Una revisión bibliográfica sobre modelos para predecir las producciones de leche

Contenido principal del artículo

Rudibel Perdigón Llanes
Neilys González Benítez

Resumen

La leche posee un elevado valor nutricional y constituye uno de los alimentos más consumidos a nivel mundial. Su producción tiene un impacto positivo en el desarrollo económico de la sociedad y contribuye a alcanzar la seguridad alimentaria de las naciones. Pronosticar la producción futura de este alimento contribuye a mejorar la eficiencia de su cadena productiva y facilita la toma de decisiones en organizaciones de la industria láctea. Sin embargo, la producción de leche bovina es influenciada por diversos factores que complejizan y dificultan su pronóstico. En este artículo realizó una revisión sistemática de la literatura relacionada con el desarrollo y aplicación de modelos para predecir la producción de leche bovina. Para la búsqueda de información se utilizaron las bases de datos académicas Google Scholar, SciELO y ScienceDirect. El análisis realizado permitió identificar diferentes elementos significativos sobre estos modelos que contribuyen a determinar su aplicación en situaciones o entornos específicos. Algunos de estos elementos son las variables de entrada utilizadas, los métodos para calcular el error del pronóstico y las principales fortalezas y debilidades de los modelos identificados.

Detalles del artículo

Cómo citar
Perdigón Llanes, R., & González Benítez, N. (2020). Una revisión bibliográfica sobre modelos para predecir las producciones de leche. Ingeniería Agrícola, 10(4). Recuperado a partir de https://revistas.unah.edu.cu/index.php/IAgric/article/view/1312
Sección
Puntos de Vista

Citas

ABDEL, G.S.: Economic Analysis of Resources Use in Milk Production in Kuku Farms- East Nile- Khartoum Sudan, [en línea], Sudan University of Science and Technology, Tesis de Doctorado, Sudan, 128 p., 2019, Disponible en: http://repository.sustech.edu/handle/123456789/22664.

ADRIAENS, I.; HUYBRECHTS, T.; AERNOUTS, B.; GEERINCKX, K.; PIEPERS, S.; KETELAERE, B.; SAEYS, W.: “Method for short-term prediction of milk yield at the quarter level to improve udder health monitoring”, Journal Dairy Science, 101(11): 10327-10336, 2018, ISSN: 0022-0302, DOI: https://doi.org/10.3168/jds.2018-14696.

ANDRÉ, G.; ENGEL, B.; BERENTSEN, P.B.M.; VAN DUINKERKEN, G.; OUDE, L.A.G.J.M.: “Adaptive models for online estimation of individual milk yield response to concentrate intake and milking interval length of dairy cows”, The Journal of Agricultural Science, 149(6): 769-781, 2011, ISSN: 1469-5146, DOI: https://doi.org/10.1017/S0021859611000311.

ARAS, S.; DEVECI, Í.; POLAT, C.: “Comparative Study On Retail Sales Forecasting Between Single And Combination Methods”, Journal of Business Economics and Management, 18(5): 803–832, 2017, ISSN: 1611-1699, DOI: https://doi.org/10.3846/16111699.2017.1367324.

ARTEAGA, L.; BURBANO, J.: “Efectos del cambio climático: Una mirada al Campo”, Revista de Ciencias Agrícolas, 35(2): 79-91, 2018, ISSN: 0120-0135, DOI: http://dx.doi.org/10.22267/rcia.183502.93.

AVILÉS, V.G.; ESPINOSA, G.J.A.; URESTI, J.G.; ÁVILA, A.V.D.; MARTÍNEZ, C.F.E.: “Análisis de vulnerabilidad del sector agropecuario ante el cambio climático en la cuenca del rio Nautla”, [en línea], En: XXVI Reunión Científica Tecnológica, Forestal y Agropecuaria Tabasco 2014, Universidad Juárez Autónoma de Tabasco, pp. 719-727, Tabasco, México, 2015, ISBN: 978-607-606-212-8, Disponible en: ftp://dgf.uchile.cl/pub/maisa/SOC28/Capitulo4_Vulnerabilidad_Silvoagropecuaria/IV%20-%20Vulnerabilidad%20-%20Informe%20Final.pdf.

AYE, G.; BALCILAR, M.; GUPTA, R.; MAJUMDAR, A.: “Forecasting aggregate retail Sales: The case of South Africa”, International Journal of Production Economics, 160: 66-79, 2015, ISSN: 0925-5273, DOI: https://doi.org/10.1016/j.ijpe.2014.09.033.

BONIECKI, P.; LIPIŃSKI, M.; KOSZELA, K.; PRZYBYŁ, J.: “Neural prediction of cows’ milk yield according to environment temperature”, African Journal of Biotechnology, 12(29): 4707-4712, 2013, ISSN: 1684-5315, DOI: https://doi.org/10.5897/AJB2012.2984.

COBO, R.; TORRES, V.; GARCÍA, A.; BORROTO, O.: “El análisis económico de la producción de leche en entidades cubanas a partir de modelos económico matemático”, Shatiri, 8: 150-170, 2015, ISSN: 2631-2905, DOI: https://doi.org/10.32645/13906925.403.

DA ROSA, R.; GOLDSCHMIDT, G.; KUNST, R.; DEON, C.; DA COSTA, C.A.: “Towards combining data prediction and internet of things to manage milk production on dairy cows”, Computers and Electronics in Agriculture, 169, 2020, ISSN: 0168-1699, DOI: https://doi.org/10.1016/j.compag.2019.105156.

DONGRE, V.B.; GANDHI, R.S.; SINGH, A.; RUHIL, A.P.: “Comparative efficiency of artificial neural networks and multiple linear regression analysis for prediction of first lactation 305-day milk yield in Sahiwal cattle”, Livestock Science, 147(1-3): 192-197, 2012, ISSN: 1871-1413, DOI: https://doi.org/10.1016/j.livsci.2012.04.002.

FANG, T.; LAHDELMA, R.: “Evaluation of a multiple linear regression model and SARIMA model in forecasting heat demand for district heating system”, Applied Energy, 179: 544–552, 2016, ISSN: 0306-2619, DOI: https://doi.org/10.1016/j.apenergy.2016.06.133.

FAVERDIN, P.; BARATTE, C.; DELAGARDE, R.; PEYRAUD, J.L.: “GrazeIn: a model of herbage intake and milk production for grazing dairy cows. 1. Prediction of intake capacity, voluntary intake and milk production during lactation”, Grass and Forage Science, 66(1): 29-44, 2011, ISSN: 1365-2494, DOI: https://doi.org/10.1111/j.1365-2494.2010.00776.x.

GARCETE, A.; BENÍTEZ, R.; PINTO, R.D.; VÁZQUEZ, A.: “Técnica de pronóstico de la demanda basada en Business Intelligence y Machine Learning”, [en línea], En: Simposio Argentino sobre Tecnología y Sociedad, Argentina, pp. 193-202, 2017, Disponible en: http://sedici.unlp.edu.ar/handle/10915/64728.

GHALEHKHONDABI, I.; ARDJMAND, E.; WECKMAN, G.; YOUNG, W.: “An overview of energy demand forecasting methods published in 2005–2015”, Energy Systems, 8(2): 411–447, 2017, ISSN: 1868-3975, DOI: https://doi.org/10.1007/s12667-016-0203-y.

GRÆSBØLL, K.; KIRKEBY, C.; SAXMOSE, S.; HALASA, T.; TOFT, N.; ENGBO, L.: “A Robust Statistical Model to Predict the Future Value of the Milk Production of Dairy Cows Using Herd Recording Data”, Frontiers in Veterinary Science, 4: 13-19, 2017, ISSN: 2297-1769, DOI: https://doi.org/10.3389/fvets.2017.00013.

GUNNAR, B.: “Different methods to forecast milk delivery to dairy: a comparison for forecasting”, International Journal of Agricultural Management, 4(3): 132-140, 2015, ISSN: 2047-3710, DOI: https://doi.org/10.5836/ijam/2015-03-132.

GUTIÉRREZ, F.; ESTRELLA, A.; IRAZÁBAL, E.; QUIMIZ, V.; PORTILLA, A.; BONIFAZ, N.: “Mejoramiento de la eficiencia de la proteina de los pastos en bovinos de leche utilizando cuatro formulaciones de balanceados”, La Granja: Revista de Ciencias de la Vida, 28(2): 116-123, 2018, ISSN: 1390-3799, DOI: http://doi.org/10.17163/lgr.n28.2018.09.

HARIZANOVA, M.T.; HARIZANOVA, B.H.: “Ardl Models Concerning Cattle Number and Cow Milk Production in Bulgaria”, Economic Alternatives, 13(1): 63-76, 2019, ISSN: 1312-7462.

HEARD, J.W.; HANNAH, M.; HO, C.K.M.; KENNEDY, E.; DOYLE, P.T.; JACOBS, J.L.; WALES, W.J.: “Predicting milk responses to cereal-based supplements in grazing dairy cows”, Animal Production Science, 57(4): 746-759, 2017, ISSN: 1836-5787, DOI: https://doi.org/10.1071/AN15422.

HOSSEIN-, Z.N.G.: “Comparison of non-linear models to describe the lactation curves of milk yield and composition in Iranian Holsteins”, The Journal of Agricultural Science, 152(2): 309–324, 2014, ISSN: 1469-5146, DOI: https://doi.org/10.1017/S0021859613000415.

HYNDMAN, R.J.; ATHANASOPOULOS, G.: Forecasting: principles and practice, [en línea], Ed. OTexts, Second ed., 2018, ISBN: 978-0-9875071-1-2, Disponible en: http://otexts.com/fpp2/.

JENSEN, D.B.; VAN DER VOORT, M.; HOGEVEEN, H.: “Dynamic forecasting of individual cow milk yield in automatic milking systems”, Journal Dairy Science, 101(12): 1–12, 2018, ISSN: 0022-0302, DOI: https://doi.org/10.3168/jds.2017-14134.

KAPAJ, A.; DECI, E.; (primero): “World Milk Production and Socio-Economic Factors Effecting Its Consumption”, En: World Milk Production and Socio-Economic Factors Effecting Its Consumption, Ed. Elsevier, Inc., Ronald Ross Watson, Robert J. Collier, Victor R. Preedy (eds.), Dairy in Human Health and Disease Across the Lifespan, DOI: http://dx.doi.org/10.1016/B978-0-12-809868-4.00007-8, pp. 107-115, 2017, ISBN: 978-0-12-809868-4.

KAYGISIZ, F.; SEZGIN, F.H.: “Forecasting goat milk production in turkey using Artificial Neural Networks and Box-Jenkins models”, Animal Review, 4(3): 45-52, 2017, ISSN: 2412-3382, DOI: 10.18488/journal.ar.2017.43.45.52.

KIM, W.; WON, J.H.; PARK, S.; KANG, J.: “Demand Forecasting Models for Medicines through Wireless Sensor Networks Data and Topic Trend Analysis”, International Journal of Distributed Sensor Networks, 11(9): 1-6, 2015, ISSN: 1550-1477, DOI: https://doi.org/10.1155/2015/907169.

KINO, E.; KAWAKAMI, R.; MINAMINO, T.; MIKURINO, Y.; HORII, Y.; HONKAWA, K.; SASAKI, Y.: “Exploration of factors determining milk production by Holstein cows raised on a dairy farm in a temperate climate area”, Tropical Animal Health and Production, 51: 529-536, 2019, ISSN: 1573-7438, DOI: https://doi.org/10.1007/s11250-018-1720-6.

KOK, A.; VAN KNEGSEL, A.T.M.; VAN MIDDELAAR, C.E.; ENGEL, B.; HOGEVEEN, H.; KEMP, B.; DE BOER, I.J.M.: “Effect of dry period length on milk yield over multiple lactations”, Journal Dairy Science, 100(1): 739–749, 2017, ISSN: 0022-0302, DOI: https://doi.org/10.3168/jds.2016-10963.

KOURENTZES, N.; PETROPOULOS, F.: “Forecasting with multivariate temporal aggregation: The case of promotional modelling”, International Journal of Production Economics, 181(Part A): 145–153, 2016, ISSN: 0925-5273, DOI: https://doi.org/10.1016/j.ijpe.2015.09.011.

KUMAR, S.; HOODA, B.K.; (primero): “Comparison of penalized and multiple linear regression for prediction of milk yield in crossbred cattle”, Int. J. Agricult. Stat. Sci., 11(1): 151-154, 2015, ISSN: 0976-3392.

LEUNG, S.; FANG, X.; LONG, J.; LAI, K.: “Demand forecasting of perishable farm products using support vector machine”, International Journal of Systems Science, 44(3): 556–567, 2013, ISSN: 0020-7721, DOI: https://doi.org/10.1080/00207721.2011.617888.

MACHADO, G.; FIGUEIREDOA, D.M.; RESENDE, P.C.; DOS SANTOSA, R.A.; LACROIXC, R.; SANTSCHIC, D.; LEFEBVRE, D.M.: “Predicting first test day milk yield of dairy heifers”, Computers and Electronics in Agriculture, 166: 1-8, 2019, ISSN: 0168-1699, DOI: https://doi.org/10.1016/j.compag.2019.105032.

MARTÍNEZ, M.J.; TORRES, V.; HERNÁNDEZ, N.; JORDÁN, H.: “Impact index for the characterization of factors affecting milk production in farms of Ciego de Ávila province, Cuba”, Cuban Journal of Agricultural Science, 47(4): 367-673, 2013, ISSN: 0864-0408.

MARTÍNEZ, V.A.; RIBOT, E.A.; VILLOCH, C.A.; MONTES DE OCA, N.; REMÓN, D.D.; PONCE, C.P.: “Calidad e inocuidad de la leche cruda en las condiciones actuales de Cuba”, Revista. Salud Animal, 39(1): 51-61, 2017, ISSN: 0253-570X.

MOR, R.S.; JAISWAL, S.K.; SINGH, S.; BHARDWAJ, A.: “Demand Forecasting of the Short-Lifecycle Dairy Products”, [en línea], En: Understanding the Role of Business Analytics, Ed. Springer, H. Chahal et al. (eds.), Understanding the Role of Business Analytics ed., Singapore, pp. 87-117, 2018, Disponible en: doi.org/10.1007/978-981-13-1334-9_6.

MORALES, Z.E.: Modelo multivariado de predicción del stock de piezas de repuesto para equipos médicos, Universidad de las Ciencias Informáticas, Tesis de doctorado, La Habana, Cuba, 163 p., 2016.

MURPHY, M.D.; O’MAHONY, M.J.; SHALLOO, L.; FRENCH, P.; UPTON, J.: “Comparison of modeling techniques for milk-production forecasting”, Journal Dairy Science, 97(6): 3352–3363, 2014, ISSN: 0022-0302, DOI: https://doi.org/10.3168/jds.2013-7451.

NGUYEN, Q.T.; FOUCHEREAU, R.; FRÉNOD, E.; GERARD, C.; SINCHOLLE, V.: “Comparison of forecast models of production of dairy cows combining animal and diet parameters”, Computers and Electronics in Agriculture, 170, 2020, ISSN: 0168-1699, DOI: https://doi.org/10.1016/j.compag.2020.105258.

OCDE/FAO: OCDE-FAO Perspectivas Agrícolas 2017-2026, [en línea], Editions OCDE, París, Francia, 2017, Disponible en: http://dx.doi.org/10.1787/agr_outlook-2017-es.

OSCULLO, J.; HARO, L.: “Pronóstico de la Demanda Diaria del Sistema Nacional Interconectado Utilizando Redes Neuronales”, Revista Politécnica, 38(1): 77-82, 2016, ISSN: 1390-0129.

PALACIOS, A.; GONZÁLEZ, P.D.; GUERRA, D.; ESPINOZA, J.L.; ORTEGA, R.; GUILLÉN, A.; ÁVILA, N.: “Curvas de lactancia individuales en vacas Siboney de Cuba”, Revista Mexicana de Ciencias Pecuarias, 7(1): 15-28, 2016, ISSN: 2448-6698.

PALMATIER, R.; HOUSTON, M.; HULLAND, J.: “Review articles: Purpose, process and structure”, Journal of the Academy of Marketing Science, 46(1): 1-5, 2018, ISSN: 1552-7824, DOI: https://doi.org/10.1007/s11747-017-0563-4.

PAURA, P.; ARHIPOVA, I.: “Analysis of the milk production and milk price in Latvia”, Procedia Economics and Finance, 39: 39–43, 2016, ISSN: 2212-5671, DOI: https://doi.org/10.1016/S2212-5671(16)30238-6.

PEÑA, R.Y.F.; BENÍTEZ, D.; RAY, J.V.: “Factores determinantes de la producción ganadera en una comunidad campesina del suroeste de Holguín, Cuba”, Cuban Journal of Agricultural Science, 52(2): 1-9, 2018, ISSN: 0864-0408.

PERDIGÓN, R.: “Estrategia digital para fortalecer la gestión comercial de las cooperativas agropecuarias cubanas”, Cooperativismo y Desarrollo, 8(1): 33-44, 2020, ISSN: 2310-340X.

PEREIRA, C.; PEREIRA, C.R.; PUCHALSKI, W.; COELHO, L.; TORTATO, U.: “Demand forecasting based on natural computing approachs applied to the food stuff retail segment”, Journal of Retailing and Consumer Services, 31: 174–181, 2016, ISSN: 0969-6989, DOI: https://doi.org/10.1016/j.jretconser.2016.03.008.

QAMAR, M.; KHOSRAVI, A.: “A review on artificial intelligence based load demand forecasting techniques for smart grid and buildings”, Renewable and Sustainable Energy Reviews, 50: 1352–1372, 2015, ISSN: 1364-0321, DOI: https://doi.org/10.1016/j.rser.2015.04.065.

SÁNCHEZ, L.; CABANAS, G.; ABAD, Y.; TORRES, V.: “Utilización de modelos ARIMA para la predicción de la producción de leche. Estudio de caso en la UBPC “Maniabo”, Las Tunas”, Revista Cubana de Ciencia Agrícola, 48(3): 213-218, 2014, ISSN: 0034-7485.

SÁNCHEZ, L.E.; BARRERAS, S.A.; PÉREZ, L.C.; FIGUEROA, S.F.; OLIVAS, V.J.A.: “Aplicación de un modelo ARIMA para pronosticar la producción de leche de bovino en Baja California, México”, Tropical and Subtropical Agroecosystems, 16(3): 315-324, 2013, ISSN: 1870-0462.

SHAHRIARY, G.; MIR, Y.: “Application of Artificial Neural Network Model in Predicting Price of Milk in Iran”, Modern Applied Science, 10(4): 173-178, 2016, ISSN: 1913-1844, DOI: http://dx.doi.org/10.5539/mas.v10n4p173.

SIVANANDAM, N.; AHRENS, D.: “A Hybrid Seasonal Autoregressive Integrated Moving Average and Quantile Regression for Daily Food Sales Forecasting”, International Journal of Production Economics, 170(Part A): 321-325, 2015, ISSN: 0925-5273, DOI: https://doi.org/10.1016/j.ijpe.2015.09.039.

SOMOZA, J.; FEBLES, J.M.; RANGEL, R.; SEDEÑO, E.; FIGUEREDO, E.; BRITO, O.: “Efecto del cambio climático en la producción de leche en entidades productivas del municipio Jimaguayú, provincia Camagüey”, Cuban Journal of Agricultural Science, 52(3): 1-13, 2018, ISSN: 0864-0408.

SOTO, S.S.A.; GUEVARA, V.R.V.; GUEVARA, V.G.E.; LOYOLA, O.C.J.; BERTOT, V.J.A.; SENRA, P.A.F.; CURBELO, R.L.M.: “Reflexiones acerca de la adopción y extensión de un modelo de producción de leche estacional en Camagüey, Cuba”, Pastos y Forrajes, 40(1): 3-15, 2017, ISSN: 2078-8452.

TIMANA, M.; ECHEVARRÍA, M.G.; M A; BUENDÍA, M.A.; CORDERO, A.C.: “Alimentar con cogollo de caña tratado hace más eficiente los costos de producción de leche en vacuno”, Agroindustrial Science, 7(2): 67 – 71, 2017, ISSN: 2226-2989, DOI: http://dx.doi.org/10.17268/agroind.sci.2017.02.02.

TUGAY, R.; GÜNDÜZ, S.: “6th International Conference on Data Science, Technology and Applications”, En: 6th International Conference on Data Science, Technology and Applications, Ed. DATA, vol. Volume 1, Madrid, España, pp. 216-222, 2017, DOI: 10.5220/0006431602160222, ISBN: 978-989-758-255-.

VERMA, A.; KARAN, A.; MATHUR, A.; CHETHAN, S.: “Analysis of Time Series Method for Demand Forecasting”, Journal of Engineering and Applied Sciences, 12(12): 3102-3107, 2017, ISSN: 1818-7803, DOI: http://dx.doi.org/10.36478/jeasci.2017.3102.3107.

YAN, W.J.; CHEN, X.; AKCAN, O.; LIM, J.; YANG, D.: “Big Data Analytics for Empowering Milk Yield Prediction in Dairy Supply Chains”, En: 2015 IEEE International Conference on Big Data (Big Data), pp. 2132-2137, 2015, DOI: https://doi.org/10.1109/BigData.2015.7363997.

ZHANG, F.; MURPHY, M.D.; SHALLOO, L.; RUELLE, E.; UPTON, J.: “An automatic model configuration and optimization system for milk production forecasting”, Computers and Electronics in Agriculture, 128: 100–111, 2016, ISSN: 0168-1699, DOI: https://doi.org/10.1016/j.compag.2016.08.016.

ZHANG, F.; UPTON, J.; SHALLOO, L.; MURPHY, M.D.: “Effect of parity weighting on milk production forecast models”, Computers and Electronics in Agriculture, 157: 589–603, 2019, ISSN: 0168-1699, DOI: https://doi.org/10.1016/j.compag.2018.12.051.

ZHANG, F.; UPTON, J.; SHALLOO, L.; SHINE, P.; MURPHY, M.D.: “Effect of introducing weather parameters on the accuracy of milk production forecast models”, Information Processing in Agriculture, 7(1): 120-138, 2020, ISSN: 2214-3173.