Noticias Tecnología - Innovación - Ciencia

add ver todas

El nanosensor que reduce el desperdicio de alimentos mediante el control de la maduración

El desperdicio de alimentos viene siendo desde hace tiempo el reto pendiente de la industria agrícola, debido a los cortos ciclos de vida de los productos frescos. Con el objetivo de reducir el desperdicio alimentario, los investigadores del Instituto de Massachusetts han creado unos nano tubos de carbono semi-conductores capaces de detectar una hormona del crecimiento que generan las plantas. Con ella, son capaces de realizar el seguimiento de la frescura de los alimentos.

Las implicaciones de esta innovadora creación son:

  • Aumento en el consumo de alimentos de temporada – Gracias a esta innovadora creación, es posible potenciar el consumo de los alimentos de temporada, debido a una mejora en la percepción del consumidor de los mismos derivado del conocimiento que permite obtener de los tiempos óptimos de maduración. Así se logra generar una percepción de mayor calidad del producto y estimular su consumo.
  • Optimización de las cadenas de suministros de alimentos – Los alimentos deben llegar en las mejores condiciones a los distribuidores, encargados de hacer llegar el producto al consumidor final. Por ello, los indicadores disponibles gracias a estos investigadores ayudan a la mejora en la gestión y organización de las cadenas de suministros. Con esto, no sólo se controlarán los tiempos para hacer llegar el producto lo más fresco posible, sino que la satisfacción del consumidor se verá afectada de manera positiva.
    Para saber más haz click aquí

NOTICIAS RELACIONADAS

add ver todas

Alphabet empezará el proyecto Toronto Smart City este...

Toronto va a ser la ciudad con la primera “zona inteligente” del mundo. Alphabet, la empresa matriz de Google, es la responsable de este proyecto, con el que comenzará a dar forma a las ciudades inteligentes del futuro.Las consecuencias de este proyecto:Diversificación de las fuentes de ingresos – Los grandes gigantes tecnológicos querrán convertirse en grandes gestores de los datos generados por los ciudadanos, con el objetivo de ofrecer servicios adaptados a sus necesidades. Esta cesión de datos supondrá una fuente de ingresos adicional para las ciudades, que ofrecerán sus datos a cambio de liquidez y conocimientos.Modificación del modelo urbanístico – Alphabet pretende cambiar el concepto de las ciudades, incrementando la sostenibilidad creando para ello zonas verdes y zonas peatonales con tiendas, ocio y oficinas. Además, ofrecerá viviendas asequibles para los habitantes de Toronto con ingresos más bajos.Digitalización – Este proyecto se traducirá en la digitalización de toda la zona de Toronto sobre la que se han focalizado, en la cual los edificios serán modulares y se podrán ampliar para alojar empresas y familias y los autobuses sin conductor reemplazarán a los coches privados, entre otros avances.Para saber más haz click aquí

Restaurante virtual impulsado por robots en Nueva York

Todo sobre Better Days, el nuevo restaurante virtual impulsado por robots que se encuentra en Nueva York. ¿En qué consiste la estrategia de Remy Robotics?

Posible alternativa al plástico hecha de madera y fibras...

En la búsqueda de alternativas al plástico, se ha descubierto la tela de araña como una opción más ecológica. Ésta, mezclada con fibras de madera, resulta en un nuevo material completamente biodegradable y libre de petróleo que supera en fuerza y resistencia a la mayoría de materiales sintéticos y naturales del mercado. Con el fin de producir “telas de araña” a escala comercial, los investigadores copiaron la estructura del ADN de las arañas para fabricar un material químicamente similar.

La inteligencia artificial puede detectar signos de...

El uso de machine learning puede detectar los patrones y los primeros síntomas del Alzheimer. El estudio se esta realizando a través de un dispositivo que, instalado en el cuarto de un paciente, se encarga de grabar todo lo que sucede a su alrededor incluyendo los movimientos de la persona.Las consecuencias del uso de machine learning en la detección del Alzheimer:Identificación de enfermos en fase temprana – los dispositivos permiten recoger información e identificar patrones que pueden servir para identificar a futuros pacientes, que podrían comenzar a ser tratados años antes de que aparezcan los síntomas obvios como la perdida de memoria.​Creación de un prueba de diagnostico– actualmente no existe prueba para identificar a los enfermos de Alzheimer y los escáneres de cerebro no se pueden utilizar para identificar esta enfermedad. Sin embargo, el machine learning podría permitir desarrollar una prueba de diagnóstico.Mejora de los ensayos clínicos de los medicamentos – los patrones identificados con machine learning pueden eliminar los dos problemas principales en el desarrollo de nuevos medicamentos para el Alzheimer: el desconocimiento de las causas de la enfermedad y la dificultad de identificar pacientes que se beneficien de la medicación.Para saber más haz click aquí