INSTITUTO TECNOLOGICO

SUPERIOR DE COSAMALOAPAN

NOMBRE DEL ALUMNOS:

KATHERINE HIDAI CORRO VIDAL

ALDAIR GUADALUPE GONZALEZ

MULATO.

ESTEBAN JUAN PABLO MARTINEZ

VASQUEZ

BERENICE SOLIS DELFÍN

DOCENTE:

KARINA MAGDALENA PEREZ

ALVAREZ

CARRERA:

INGENIERIA EN SISTEMAS
COMPUTACIONALES

PRACTICA:

SISTEMA DE RIEGO

FECHA DE ENTREGA:
1.1 PURA Y APLICADA

Sistema de riego en sistemas computacionales puro:

- Se enfoca en el diseño y desarrollo de algoritmos y modelos matemáticos para simular

y optimizar el riego.
- Utiliza técnicas de inteligencia artificial, como aprendizaje automático y optimización,
para predecir las necesidades de riego y tomar decisiones.
- Se centra en la investigación y el desarrollo de nuevos métodos y técnicas para
mejorar la eficiencia del riego.

Sistema de riego en sistemas computacionales aplicado:

- Se enfoca en la implementación práctica de sistemas de riego automatizados en

entornos reales.
- Utiliza hardware y software para monitorear y controlar el riego en tiempo real.
- Se centra en la resolución de problemas específicos, como la gestión eficiente del
agua, la reducción de costos y la mejora de la productividad agrícola.

Algunos ejemplos de sistemas de riego en sistemas computacionales aplicados

incluyen:

- Sistemas de riego por goteo automatizados

- Sistemas de riego por aspersión controlados por computadora
- Sistemas de monitoreo de humedad del suelo y control de riego
- Sistemas de riego inteligentes que utilizan datos climáticos y de suelo para optimizar
el riego.

1.2 CUALITATIVA Y CUANTITATIVA

Cualitativa (Qualitative):

- Análisis de la toma de decisiones: se evalúa cómo el sistema de riego toma decisiones

basadas en datos y algoritmos.
- Evaluación de la eficiencia: se analiza cómo el sistema de riego optimiza el uso del
agua y reduce el desperdicio.
- Análisis de la escalabilidad: se evalúa cómo el sistema de riego se adapta a diferentes
tamaños de cultivos o jardines.
- Evaluación de la usabilidad: se analiza cómo fácil o difícil es para los usuarios
interactuar con el sistema de riego.

Cuantitativa (Quantitative):

- Análisis de datos: se evalúan los datos de sensores y algoritmos para determinar la

cantidad óptima de agua necesaria.
 - Modelado matemático: se utilizan modelos matemáticos para simular y predecir las
necesidades de riego.
- Optimización de algoritmos: se evalúan y mejoran los algoritmos para maximizar la
eficiencia del riego.
- Análisis de la reducción de costos: se evalúa el ahorro de agua y costos asociados con
el uso del sistema de riego.

Algunos ejemplos de métricas cuantitativas que se pueden utilizar para evaluar un

sistema de riego en sistemas computacionales incluyen:

- Consumo de agua por hectárea

- Eficiencia del riego (%)
- Reducción de costos de agua (%)
- Tiempo de riego óptimo (horas)
- Nivel de humedad del suelo (%)

1.3 DIAGNOSTICA, DESCRIPTIVA Y EXPLICATIVA

Sistema de Riego Computacional
Un sistema de riego computacional utiliza software y hardware para gestionar el riego
de manera eficiente. Puede incluir sensores, controladores y plataformas de análisis de
datos para monitorizar y ajustar el riego basado en datos en tiempo real.
Diagnóstica Descriptiva
Diagnóstico descriptivo implica la recolección y descripción de datos sobre el estado
actual del sistema de riego, sin necesariamente interpretar o explicar las causas
subyacentes de los problemas. En el contexto computacional, esto puede incluir:
1. Monitoreo de Datos:
o Sensores de Humedad: Miden el contenido de humedad del suelo.
o Sensores de Clima: Capturan datos de temperatura, humedad, y
precipitación.
o Contadores de Caudal: Registran la cantidad de agua suministrada.
2. Registro de Eventos:
o Errores de Sistema: Identificación de fallos o malfuncionamientos del
hardware o software.
o Alertas de Riego: Notificaciones sobre cuándo se ha activado o desactivado
el riego.
3. Generación de Informes:
o Informes de Consumo de Agua: Cantidad de agua utilizada en distintos
periodos.
o Historial de Riego: Registro de ciclos de riego y ajustes realizados.
Ejemplo: Un sistema de riego computacional registra que la humedad del suelo en una
parcela es consistentemente baja a pesar de que el sistema está operando. El diagnóstico
descriptivo simplemente documentaría que la humedad está baja y cuándo se activó el
riego, sin investigar más a fondo por qué ocurre.
Diagnóstica Explicativa
Diagnóstico explicativo va un paso más allá, buscando entender las causas subyacentes
de los problemas identificados. Involucra la interpretación de los datos y el análisis de
los resultados para determinar por qué ocurre un problema y cómo se puede resolver.
1. Análisis de Causas:
o Análisis de Sensores: Verificar si los sensores están funcionando
correctamente o si hay errores en la lectura.
o Evaluación del Sistema de Riego: Revisar si hay problemas en el sistema
de distribución de agua, como obstrucciones o fugas.
2. Modelado Predictivo:
o Simulación de Escenarios: Usar datos históricos y actuales para predecir
problemas futuros y ajustar el sistema de riego en consecuencia.
o Optimización de Parámetros: Ajustar los parámetros del sistema, como
tiempos y frecuencias de riego, para mejorar la eficiencia.
3. Resolución de Problemas:
o Diagnóstico de Fallos: Determinar por qué un componente del sistema falló
(por ejemplo, una válvula de riego atascada) y cómo solucionarlo.
o Ajuste de Algoritmos: Modificar los algoritmos que determinan cuándo y
cuánto regar, basándose en el análisis de datos y resultados.
Ejemplo: Siguiendo el problema anterior, el diagnóstico explicativo no solo notaría que
la humedad está baja, sino que investigaría posibles causas, como un sensor defectuoso
o una válvula de riego obstruida. Luego, analizaría los datos del sensor, revisaría el
mantenimiento del equipo, y ajustaría los parámetros del riego para asegurar que se
solucione el problema.
Aplicación en un Sistema Computacional
1. Recolección de Datos: Sensores y dispositivos recopilan datos en tiempo real sobre
humedad, clima y consumo de agua.
2. Análisis de Datos: El software analiza estos datos para identificar patrones y
posibles problemas.
3. Acciones Correctivas: Basado en el diagnóstico explicativo, el sistema puede
ajustar automáticamente el riego, alertar a los operadores sobre problemas, o
generar recomendaciones para ajustes manuales.
Conclusión
Un sistema de riego computacional usa tecnología avanzada para mejorar la eficiencia y
eficacia del riego. La diagnóstica descriptiva ayuda a entender el estado actual del
sistema, mientras que la diagnóstica explicativa profundiza en las causas subyacentes
de los problemas y busca soluciones. Ambas son esenciales para mantener y optimizar
el sistema de riego, asegurando que se use el agua de manera eficiente y que las plantas
reciban la cantidad adecuada.
1.4 INVESTIGACION DOCUMENTAL Y DE CAMPO
Investigación Documental:

- Revisión de literatura sobre sistemas de riego, componentes, eficiencia del uso del
agua, tecnología IoT y algoritmos de control.
- Análisis de tecnologías y plataformas disponibles para la automatización de riego.
- Investigación sobre normativas y buenas prácticas para la instalación y mantenimiento
de sistemas de riego.

Investigación de Campo:

- Identificación de la ubicación y evaluación de las condiciones del suelo, clima y tipo

de cultivo.
- Instalación y pruebas del prototipo del sistema de riego.
- Recopilación de datos sobre el rendimiento del sistema y retroalimentación de los
usuarios.
- Análisis de resultados, propuestas de mejoras y evaluación de la escalabilidad y el
impacto ambiental y económico.

1.5 EXPERIMENTAL Y NO EXPERIMENTAL

Un sistema de riego experimental se centra en probar nuevas ideas, tecnologías o
metodologías. Su objetivo principal es investigar y obtener datos sobre el desempeño de
diferentes técnicas o componentes en situaciones controladas o simuladas.
Características:
1. Innovación: Se utilizan nuevas tecnologías, sensores, algoritmos o metodologías
que aún no se han probado ampliamente.
2. Diseño Controlado: El sistema se instala en un entorno controlado, como una
pequeña parcela de cultivo o un entorno de laboratorio, para evaluar su eficacia.
3. Recopilación de Datos: Se recopilan datos extensivos sobre el rendimiento del
sistema, como el consumo de agua, la uniformidad del riego, y la salud de las
plantas.
4. Análisis y Ajustes: Los datos recopilados se utilizan para hacer ajustes y mejoras
en el diseño. Pueden realizarse múltiples iteraciones para optimizar el sistema.
5. Objetivo de Investigación: El objetivo principal es entender cómo funciona el
sistema y qué mejoras se pueden realizar antes de su implementación a gran escala.
1.6 TRANSVERSAL Y LONGITUDINAL

2 Transversal: Se enfoca en la integración y aplicación del sistema en múltiples áreas y

contextos de manera simultánea, proporcionando una visión global y una integración
con otras tecnologías.
3 Longitudinal: Se enfoca en la implementación y evaluación del sistema a lo largo del
tiempo, permitiendo la mejora continua y el ajuste basado en la experiencia y los datos
acumulados.

Cada enfoque tiene sus ventajas dependiendo de los objetivos del proyecto, el contexto de
implementación y la necesidad de integración o adaptación a lo largo del tiempo.

1.7: TÉCNICAS E INSTRUMENTOS PARA LA RECOLECCIÓN DE DATOS

Un sistema de riego automatizado utiliza técnicas computacionales para optimizar el

uso del agua mediante la recolección y análisis de datos en tiempo real. Las principales
técnicas incluyen:
 Sensores de Humedad del Suelo: Miden la cantidad de agua en el suelo para
determinar la necesidad de riego.
 Sensores Climáticos: Capturan datos sobre temperatura, humedad, viento y
precipitación para ajustar el riego según las condiciones meteorológicas.
 Sensores de Flujo de Agua: Monitorean el caudal y detectan fugas o bloqueos en el
sistema.
 Redes de Sensores Inalámbricos: Facilitan la comunicación entre los sensores y el
sistema central, permitiendo la recolección y el análisis de datos en tiempo real.
 Plataformas IoT (Internet de las Cosas): Integran datos de múltiples fuentes y
permiten la gestión remota del sistema de riego.
Estas técnicas ayudan a maximizar la eficiencia del riego, reducir el desperdicio de agua
y mejorar la salud de los cultivos.

2.1: ANTECEDENTES DEL PROBLEMA

La gestión eficiente del riego es un desafío crítico en la agricultura debido a la escasez

de agua y la necesidad de optimizar los recursos para aumentar la productividad.
Tradicionalmente, el riego manual o los sistemas automáticos no inteligentes han
resultado en un uso ineficiente del agua, afectando tanto el rendimiento de los cultivos
como el medio ambiente.
Los problemas comunes incluyen:
 Uso Ineficiente del Agua: Riego excesivo o insuficiente, lo que lleva a problemas
como la erosión del suelo, la lixiviación de nutrientes y el estrés hídrico en las
plantas.
 Dependencia de Técnicas Manuales: Requieren supervisión constante y no pueden
adaptarse rápidamente a cambios en las condiciones climáticas o del suelo.
 Falta de Datos en Tiempo Real: Los sistemas tradicionales no aprovechan datos en
tiempo real para ajustar el riego según las necesidades específicas de los cultivos.
La implementación de sistemas computacionales para riego busca resolver estos
problemas mediante el uso de tecnologías avanzadas, como sensores, IoT y análisis de
datos, para mejorar la eficiencia y sostenibilidad del riego agrícola.

2.2 PLANTEAMIENTO DEL PROBLEMA

El principal problema en los sistemas de riego tradicionales es la ineficiencia en el uso

del agua, lo que conduce a un desperdicio significativo de este recurso vital y afecta la
productividad agrícola. Los desafíos incluyen la falta de automatización basada en
datos, la incapacidad para responder a las variaciones climáticas y del suelo, y la
dependencia de intervenciones manuales que no siempre son precisas ni oportunas.
Problemas Específicos:
 Desperdicio de Agua: El riego no se ajusta a las necesidades exactas de los
cultivos, provocando exceso o déficit de riego.
 Falta de Monitoreo en Tiempo Real: La ausencia de datos en tiempo real impide
ajustes dinámicos y precisos en el sistema de riego.
 Costos Operativos Altos: El manejo manual y la ineficiencia del riego aumentan
los costos de operación y mantenimiento.
 Impacto Ambiental: El uso excesivo de agua puede llevar a la degradación del
suelo, la erosión y otros problemas ambientales.
El problema plantea la necesidad de desarrollar un sistema de riego automatizado y
basado en tecnologías computacionales que integren sensores, análisis de datos y
control remoto, con el objetivo de optimizar el uso del agua, mejorar la eficiencia y
reducir los costos operativos.

2.3: OBJETIVO DE LA INVESTIGACIÓN

El objetivo principal de esta investigación es diseñar y desarrollar un sistema de riego

automatizado basado en tecnologías computacionales que optimice el uso del agua en la
agricultura. El sistema busca integrar sensores, plataformas IoT y algoritmos de análisis
de datos para proporcionar riego preciso y eficiente, ajustándose a las necesidades
específicas de los cultivos y las condiciones ambientales en tiempo real.
Objetivos Específicos:
 Automatizar el Riego: Implementar un sistema que controle el riego de forma
autónoma, basado en datos de sensores de humedad del suelo y clima.
 Optimizar el Uso del Agua: Reducir el desperdicio de agua mediante riego preciso
y adaptativo, mejorando la eficiencia y la sostenibilidad.
 Monitoreo y Control Remoto: Desarrollar una plataforma que permita la
supervisión y el ajuste del sistema de riego desde cualquier lugar, en tiempo real.
 Mejorar la Productividad Agrícola: Aumentar el rendimiento de los cultivos al
proporcionar riego adecuado y oportuno.
La investigación busca proporcionar una solución tecnológica que responda a los
desafíos actuales de la gestión del riego, promoviendo prácticas agrícolas más
sostenibles y eficientes.

2.4: JUSTIFICACIÓN E IMPACTO DE LA INVESTIGACIÓN

radica en la necesidad urgente de optimizar el uso del agua en la agricultura debido a la

creciente escasez de recursos hídricos y los efectos del cambio climático. Los sistemas
de riego tradicionales son ineficientes y no responden adecuadamente a las necesidades
variables de los cultivos, lo que genera desperdicio de agua, aumento de costos y un
impacto negativo en la productividad agrícola.
Justificación:
 Conservación de Recursos Hídricos: Implementar tecnologías de riego
inteligentes ayuda a reducir significativamente el consumo de agua en la agricultura.
 Mejora de la Eficiencia Agrícola: Un sistema de riego automatizado basado en
datos permite un riego más preciso, aumentando el rendimiento y la calidad de los
cultivos.
 Sostenibilidad Ambiental: Optimizar el uso del agua y minimizar el impacto en los
recursos naturales promueve prácticas agrícolas más sostenibles y respetuosas con
el medio ambiente.
 Reducción de Costos Operativos: La automatización y el monitoreo en tiempo real
reducen la necesidad de intervención manual, disminuyendo los costos asociados al
riego.
Impacto de la Investigación:
 Económico: Mejora la rentabilidad de los agricultores al optimizar los recursos y
aumentar la producción.
 Ambiental: Contribuye a la conservación del agua y la protección del suelo,
reduciendo la erosión y la lixiviación de nutrientes.
 Tecnológico: Impulsa la adopción de tecnologías avanzadas en la agricultura,
fomentando la innovación en el sector.
Esta investigación tiene el potencial de transformar la gestión del riego en la
agricultura, proporcionando soluciones tecnológicas que no solo mejoran la eficiencia,
sino que también promueven prácticas más sostenibles y resilientes frente a los desafíos
climáticos y ambientales actuales.
 2.5: DISEÑO DEL MARCO TEÓRICO
El marco teórico de un sistema de riego computacional abarca los fundamentos y
conceptos clave que sustentan el diseño y funcionamiento de un sistema automatizado de
riego basado en tecnologías avanzadas. Este marco incluye la revisión de literatura y teorías
relacionadas con la eficiencia del riego, la gestión de recursos hídricos, y la integración de
tecnologías computacionales en la agricultura.
Componentes del Marco Teórico:
1. Fundamentos del Riego Automatizado: Descripción de los principios básicos del
riego automatizado, incluyendo tipos de sistemas (por goteo, aspersión) y sus
beneficios en la agricultura moderna.
2. Tecnologías de Sensores: Análisis de los diferentes tipos de sensores utilizados en
el sistema, como sensores de humedad del suelo, sensores climáticos, y sensores de
flujo de agua, explicando su funcionamiento y cómo contribuyen a la toma de
decisiones en el riego.
3. Internet de las Cosas (IoT) en Agricultura: Explicación del uso de IoT para
conectar sensores y dispositivos, permitiendo la recolección y análisis de datos en
tiempo real para optimizar el riego.
4. Análisis de Datos y Algoritmos de Control: Descripción de los métodos y
algoritmos utilizados para procesar los datos recolectados y tomar decisiones
automáticas sobre cuándo y cuánto regar, como modelos predictivos y sistemas de
control difuso.
5. Gestión Sostenible del Agua: Teorías y estrategias sobre la gestión eficiente del
agua, enfocándose en cómo los sistemas computacionales pueden reducir el
consumo de agua y mitigar los efectos del cambio climático.
6. Impacto Económico y Ambiental: Revisión de estudios y teorías que demuestran
los beneficios económicos y ambientales de los sistemas de riego automatizados,
incluyendo el aumento de la productividad y la reducción del impacto ambiental.
El diseño del marco teórico proporciona una base sólida para el desarrollo de
sistemas de riego computacionales, integrando conceptos de ingeniería, ciencias
ambientales y tecnología para abordar los desafíos del riego eficiente y sostenible en la
agricultura.
2.6: FORMULACIÓN DE HIPÓTESIS O SUPUESTOS
La formulación de hipótesis y supuestos en la investigación sobre sistemas de riego
computacionales se enfoca en evaluar cómo la implementación de tecnologías avanzadas
puede optimizar el uso del agua y mejorar la productividad agrícola. Las hipótesis plantean
escenarios específicos que la investigación busca confirmar o refutar.
Hipótesis Principales:
1. Eficiencia en el Uso del Agua: Un sistema de riego automatizado basado en datos
reducirá significativamente el consumo de agua en comparación con los sistemas
tradicionales.
2. Mejora en la Productividad: Los cultivos regados con sistemas automatizados
mostrarán un aumento en el rendimiento y calidad respecto a los regados con
métodos convencionales.
3. Reducción de Costos Operativos: La automatización del riego disminuirá los
costos operativos y la necesidad de intervención manual.
4. Impacto Ambiental Positivo: La optimización del riego mediante tecnología
reducirá la lixiviación de nutrientes, la erosión del suelo y la huella hídrica.
Supuestos Clave:
 Los sensores y dispositivos utilizados funcionan de manera confiable y precisa bajo
condiciones de campo.
 Los datos recolectados por el sistema son suficientes y precisos para la toma de
decisiones automatizadas.
 Existe una disposición por parte de los agricultores para adoptar y mantener estas
tecnologías si se demuestran sus beneficios.
Estas hipótesis y supuestos buscan validar que los sistemas de riego computacionales
pueden ofrecer soluciones más eficientes, sostenibles y económicas en la gestión del riego
agrícola.

2.7: BOSQUEJO DEL MÉTODO

El método para desarrollar e implementar un sistema de riego computacional incluye varias
etapas que combinan la ingeniería de software, la integración de hardware y la evaluación
del sistema en un entorno real. El objetivo es diseñar, probar y validar un sistema
automatizado que optimice el riego en función de datos en tiempo real.
Bosquejo del Método:
1. Diseño del Sistema:
 o Recolección de Requisitos: Identificar las necesidades del usuario, los tipos
de cultivos, y las condiciones del entorno agrícola.
o Especificación Técnica: Definir los componentes del sistema, incluyendo
sensores de humedad del suelo, sensores climáticos, actuadores y una
plataforma de control centralizada.
2. Integración de Tecnologías:
o Desarrollo de Software: Programar algoritmos para el análisis de datos y la
toma de decisiones automáticas sobre el riego.
o Conexión de Hardware: Integrar los sensores y actuadores con una unidad
de control a través de redes IoT para la comunicación en tiempo real.
3. Implementación Piloto:
o Prueba en Campo: Instalar el sistema en un entorno de prueba para evaluar
su rendimiento y ajustar parámetros según los resultados.
o Monitoreo y Recolección de Datos: Supervisar la operación del sistema y
recolectar datos sobre el consumo de agua, la respuesta de los cultivos y las
condiciones ambientales.
4. Análisis y Validación:
o Evaluación de Resultados: Comparar los datos recolectados con los
objetivos de eficiencia de riego y productividad agrícola.
o Ajustes y Optimización: Refinar los algoritmos y la configuración del
sistema para mejorar el desempeño.
5. Escalado y Documentación:
o Escalabilidad: Adaptar el sistema para su uso en diferentes tipos de cultivos
y escalas de operación.
o Documentación: Crear manuales de usuario y guías de mantenimiento para
facilitar la adopción por parte de los agricultores.
Este método asegura que el sistema de riego computacional sea efectivo, escalable y
adaptable a diversas condiciones agrícolas, proporcionando una solución innovadora para la
gestión eficiente del riego.
2.8: Cronograma

MAYO JUNIO JULIO

Definición de objetivos de investigación y
alcance del proyecto.

Revisión de la literatura existente sobre

soluciones antivirus.

Planificación
Establecimiento de metodología de
investigación y diseño del marco teórico.

Identificación de organizaciones y entornos

empresariales para el estudio.

Selección de soluciones antivirus a evaluar y

configuración de entornos de prueba.
Recolección de
Datos
Recopilación de datos mediante pruebas de
laboratorio y encuestas a usuarios finales.

Análisis de datos recopilados y evaluación de la

efectividad de las soluciones antivirus.

Comparación de resultados obtenidos y

Análisis y identificación de tendencias y patrones

relevantes.

Procesamiento
Interpretación de hallazgos y elaboración de
conclusiones preliminares

Elaboración del informe final de investigación,

que incluye introducción, metodología,
resultados, discusión y conclusiones

Preparación de presentaciones y materiales

visuales para comunicar los resultados del
estudio.
Redacción y
Presentación
Revisión y edición del informe y
presentaciones finales.

Presentación del informe final y resultados de

investigación a partes interesadas, como
empresas de seguridad informática,
investigadores académicos y profesionales del
sector.

Divulgación y
Envío de artículos a revistas científicas y
Publicación conferencias académicas para su publicación y
presentación.

Evaluación del impacto y relevancia de la

investigación en el campo de la ciberseguridad
 y la tecnología antivirus.

Evaluación y
Retroalimentación Recopilación de retroalimentación de partes
interesadas y revisiones de pares para mejorar
futuras investigaciones.

Identificación de áreas de mejora y

oportunidades para investigaciones futuras.

2.9: PRESUPUESTO

El presupuesto para desarrollar e implementar un sistema de riego computacional abarca los

costos asociados con el diseño, la integración de tecnología, la implementación y el
mantenimiento del sistema. A continuación se desglosan las principales categorías de
gastos:

1. Costos de Hardware:
o Sensores: Sensores de humedad del suelo, sensores climáticos, sensores de
flujo de agua.
o Actuadores: Válvulas y bombas para controlar el riego.
o Unidad de Control: Computadora o microcontrolador para procesar datos y
controlar el sistema.
o Componentes de Comunicación: Módulos de comunicación inalámbrica
(Wi-Fi, LoRa, etc.).
2. Costos de Software:
o Desarrollo de Software: Programación de algoritmos de control y análisis
de datos.
o Plataforma de Gestión: Software para la visualización y gestión remota del
sistema.
o Licencias: Costos asociados con el uso de software especializado o licencias
de plataformas de IoT.
3. Costos de Implementación:
o Instalación: Mano de obra para la instalación de sensores, actuadores y
sistemas de comunicación.
o Configuración: Ajustes iniciales del sistema y calibración de sensores.
o Pruebas Piloto: Costos asociados con la prueba del sistema en un entorno
real, incluyendo ajustes y optimización.
4. Costos Operativos:
o Mantenimiento: Costos para el mantenimiento regular y reparación de
componentes.
o Actualizaciones: Actualización del software y mejoras tecnológicas futuras.
o Capacitación: Entrenamiento para el personal que operará y mantendrá el
sistema.
 5. Costos Adicionales:
o Documentación: Creación de manuales de usuario y guías técnicas.
o Seguros: Seguro para equipos y sistemas contra daños y fallos.

Estimación General: El presupuesto total puede variar según la escala del sistema, el tipo
de tecnología seleccionada y el tamaño del área de cultivo. Generalmente, se debe
considerar una inversión inicial significativa para la adquisición e instalación del sistema,
seguida de costos de operación y mantenimiento a lo largo de su vida útil.

Este presupuesto proporciona una visión general de los costos involucrados en el desarrollo
e implementación de un sistema de riego computacional, ayudando a planificar y gestionar
los recursos financieros necesarios para su éxito.

2.10: FUENTES CONSULTADAS

La investigación y desarrollo de un sistema de riego computacional se basa en una variedad

de fuentes que abarcan estudios académicos, literatura técnica y recursos prácticos
relacionados con la automatización del riego, tecnologías de sensores y análisis de datos. A
continuación, se detallan las principales fuentes consultadas:

1. Literatura Académica:
o Artículos Científicos: Publicaciones sobre la eficiencia del riego, el impacto
de la tecnología en la agricultura, y estudios sobre la automatización del
riego.
o Tesis y Disertaciones: Investigaciones académicas que exploran métodos
avanzados de riego y tecnologías emergentes.
2. Manuales y Guías Técnicas:
o Manual de Sensores y Actuadores: Documentos que describen el
funcionamiento y la instalación de sensores de humedad, clima y flujo de
agua.
o Guías de Software de Gestión: Recursos sobre el desarrollo y la
implementación de plataformas de control para sistemas de riego.
3. Normas y Estándares:
o Normas de Ingeniería Agrícola: Estándares para el diseño y
funcionamiento de sistemas de riego.
o Estándares de IoT y Comunicaciones: Protocolos y normativas para la
integración de dispositivos y la comunicación de datos.
4. Publicaciones Industriales:
o Revistas Especializadas: Artículos y reportajes sobre innovaciones en
tecnología de riego y casos de estudio de implementación exitosa.
o Informes de la Industria: Análisis de mercado y tendencias en sistemas de
riego computacionales.
5. Recursos Online:
 oTutoriales y Cursos en Línea: Materiales educativos sobre el diseño e
implementación de sistemas de riego automatizados.
o Foros y Comunidades: Espacios en línea para compartir experiencias y
resolver problemas relacionados con la tecnología de riego.
6. Consultoría de Expertos:
o Entrevistas y Consultas: Opiniones y recomendaciones de profesionales en
ingeniería agrícola, tecnología de sensores y automatización del riego.

Estas fuentes proporcionan una base sólida de conocimientos y prácticas para el desarrollo
de un sistema de riego computacional, asegurando que el diseño y la implementación estén
fundamentados en la investigación actual y las mejores prácticas del sector.