Modelos matemáticos aplicados en el ámbito de la agroindustria. Una revisión sistemática

Los modelos matemáticos se han convertido en herramientas clave para enfrentar los retos actuales de la agroindustria, como la optimización de procesos, la gestión sostenible de recursos y la adaptación al cambio climático. Esta revisión sistemática, que se basa en 37 estudios publicados entre 2015 y 2025, examina su evolución, aplicaciones y limitaciones, siguiendo las pautas PRISMA. Los hallazgos indican que el 62% de las investigaciones se concentran entre 2019 y 2024, destacando los modelos de optimización (35%) y los predictivos (19%), que se aplican principalmente en cadenas de suministro (24%), agricultura de precisión (19%) y gestión empresarial (16%). En términos geográficos, sobresalen Europa del Este (27%), América Latina (22%) y Asia (19%), regiones con bases agroindustriales sólidas. Las contribuciones más significativas incluyen la integración de criterios de sostenibilidad y la resiliencia ante la incertidumbre. Sin embargo, aún existen brechas críticas: el 65% de los modelos requieren datos de alta calidad que no siempre están disponibles, y el 45% enfrentan dificultades en su implementación práctica. Las tendencias emergentes apuntan hacia modelos híbridos que combinan inteligencia artificial con conocimientos tradicionales, así como plataformas colaborativas para el co-diseño con actores locales. En conclusión, estos modelos son estratégicos para la innovación en la agroindustria, pero su impacto real depende de superar las barreras técnicas, operativas y formativas. Las futuras investigaciones deberían centrarse en la validación empírica, la simplificación metodológica y enfoques interdisciplinarios que logren un equilibrio entre complejidad y accesibilidad para los pequeños productores.