Decisiones vitivinícolas basadas en datos, no en intuición.
VitiGuard DSS integra IoT, Big Data e Inteligencia Artificial para evolucionar desde un manejo tradicional de viñedos hacia una viticultura inteligente con capacidad predictiva y enfoque en la sostenibilidad.
Alertas tempranas de plagas, optimización de riego y proyección de rendimiento por hectárea —desde sensores en terreno hasta recomendaciones operativas concretas.
7 capas DataOps
Desde la captura de datos en terreno hasta la validación estadística de resultados.
Captura de datos en terreno
Sensores IoT de humedad de suelo, temperatura, radiación solar, viento y pluviometría. Drones con cámaras RGB y multiespectrales generan índices NDVI y GNDVI.
Conectividad e ingesta
Gateways IoT con protocolos MQTT, HTTP y API. Ingesta en streaming para datos en tiempo real y batch para cargas históricas y periódicas.
Plataforma cloud y Big Data
Data Lake en la nube con bases estructuradas y no estructuradas. Datos climáticos históricos y registros productivos integrados con seguridad y trazabilidad.
Procesamiento DataOps
Pipelines automatizados en contenedores: limpieza, normalización, ETL/ELT, versionado y control de calidad bajo principios de automatización y escalabilidad.
Analítica avanzada e IA
Random Forest, Gradient Boosting y redes neuronales para predicción de plagas, estrés hídrico, optimización de riego y proyección de rendimiento.
Visualización y apoyo a la decisión
Dashboard interactivo con indicadores en tiempo real, alertas predictivas, recomendaciones operativas y mapas térmicos por cuartel.
Usuarios y validación
Validación experimental: área gestionada con VitiGuard DSS vs. manejo tradicional, con pruebas estadísticas T-test y ANOVA.
Capacidades Predictivas
Modelos de Machine Learning entrenados con datos reales del viñedo.
Plagas y enfermedades
Predicción temprana de oídio, botritis y mildiu mediante modelos de aprendizaje automático.
Estrés hídrico
Detección anticipada de condiciones de déficit hídrico a partir de datos de sensores en terreno.
Optimización de riego
Recomendaciones de riego basadas en humedad de suelo, clima y estado fenológico de la planta.
Rendimiento por hectárea
Proyección de rendimiento productivo para planificación y toma de decisiones agronómicas.
Correlación de pérdidas
Identificación de factores asociados a mermas productivas para su mitigación proactiva.
Captura de datos en terreno
Red de sensores y drones que miden variables críticas del viñedo con granularidad muy superior a los métodos tradicionales.
¿Para quién está orientado?
Quienes gestionan la producción vitivinícola y necesitan tomar decisiones agronómicas con base en evidencia.
Agrónomos y Enólogos
Para fundamentar decisiones de riego, fertilización y manejo fitosanitario en datos objetivos.
Administradores de Campo
Visibilidad en tiempo real del estado de cada cuartel del viñedo.
Viñas y Productores
Grandes, medianos y pequeños, interesados en reducir mermas y optimizar agua e insumos.
Instituciones de Transformación Digital Agrícola
Caso replicable hacia otros cultivos y regiones de Chile.
Beneficios Esperados
Reducción de pérdidas
Anticipación y mitigación de eventos adversos que afectan la productividad.
Optimización de recursos
Uso eficiente de agua, fertilizantes y agroquímicos basado en datos reales.
Calidad de la uva
Mejora en la toma de decisiones agronómicas con impacto directo en la calidad final.
Trazabilidad
Digitalización del proceso productivo alineada con exigencias de mercados internacionales.
Escalable y replicable
Potencial de aplicación en otros cultivos y regiones de Chile.
Contexto Académico
VitiGuardDSS surge como una iniciativa concebida y desarrollada por Cristian Orellana González en el marco de un proyecto de investigación científica y tecnológica del Magíster en Tecnologías de la Información de la Universidad Técnica Federico Santa María durante el período 2024–2025. La iniciativa nace como respuesta a los desafíos que enfrenta actualmente la industria vitivinícola chilena, particularmente la escasez hídrica, los efectos del cambio climático, la creciente variabilidad de las condiciones ambientales y el aumento de riesgos sanitarios que afectan la productividad y sostenibilidad de los viñedos.
Frente a este escenario, se identificó la necesidad de desarrollar una solución capaz de transformar datos agrícolas dispersos en información estratégica para apoyar una toma de decisiones más precisa, anticipar eventos críticos y optimizar el uso de recursos. Como resultado, se diseñó VitiGuardDSS, una plataforma que integra Internet de las Cosas (IoT), Big Data e Inteligencia Artificial para reducir mermas productivas, mejorar la eficiencia operativa y fortalecer la sostenibilidad de la vitivinicultura.
El proyecto obtuvo la máxima calificación académica otorgada por la comisión evaluadora de la Universidad Técnica Federico Santa María, alcanzando nota 100 y el reconocimiento formal establecido mediante resolución institucional. Asimismo, la investigación fue incorporada al repositorio científico y tecnológico de la Universidad Técnica Federico Santa María, formando parte de los trabajos de investigación de postgrado disponibles para consulta y difusión académica, lo que respalda su aporte al desarrollo de soluciones innovadoras basadas en tecnologías emergentes aplicadas a la agricultura de precisión y la transformación digital del sector vitivinícola.
Preguntas Frecuentes
Sensores IoT de humedad de suelo, temperatura ambiente y foliar, radiación solar, velocidad del viento y pluviometría, complementados con drones equipados con cámaras RGB y multiespectrales.
Los modelos de Machine Learning están entrenados para predecir plagas y enfermedades como oídio, botritis y mildiu, a partir de datos ambientales y vegetativos.
Mediante un diseño experimental que compara un área gestionada con VitiGuard DSS frente a un área bajo manejo tradicional, aplicando pruebas estadísticas T-test y ANOVA.
Sí. La arquitectura DataOps y los principios del sistema son escalables y replicables hacia otros cultivos y regiones, adaptando los modelos predictivos a las variables específicas de cada cultivo.