` INT NOT NULL, `Permisos_idPermisos` INT NOT NULL, PRIMARY KEY (`Perfiles_idPerfiles`, `Permisos_idPermisos`), INDEX `fk_Perfiles_has_Permisos_Permisos1_idx` (`Permisos_idPermisos` ASC), INDEX `fk_Perfiles_has_Permisos_Perfiles1_idx` (`Perfiles_idPerfiles` ASC), CONSTRAINT `fk_Perfiles_has_Permisos_Perfiles1` FOREIGN KEY (`Perfiles_idPerfiles`) REFERENCES `mydb`.`Perfiles` (`idPerfiles`) ON DELETE NO ACTION ON UPDATE NO ACTION, CONSTRAINT `fk_Perfiles_has_Permisos_Permisos1` FOREIGN KEY (`Permisos_idPermisos`) REFERENCES `mydb`.`Permisos` (`idPermisos`) ON DELETE NO ACTION ON UPDATE NO ACTION) 5 ENGINE = InnoDB; -- ----------------------------------------------------- -- Table `mydb`.`Permisos` -- ----------------------------------------------------- CREATE TABLE IF NOT EXISTS `mydb`.`Permisos` ( `idPermisos` INT NOT NULL, `Lectura` VARCHAR(45) NULL, `Escritura` VARCHAR(45) NULL, `Eliminación` VARCHAR(45) NULL, `Activo` VARCHAR(45) NULL, `Fecha Creacion` DATETIME NOT NULL, `Fecha Modificacion` DATETIME NOT NULL, `Creado por` INT NOT NULL, `Modificado por` INT NOT NULL, PRIMARY KEY (`idPermisos`)) ENGINE = InnoDB; -- ----------------------------------------------------- -- Table `mydb`.`Permisos_has_Modulos` -- ----------------------------------------------------- CREATE TABLE IF NOT EXISTS `mydb`.`Permisos_has_Modulos` ( `Permisos_idPermisos` INT NOT NULL, `Modulos_idModulos` INT UNSIGNED NOT NULL, PRIMARY KEY (`Permisos_idPermisos`, `Modulos_idModulos`), INDEX `fk_Permisos_has_Modulos_Modulos1_idx` (`Modulos_idModulos` ASC), INDEX `fk_Permisos_has_Modulos_Permisos1_idx` (`Permisos_idPermisos` ASC), CONSTRAINT `fk_Permisos_has_Modulos_Permisos1` FOREIGN KEY (`Permisos_idPermisos`) REFERENCES `mydb`.`Permisos` (`idPermisos`) ON DELETE NO ACTION ON UPDATE NO ACTION, CONSTRAINT `fk_Permisos_has_Modulos_Modulos1` FOREIGN KEY (`Modulos_idModulos`) REFERENCES `mydb`.`Modulos` (`idModulos`) ON DELETE NO ACTION ON UPDATE NO ACTION) ENGINE = InnoDB; -- ----------------------------------------------------- -- Table `mydb`.`Permisos_has_Objectos` -- ----------------------------------------------------- CREATE TABLE IF NOT EXISTS `mydb`.`Permisos_has_Objectos` ( `Permisos_idPermisos` INT NOT NULL, `Objectos_idObjectos` INT NOT NULL, PRIMARY KEY (`Permisos_idPermisos`, `Objectos_idObjectos`), INDEX `fk_Permisos_has_Objectos_Objectos1_idx` (`Objectos_idObjectos` ASC), INDEX `fk_Permisos_has_Objectos_Permisos1_idx` (`Permisos_idPermisos` ASC), CONSTRAINT `fk_Permisos_has_Objectos_Permisos1` FOREIGN KEY (`Permisos_idPermisos`) REFERENCES `mydb`.`Permisos` (`idPermisos`) ON DELETE NO ACTION ON UPDATE NO ACTION, CONSTRAINT `fk_Permisos_has_Objectos_Objectos1` FOREIGN KEY (`Objectos_idObjectos`) REFERENCES `mydb`.`Objectos` (`idObjectos`) 6 ON DELETE NO ACTION ON UPDATE NO ACTION) ENGINE = InnoDB; -- ----------------------------------------------------- -- Table `mydb`.`Permisos_has_Roles` -- ----------------------------------------------------- CREATE TABLE IF NOT EXISTS `mydb`.`Permisos_has_Roles` ( `Permisos_idPermisos` INT NOT NULL, `Roles_idRoles` INT NOT NULL, PRIMARY KEY (`Permisos_idPermisos`, `Roles_idRoles`), INDEX `fk_Permisos_has_Roles_Roles1_idx` (`Roles_idRoles` ASC), INDEX `fk_Permisos_has_Roles_Permisos1_idx` (`Permisos_idPermisos` ASC), CONSTRAINT `fk_Permisos_has_Roles_Permisos1` FOREIGN KEY (`Permisos_idPermisos`) REFERENCES `mydb`.`Permisos` (`idPermisos`) ON DELETE NO ACTION ON UPDATE NO ACTION, CONSTRAINT `fk_Permisos_has_Roles_Roles1` FOREIGN KEY (`Roles_idRoles`) REFERENCES `mydb`.`Roles` (`idRoles`) ON DELETE NO ACTION ON UPDATE NO ACTION) ENGINE = InnoDB; -- ----------------------------------------------------- -- Table `mydb`.`Roles` -- ----------------------------------------------------- CREATE TABLE IF NOT EXISTS `mydb`.`Roles` ( `idRoles` INT NOT NULL, `Codigo` VARCHAR(10) NOT NULL, `Fecha Creacion` DATETIME NOT NULL, `Fecha de Modificacion` DATETIME NOT NULL, `Creador por` INT NOT NULL, `Modificado por` INT NOT NULL, PRIMARY KEY (`idRoles`)) ENGINE = InnoDB; -- ----------------------------------------------------- -- Table `mydb`.`Usuarios` -- ----------------------------------------------------- CREATE TABLE IF NOT EXISTS `mydb`.`Usuarios` ( `username` VARCHAR(16) NOT NULL, `email` VARCHAR(255) NULL, `password` VARCHAR(32) NOT NULL, `create_time` TIMESTAMP NULL DEFAULT CURRENT_TIMESTAMP, `Alias` VARCHAR(45) NULL, `Activo` TINYINT NULL, `Telefono` VARCHAR(20) NULL, `Fecha Creacion` DATETIME NOT NULL, `Fecha Modificacion` DATETIME NOT NULL, `Creado por` INT NOT NULL, `Modificado por` INT NOT NULL, PRIMARY KEY (`username`)); 7 -- ----------------------------------------------------- -- Table `mydb`.`Usuarios_has_Perfiles` -- ----------------------------------------------------- CREATE TABLE IF NOT EXISTS `mydb`.`Usuarios_has_Perfiles` ( `Usuarios_username` VARCHAR(16) NOT NULL, `Perfiles_idPerfiles` INT NOT NULL, PRIMARY KEY (`Usuarios_username`, `Perfiles_idPerfiles`), INDEX `fk_Usuarios_has_Perfiles_Perfiles1_idx` (`Perfiles_idPerfiles` ASC), INDEX `fk_Usuarios_has_Perfiles_Usuarios1_idx` (`Usuarios_username` ASC), CONSTRAINT `fk_Usuarios_has_Perfiles_Usuarios1` FOREIGN KEY (`Usuarios_username`) REFERENCES `mydb`.`Usuarios` (`username`) ON DELETE NO ACTION ON UPDATE NO ACTION, CONSTRAINT `fk_Usuarios_has_Perfiles_Perfiles1` FOREIGN KEY (`Perfiles_idPerfiles`) REFERENCES `mydb`.`Perfiles` (`idPerfiles`) ON DELETE NO ACTION ON UPDATE NO ACTION); -- ----------------------------------------------------- -- Table `mydb`.`Usuarios_has_Roles` -- ----------------------------------------------------- CREATE TABLE IF NOT EXISTS `mydb`.`Usuarios_has_Roles` ( `Usuarios_username` VARCHAR(16) NOT NULL, `Roles_idRoles` INT NOT NULL, PRIMARY KEY (`Usuarios_username`, `Roles_idRoles`), INDEX `fk_Usuarios_has_Roles_Roles1_idx` (`Roles_idRoles` ASC), INDEX `fk_Usuarios_has_Roles_Usuarios1_idx` (`Usuarios_username` ASC), CONSTRAINT `fk_Usuarios_has_Roles_Usuarios1` FOREIGN KEY (`Usuarios_username`) REFERENCES `mydb`.`Usuarios` (`username`) ON DELETE NO ACTION ON UPDATE NO ACTION, CONSTRAINT `fk_Usuarios_has_Roles_Roles1` FOREIGN KEY (`Roles_idRoles`) REFERENCES `mydb`.`Roles` (`idRoles`) ON DELETE NO ACTION ON UPDATE NO ACTION); SET SQL_MODE=@OLD_SQL_MODE; SET FOREIGN_KEY_CHECKS=@OLD_FOREIGN_KEY_CHECKS; SET UNIQUE_CHECKS=@OLD_UNIQUE_CHECKS;