Modelación y Simulación basada en Sistemas Multi-agente (SMA) en Riego por Aspersión R. Peñarrieta-Caprirolo1 [email protected]

Borrador – Abril, 2011 Resumen La modelación de sistemas complejos como el riego presurizado puede ser una alternativa pedagógica y podría constituirse como una herramienta de diseño y replanteo en el diseño de sistemas de riego presurizado. El modelo de descarga de un aspersor interactúa con variables como la presión del agua (en este caso las componentes vx y vy que equivalen a la altura o energía de velocidad), la viscosidad (cinemática) del agua y, un factor determinante en el modelo es la velocidad del viento con el cual, pueden „jugarse‟ distintos escenarios para comprender mejor el „fenómeno‟ de descarga en un aspersor. Palabras clave Simulación, Sistema Multi-agente, Simulación basada en sistemas multi-agente (SMA), Riego por Aspersión.

Simulación Simulación se define como “el proceso de diseñar un modelo de un sistema real y llevar a término experiencias con él, con la finalidad de comprender el comportamiento del sistema o evaluar nuevas estrategias –dentro de los límites impuestos por un cierto criterio o conjunto de ellos– para el funcionamiento del sistemas” (Arroyo y Hassan, 2007 citan a Shanonn, 1975). Precisando, simulación se entiende como la emulación del comportamiento de un sistema real por otro artificial. Haciendo especial referencia a la posibilidad de realizar experimentos en un sistema artificial (en un entorno controlado) el cuál se ha modelado previamente para que se comporte de manera análoga al sistema real (Arroyo y Hassan, 2007). Sistema Multi-agente Los Sistemas Multi-agente (SMA) “permiten modelar situaciones en las que, debido a la multiplicidad y heterogeneidad de (los) actores (agentes) y su iteración en el tiempo, no es posible, o no es recomendable, una resolución algorítmica. Por tanto, se construye un sistema que modela el comportamiento de estos agentes heterogéneos, los recursos que éstos consumen o producen, así como la interrelación agente-agente y agente-recurso” (Guerra, et al., 2010). Agente Un agente o agentes son „entendidos‟ como entidades inteligentes, equivalentes en términos computacionales a un proceso del sistema operativo, que existen dentro de cierto contexto o ambiente y, que se pueden comunicar entre procesos (Aranda, et al., 2007). De acuerdo a Hedo, 2009, un agente tiene las siguientes características: 1

Ing. Agr. Estudiante de Sistemas Informáticos.

1. Identificable y diferenciable: es un individuo discreto con características propias que lo diferencian del resto. 2. Situado en un entorno e interactivo: posee protocolos de interacción para responder a los estímulos del entorno. 3. Dirigido a un objetivo: capaz de comportarse de forma apropiada para conseguirlo. 4. Autónomo: capaz de responder por sí mismo, independientemente del entorno. 5. Flexible: capaz de aprender y adaptar su comportamiento a las circunstancias.

Simulación basada en Sistemas Multi-agente Una simulación puede abstraerse como “la imitación de un proceso o sistema del mundo real a través del tiempo, con la finalidad de comprender su comportamiento y/o evaluar nuevas posibilidades” (Guerra, et al., 2009) a través del análisis de escenarios. Tipos de simulación: Simulación discreta; el estado de las variables cambian constantemente en instantes de tiempo separados. Simulación continua; el estado de las variables cambian continuamente en el tiempo (el paso del tiempo puede ser reducido a intervalos arbitrariamente pequeños). Time-stepped, es una particularidad de la simulación discreta donde el modelo se ejecuta cada cierta cantidad fija de tiempo. ¿Por qué el uso de SMA en riego por Aspersión? La simulación basada en Sistemas Multi-agente es recomendable cuando se trata de simular el funcionamiento de sistemas que están compuestos por elementos heterogéneos que interactúan y donde su ubicación en el espacio resulta ser relevante (Guerra, et al., 2009). De acuerdo a Hedo, 2009, el uso de SMA tiene que ver con: 1. Los sistemas a analizar y modelar son cada vez más complejos en términos de interdependencias; es aquí donde fracasan las herramientas tradicionales. 2. Algunos sistemas han sido siempre complejos para ser modelados (factores físicos como la calidad de agua de riego, pendiente del suelo, tipo de sistema y organizacionales como la distribución, agronómicos como el tipo de cultivo y económicos como la relación B/C de un sistema de producción). 3. Los datos se están organizando en base de datos con un nivel de granularidad más fino, lo que permite la micro-simulación. 4. La potencia de cálculo está en continuo aumento. Herramienta de Desarrollo SMA: NetLogo Existen diversas herramientas (toolkits) que facilitan la tarea de simular desde los de código abierto, de uso libre y comerciales (Hedo, 2009; Guerra, et al., 2010). La característica fundamental de los toolkits es de proporcionar al modelador (programador) un soporte básico

de componentes necesarios para la simulación y permitirle concentrarse en el diseño del modelo (Hedo, 2009).

Fig. 1 Interfaz del modelo

NetLogo2 es un entorno de modelación agent-based modeling and simulation (ABMS) desarrollado (sobre-escrito) en java y que permite programar modelos (Hedo, 2009). NetLogo deriva del lenguaje Logo (es en sí un dialecto Logo) para gráficos de agentes (turtles) pero con capacidad adicional de manipular muchos agentes. De allí deriva su prefijo Net (red) que hace referencia a los fenómenos multi-agente, descentralizados e interconectados que se pueden modelar en un entorno dado (Rousse, et al., 2010).

La elección de NetLogo sobre otros „toolkits‟ se basa en cuatro ventajas: Es multiplataforma3 (opera sobre la máquina virtual java –JVM). La visualización de los modelos está incluida por defecto. Posee herramientas para la construcción sencilla de una interfaz gráfica que permite controlar los modelos y monitorear su comportamiento. Su aprendizaje y programación es relativamente sencillo en relación con otros entornos.

Esquema Equipo Semimóvil de riego por aspersión (ESRA) El conjunto del equipo, desde la matriz que suele ser fija y el sistema de tuberías (tubería secundaria) es móvil hasta el aspersor se denomina Equipo Semimóvil de Riego por Aspersión (ESRA). Este sistema comprende una toma de la fuente agua que generalmente es la tubería principal con un filtro improvisado por el agricultor, una tubería o matriz principal que se instala en la época de estiaje y se ancla hasta la entrada de la parcela, este tramo se mantiene por lo general fijo por lo que, la tubería secundaria es la que se mueve de acuerdo a los puntos de riego sobre la parcela.

2

NetLogo fue desarrollado por Wilensky en 1997 en el Center for Connected Learnng and Computer-Based Modeling de Northwestern University, Evanston, Illinois, USA. Se originó con StarLogo, posteriormente, StarLogoT añade importantes características nuevas y un lenguaje nuevo, diseño e interfaz de usuario. NetLogo se ejecuta en la máquina virtual de Java (JVM), por lo que funciona en todas las principales plataformas (Mac, Windows, Linux, y otros). Se ejecuta como una aplicación independiente, o desde la línea de comandos. Actividades de Modelos y se pueden ejecutar como applets de Java en un navegador web (Wilensky, 2011). 3

No obstante, al ser un lenguaje „interpretado‟ dificulta la velocidad de ejecución al „mostrar‟ la interfaz en relación a los lenguajes de programación compilados (java o C/C++/C#).

El manejo del ESRA depende de dos factores: i) hidráulicos, inherente a las características técnicas como la altura manométrica (HM) entre la fuente, la parcela y la disponibilidad de agua y, ii) la condición del tiempo como la velocidad del viento y las heladas. La velocidad del viento condiciona la aplicación del agua de riego en periodos diurnos y nocturnos. El 100% de los entrevistados requiere de una persona para la operación de un ESRA (Peñarrieta, 2009).

Fig 2 Esquema de un ESRA

Modelando un ESRA a bajas y altas temperaturas ¿Qué ocurre con la descarga del aspersor? La viscosidad (en este modelo se utiliza la viscosidad cinemática ) es una propiedad importante del agua, tan importante que muchos aspersores reducen su vida útil cuando la viscosidad es elevada, es decir, cuando el agua se encuentra cerca del punto de congelación debido a los daños mecánicos del agua en el aspersor. En el modelo podemos modular (slider: viscosity-constant) cinco niveles de temperatura y viscosidad (Fig.3). ¿La descarga del aspersor será la misma en los cuatro niveles? ¿Por qué existen variaciones?

T ºC 2 (m /s)

5 1.520

10 1.308

15 1.142

20 1.007

25 0.897

Fig. 3 Modelando la descarga en función de la temperatura del agua De acuerdo al modelo a mayor temperatura del agua (< ) existen más oscilaciones (curva errática) en la descarga (vea gráfico/plot); este comportamiento se debe a que, las partículas de agua „descargadas‟ por el aspersor ofrecen una menor resistencia al movimiento; al contrario, al aumentar la temperatura (> ), la capacidad de resistencia del agua contra la boquilla del aspersor y del mismo aire es mayor por lo que, las partículas de agua tendrán menor energía cinética y caerán más cerca del radio del aspersor (Fig.4).

Fig. 4 Comportamiento de la descarga a dos temperaturas del agua Modelando la velocidad del viento ¿Qué ocurre con la descarga del aspersor? En el modelo, la velocidad del viento está de acuerdo a la notación convencional del cuadro cartesiano (Fig.5). Cuando la constante de velocidad (slider: wind-constant) tiene un valor de -20, se podría considerar que el vector velocidad del viento está en el sentido de descarga del aspersor; si el vector velocidad del viento cambia de sentido (a un valor de + 20), el viento está en contra de la descarga y lleva a las partículas de agua en sentido contrario. Lo ideal, en el modelo y en la „realidad‟ es tener baja velocidad del viento al momento de regar (ver coeficiente de uniformidad de distribución UD) ver Fig.6. Fig. 5 vector velocidad

Fig. 6 Efecto de la velocidad del viento en la descarga Algunas consideraciones entre simulación y comportamiento en la ‘realidad’ Los modelos son una representación (resumida) de la realidad, no obstante, esta aproximación nos permite modelar un sistema, en este caso, un equipo semimovil de riego por aspersión casi tal cual se comportaría operando en condiciones reales pero, la gran promesa de la modelación, más allá de las aplicaciones pedagógicas, es el análisis de escenarios como

cuando tenemos bajas temperaturas o vientos en contra de la descarga de un aspersor, nos proveen de elementos importantes para el diseño, rediseño y comprensión de fenómenos naturales que a veces está lejos de la experimentación. De acuerdo a la experiencia (Fig.7), se puede validar con datos reales, el comportamiento de la descarga en riego por aspersión.

ASPERSOR TROOPER 1 BOQUILLA

ASPERSOR NAAN 326, 2 BOQUILLAS

ASPERSOR LEGO 1 BOQUILLA

q = 0.13 l/h

q = 0.4 l/h

q = 0.41 1/h

Fig. 7 Operación de aspersores

Lo que se espera En adelante, validar el modelo conforme una base de datos más robusta. Mejorar el modelo haciendo que se comporte de manera similar a las condiciones reales: giro del aspersor. Diseñar un modelo más elaborado con una red de aspersores con pendientes graduables y uniformidad de distribución (UD). Si bien es ambicioso estos objetivos podrán servir como una herramienta pedagógica (formal y de capacitación a agricultores) así como soporte del diseño y replanteo de sistemas de riego presurizados.

Bibliografía Aranda, G.; Borobia, A.; Vásquez, L. (2007) “Evolución del consumo de la energía eléctrica: Simulación con agentes de fenómen os sociales” Universidad Complutense de Madrid, España. p. 7. Arroyo, M.; Hassan, S. (2007) “Simulación de procesos sociales basada en agentes de software”; Universidad Complutense de Madrid, p 4. Guerra, D.; Iraola, P.; Sánchez, Y. (2010) “Framework de Simulación Basado en Sistemas Multi-Agente” Montevideo, Uruguay; p. Giles, R.; Evett, J.; Liu, Ch. (1994) “Mecánica de los Fluidos e Hidráulica” Ed. McGraw-Hill, España; p. 393. Hedo, J. (2009) “Modelación computacional del ensayo de evaluación de emergencia de aviones de transporte” Tesis doctoral; Universidad Politécnica de Madrid; Madrid, España; p. 131-144. Izquierdo, L.; Galán, J.; Santos, J.; Del Olmo, R. (2008) “Modelado de sistemas complejos mediante simulación basada en agentes y mediante dinámica de sistemas” Universidad de Burgos, España, p. 15. Peñarrieta-Caprirolo, R. (2009) “Goteo como alternativa para el riego del cultivo de frutilla en la Localidad de “El Churo”, Municipio d e Pojo, Provincia Carrasco” Tesis de Grado, Universidad Mayor de San Simón; p. 63-68. Rousse, R., Villegas, J.; Lárez, C. (2010) “Uso de NetLogo como entorno multi-agente para el desarrollo de simulaciones en físicoquímica” Universidad de los Andes, Mérida, Venezuela. P. 2. Wilensky, U. (2011) “NetLogo 4.1.3, User Manual” http://ccl.northwestern.edu/netlogo/. Center for Connected Learning and ComputerBased Modeling, Northwestern University, Evanston, IL., U.S.A.