Trazador inteligente en tiempo real para productos perecederos
Barra lateral del artículo
Contenido principal del artículo
- Javier Garrido López+−
- Manuel Jiménez Buendía+−
- Ana Toledo Moreo+−
- Fulgencio Soto Vallés+−
- Roque Torres Sánchez+−
Resumen
Durante la fase de poscosecha y antes del consumo, los productos perecederos pueden perder calidad por malas condiciones de conservación. La monitorización de las condiciones ambientales clave puede predecir estas pérdidas. Este proyecto presenta un datalogger autónomo, portátil y compacto para monitorizar parámetros ambientales en tiempo real durante la cadena de suministro. El dispositivo mide temperatura, humedad relativa, CO2, luminosidad y vibraciones, y transmite los datos de forma inalámbrica, simplificando soluciones existentes que emplean varios dispositivos y presentan costes prohibitivos. Se han empleado estrategias para optimizar el consumo de energía, logrando un mes de autonomía para cubrir periodos enteros de transporte de alimentos. El datalogger utiliza NB-IoT y otras tecnologías inalámbricas para enviar los datos a una plataforma en la nube. Se han realizado ensayos de autonomía, comparación con otros dataloggers comerciales y ensayos de campo satisfactorios para validar su funcionamiento y transmisión de datos en tiempo real durante un transporte refrigerado.
Palabras clave:
Detalles del artículo
Citas
NCE. (2023). 1NCE, IoT software and connectivity provider. https://1nce.com/es-es/
De Venuto, D., & Mezzina, G. (2018). Spatio-Temporal Optimization of Perishable Goods’ Shelf Life by a Pro-Active WSN-Based Architecture. Sensors 2018, Vol. 18, Page 2126, 18(7), 2126. https://doi.org/10.3390/S18072126 DOI: https://doi.org/10.3390/s18072126
Depetris, M. C., González, S., & Rodríguez, M. de los Á. (2014). Recomendaciones para el Almacenamiento de Alimentos Perecederos.
ESP Solutions. (2024). International Transport and Logistics Company. https://espsolutions.eu/
Espressif Systems. (2023). ESP32 Series Datasheet. https://www.espressif.com/sites/default/files/documentation/esp32_datasheet_en.pdf
FAO. (2019). The state of food and agriculture. 2019. Moving forward on food loss and waste reduction.
FAO. (2022). The State of Food and Agriculture 2022. Leveraging automation in agriculture for transforming agrifood systems. En The State of Food and Agriculture 2022. FAO. https://doi.org/10.4060/cb9479en
FAO, IFAD, UNICEF, WFP, & WHO. (2023). The State of Food Security and Nutrition in the World 2023. Urbanization, agrifood systems transformation and healthy diets across the rural–urban continuum. En The State of Food Security and Nutrition in the World 2023. https://doi.org/10.4060/cc3017en
Gemini Dataloggers. (2019). Tinytag TGU-4500, Temperature & humidity datalogger. https://www.geminidataloggers.com/data-loggers/tinytag-ultra-2/tgu-4500
Grafana Labs. (2023). Grafana: The open observability platform. https://grafana.com/
InfluxData. (2023). InfluxDB Times Series Data Platform. https://www.influxdata.com/
National Instruments. (2023). USB-6008. https://www.ni.com/es-es/support/model.usb-6008.html
OpenJS Foundation. (2023). Node-RED. https://nodered.org/
Parkside. (2022). Datalogger PKDL A1. https://www.lidl.de/p/parkside-klimadatenlogger-pkdl-a1-mess-aufzeichnungsintervall-einstellbar/p100361442
SIMCom. (2018). SIM7000X Datasheet. https://simcom.ee/documents/SIM7000E/SIM7000%20Hardware%20Design_V1.05.pdf
Swift Sensors. (s. f.). Wireless Sensors. Recuperado 4 de noviembre de 2023, de https://www.swiftsensors.com/wireless-sensors/
Tempmate. (s. f.). tempmate.®-GS2, Real-time Supply Chain Data Logger. Recuperado 4 de noviembre de 2023, de https://www.tempmate.com/solutions/tempmate-gs2/