🗺️ Mapa Isométrico del Viñedo
Valle de Colchagua — Lat: -34.7125, Lon: -71.0434 — Vista isométrica 2.5D
⚠️ DATOS SIMULADOS — Modo Demostración
Leyenda Estado
■ Saludable
■ Observación
■ Riesgo moderado
■ Crítico
■ Monitoreo hídrico
Infraestructura
12 sensores IoT
2 estaciones meteorológicas
3 torres gateway LoRaWAN
2 drones de vigilancia
Sistema de riego automático
2 estaciones meteorológicas
3 torres gateway LoRaWAN
2 drones de vigilancia
Sistema de riego automático
Cuarteles
📡 Capa 1 — Captura de Datos (Field Layer)
Sensores IoT, índices vegetativos y drones de vigilancia
⚠️ DATOS SIMULADOS — Modo Demostración
Sensores en Tiempo Real
| ID | Tipo | Cuartel | Valor | Estado | Última Lectura |
|---|
NDVI por Cuartel
GNDVI por Cuartel
Estado Drones
✓ En vuelo
Drone Alpha — Cuartel A-B
⏳ Recargando
Drone Beta — Base
🌐 Capa 2 — Conectividad e Ingesta
Protocolos de comunicación y flujo de datos
⚠️ DATOS SIMULADOS — Modo Demostración
Pipeline de Ingesta
27
Dispositivos
42ms
Latencia media
99.7%
Disponibilidad
14,832
Paquetes/día
Protocolos Activos
| Protocolo | Modo | Frecuencia | Estado |
|---|---|---|---|
| LoRaWAN | Streaming | c/15 min | ACTIVO |
| MQTT | Streaming | c/15 min | ACTIVO |
| HTTP/REST | Batch | Diario | ACTIVO |
Paquetes Recibidos (24h)
☁️ Capa 3 — Plataforma Cloud & Big Data
Almacenamiento, procesamiento y datos históricos
⚠️ DATOS SIMULADOS — Modo Demostración
2.4 TB
Data Lake
847K
Registros hist.
12.3K
Imágenes drones
6 años
Serie climática
Volumen por Tipo de Dato
Crecimiento Mensual
Estado de Infraestructura
| Componente | Estado | Uso | Backup | Trazabilidad |
|---|---|---|---|---|
| Data Lake (S3) | OK | 68% | Diario | ✓ Completa |
| BD Estructurada (PostgreSQL) | OK | 42% | c/6h | ✓ Completa |
| BD No Estructurada (MongoDB) | OK | 57% | Diario | ✓ Parcial |
| Cache (Redis) | OK | 23% | N/A | N/A |
⚙️ Capa 4 — Procesamiento y DataOps
Pipelines ETL/ELT, calidad de datos y versionado
⚠️ DATOS SIMULADOS — Modo Demostración
Pipeline Principal ETL
Registros Procesados vs Rechazados
Timeline Ejecuciones (Hoy)
Estado de Pipelines
| Pipeline | Último Run | Próximo Run | Estado | Registros | Calidad |
|---|---|---|---|---|---|
| ETL Sensores | Hace 12 min | En 3 min | OK | 4,231 | 98.7% |
| ETL Imágenes | Hace 2h | En 4h | OK | 847 | 96.2% |
| ETL Clima | Hace 45 min | En 15 min | WARN | 1,102 | 94.1% |
| Versionado ML | Hace 6h | Mañana 06:00 | OK | — | — |
🧠 Capa 5 — Analítica Avanzada e IA
Modelos de Machine Learning y predicciones inteligentes
⚠️ PREDICCIONES SIMULADAS — Modo Demostración
Modelos ML Activos
Random Forest
Clasificación enfermedades
Accuracy: 89.2%
Precision: 86.1%
Recall: 83.7%
Gradient Boosting
Predicción estrés hídrico
Accuracy: 91.3%
MAE: 0.08
RMSE: 0.11
Red Neuronal
Proyección rendimiento
Accuracy: 85.7%
MAE: 0.31 ton/ha
RMSE: 0.42
Predicciones Activas
Evolución Precisión Modelos
Importancia de Variables
📊 Capa 6 — Visualización y Apoyo a Decisión
Dashboard de recomendaciones, mapas de calor y comparativas
⚠️ DATOS SIMULADOS — Modo Demostración
Recomendaciones Activas
| Tipo | Cuartel | Cepa | Prioridad | Motivo | Acción Sugerida |
|---|
Evolución Humedad Suelo
Evolución Temperatura
Proyección Rendimiento
Comparativo Cuarteles
👥 Capa 7 — Usuarios y Validación
Perfiles de usuario, comparativa experimental vs control y validación estadística
⚠️ DATOS SIMULADOS PARA DEMOSTRACIÓN
Productor Vitivinícola
Acceso a: Dashboard de rendimiento, alertas de riesgo, recomendaciones de cosecha, reportes de calidad de uva, comparativa de temporadas.
ACTIVO
ACTIVO
Administrador del Viñedo
Acceso a: Gestión de sensores, configuración de alertas, control de riego, gestión fitosanitaria, reportes operativos, validación de modelos.
ACTIVO
ACTIVO
Comparativa Experimental vs Control
| Métrica | Experimental (IA+IoT) | Control (Tradicional) | Diferencia | Impacto |
|---|
Barras Comparativas
Distribución (Boxplot Simulado)
Validación Estadística
T-test de Student
Valor t: 3.847
p-value: 0.0031
Significancia: p < 0.01
La diferencia entre experimental y control es estadísticamente significativa al 99% de confianza.
ANOVA
F-statistic: 7.214
p-value: 0.0089
Significancia: p < 0.01
Existen diferencias significativas entre los grupos de cuarteles analizados.
🍇 Catálogo de Cepas
Fichas detalladas de las 9 cepas del viñedo
⚠️ DATOS SIMULADOS — Modo Demostración