#La Tesis Nebula™

#The Nebula Framework™ --- Scientific Edition v1.0

---

Campo Valor

---

Documento NBL-FWK-001

Estado Stable

Categoría Foundation

Versión 1.0.0

Idioma canónico Español Latino (es-419)

Traducciones previstas English · አማርኛ

Fecha efectiva 2026-07-19

Organización autora Cafelium SRL

Licencia Proprietary

---

La identidad institucional, la clasificación fundacional, el idioma canónico y las relaciones documentales de esta edición corresponden al registro oficial NBL-FWK-001.

#Convenciones epistemológicas

La presente monografía distingue deliberadamente cinco categorías de afirmaciones. Esta separación no es estilística: constituye una condición de rigor para impedir que una aspiración institucional sea confundida con un resultado experimental o que una decisión de arquitectura sea presentada como una ley científica.

Hecho designa una afirmación respaldada por evidencia verificable, literatura científica, un estándar publicado o una observación reproducible. Hipótesis designa una proposición susceptible de contrastación y, por tanto, potencialmente refutable. Interpretación designa una lectura razonada de la evidencia, pero no necesariamente la única compatible con ella. Decisión arquitectónica designa una elección realizada para organizar el Framework, su semántica o sus mecanismos de interoperabilidad. Visión institucional designa una dirección de desarrollo que orienta la investigación sin reclamar validación anticipada.

Las expresiones normativas que aparezcan en futuros estándares derivados de The Nebula Framework™ podrán adoptar el vocabulario de requisitos definido por BCP 14, integrado por RFC 2119 y RFC 8174. En esta monografía, sin embargo, la narrativa es principalmente científica y conceptual; por ello, los términos «debe», «debería» y «puede» se emplean en su sentido ordinario salvo indicación expresa.

#Prólogo

Las sociedades humanas han aprendido a transformar sistemas biológicos mucho antes de comprenderlos. Fermentar, secar, tostar, madurar, cultivar y conservar fueron inicialmente prácticas empíricas: secuencias de acciones acumuladas por generaciones, transmitidas mediante experiencia, lenguaje y tradición. Su eficacia no dependía de una representación formal del proceso, sino de la capacidad de reconocer señales, interpretar cambios y actuar dentro de márgenes tolerables de incertidumbre.

La industrialización modificó esa relación. La transformación biológica pasó a desarrollarse dentro de cadenas productivas más extensas, reguladas y especializadas. La necesidad de escalar, asegurar inocuidad, reducir variabilidad y demostrar conformidad favoreció la aparición de instrumentos, registros, especificaciones y sistemas de control. Sin embargo, gran parte de la infraestructura digital resultante fue diseñada para administrar inventarios, transacciones, lotes, certificados o resultados finales. El proceso vivo ---la transformación temporal de la materia bajo condiciones específicas--- continuó siendo representado de manera fragmentaria.

Esta fragmentación no es un problema meramente informático. Es un problema epistemológico. Cuando una transformación biológica se reduce a un conjunto de valores aislados, se pierde la relación entre las observaciones, las condiciones ambientales, las intervenciones humanas, los estados intermedios y el resultado. Se conserva una colección de datos, pero no necesariamente la historia científicamente interpretable del fenómeno.

La Tesis Nebula™ parte de una proposición distinta: la transformación no debe ser tratada como el espacio vacío entre un origen y un producto final. Debe ser reconocida como un objeto primario de conocimiento.

Esta proposición exige una infraestructura capaz de preservar la temporalidad, el contexto, la procedencia, la semántica y la incertidumbre de las observaciones. También exige modelos que puedan evolucionar a medida que se acumula nueva Evidence, sin borrar la historia de las interpretaciones anteriores. Finalmente, exige mecanismos de Governance que permitan determinar quién observó, quién intervino, qué instrumento fue utilizado, qué modelo produjo una Inference y bajo qué supuestos se tomó una decisión.

The Nebula Framework™ emerge de esta necesidad. No se define como una plataforma cerrada ni como un producto de software particular. Se define como una arquitectura intelectual para representar procesos biológicos complejos, construir conocimiento verificable sobre sus trayectorias y convertir dicho conocimiento en una infraestructura de confianza para la bioeconomía.

La fermentación del café constituye el primer dominio de investigación porque combina variabilidad biológica, conocimiento territorial, interacción microbiana, decisiones operativas, transformación sensorial y distribución económica del valor. No obstante, el propósito de la tesis es más amplio. Su objeto es investigar si los procesos biológicos medibles pueden convertirse en trayectorias computacionales verificables sin reducir su complejidad a una caricatura digital.

La respuesta no se presupone. Deberá ser construida mediante experimentación, comparación, revisión crítica y refutación posible.

#Resumen Ejecutivo

La Tesis Nebula™ sostiene la siguiente hipótesis central:

Todo proceso biológico susceptible de observación y medición puede representarse como una Biological Trajectory computacionalmente interpretable y verificable, siempre que su representación preserve el contexto, la evolución temporal, la procedencia y la calidad de la Evidence.

Esta hipótesis no afirma que todo fenómeno biológico pueda ser explicado completamente por datos ni que un modelo computacional sea equivalente al sistema vivo. Afirma algo más limitado y contrastable: que es posible construir representaciones útiles de la transformación que permitan relacionar observaciones, condiciones, intervenciones y resultados con un grado explícito de incertidumbre.

The Nebula Framework™ denomina Computational Bioeconomy™ al campo de infraestructura, conocimiento y gobernanza que surge cuando los recursos, procesos y transformaciones biológicas son descritos mediante modelos computacionales interoperables, preservando simultáneamente su materialidad, procedencia, temporalidad y contexto socioecológico.

Dentro de esta visión, Digital Terroir® representa el contexto dinámico que vincula un proceso biológico con el lugar, el ambiente, la genética, las prácticas humanas y la historia material que influyen en su trayectoria. No es una etiqueta geográfica ni una versión digital de una denominación de origen. Es una representación contextual cuya finalidad es hacer comparables procesos sin declarar que son idénticos.

La unidad principal del Framework no es el dato individual, el lote ni el activo digital. Es la Biological Trajectory: una representación temporal estructurada de los estados observados, las transiciones, las condiciones, las intervenciones, las discontinuidades y las incertidumbres asociadas con una transformación biológica.

Sobre esa unidad se articulan dos modelos complementarios. El Scientific Model representa relaciones cuantitativas o cualitativas empleadas para explicar, simular o predecir el comportamiento del proceso. El Knowledge Model representa el significado de las entidades, sus relaciones, su procedencia y las reglas bajo las cuales las observaciones pueden integrarse en una estructura de conocimiento.

La distinción es esencial. Un algoritmo predictivo puede estimar un resultado sin expresar adecuadamente qué significa cada variable o de dónde procede. Una ontología puede definir conceptos rigurosamente sin predecir el comportamiento futuro de un proceso. The Nebula Framework™ requiere ambos: capacidad de inferencia y capacidad de interpretación.

La Living Knowledge Infrastructure™ es la infraestructura conceptual y tecnológica que mantiene estos modelos en evolución continua. Su función no es almacenar una verdad final, sino conservar la relación histórica entre Observation, Evidence, Inference, modelos, revisiones y decisiones. El conocimiento es considerado «vivo» porque cambia con nueva evidencia, pero ese cambio debe ser trazable y gobernado.

Proof of Process™ designa el conjunto de pruebas mediante las cuales una afirmación sobre una transformación puede vincularse con evidencia temporal, contextual y procedimental. No equivale a una prueba absoluta de autenticidad ni implica que la mera existencia de registros garantice la corrección del proceso. Su valor reside en hacer auditables las conexiones entre lo que se declara, lo que se observó, cómo se observó y qué inferencias fueron producidas.

Originblok® representa la capa de persistencia, identidad y procedencia necesaria para conservar relaciones verificables entre materiales, procesos, actores, ubicaciones, instrumentos, observaciones y resultados. FermentOps®, RoastOps® y TraceOps® representan dominios operacionales especializados que aplican el Framework a la fermentación, el tostado y la trazabilidad semántica, respectivamente. Ninguno de estos dominios agota el Framework; todos dependen de su Ontology, Semantic Infrastructure, Governance y Trust Infrastructure.

La tesis se validará inicialmente en café de especialidad. El programa de validación deberá demostrar, como mínimo, que la representación de trayectorias añade valor científico u operacional frente a los registros convencionales; que las observaciones pueden integrarse sin perder procedencia; que los modelos pueden producir inferencias reproducibles y calibradas; y que la infraestructura puede ser auditada por terceros con acceso autorizado.

La tesis también define sus condiciones de refutación. Quedaría debilitada si la representación de trayectorias no mejora la explicación, reproducibilidad, comparación o toma de decisiones; si la contextualización semántica introduce más ambigüedad de la que elimina; si la Evidence no puede preservarse con calidad suficiente; o si los costos sociales, técnicos y económicos superan sistemáticamente los beneficios generados.

La Tesis Nebula™ no proclama que la biología sea completamente computable. Propone que la transformación biológica puede ser representada de forma más rigurosa que mediante resultados finales, declaraciones aisladas o registros inconexos. Su ambición científica consiste en determinar hasta dónde puede sostenerse esa proposición y bajo qué límites.

#1. Introducción: la transformación como objeto de conocimiento

La mayor parte de los sistemas de información empresariales fue concebida para responder preguntas transaccionales: qué se compró, cuánto se produjo, dónde se encuentra un lote, quién autorizó una operación o cuál fue el resultado de una inspección. Estas preguntas son necesarias, pero insuficientes para comprender un proceso biológico.

Una transformación viva no es una sucesión indiferenciada de eventos. Es un sistema dinámico en el que las condiciones iniciales, las interacciones internas, el ambiente, el tiempo y las intervenciones modifican las posibilidades futuras. Dos procesos que comienzan con materiales aparentemente similares pueden divergir por diferencias pequeñas en temperatura, composición microbiana, disponibilidad de oxígeno, estructura física, humedad, presión, prácticas operativas o historia previa del material.

La dificultad no consiste únicamente en capturar más datos. Una mayor densidad de medición puede ampliar el volumen de información sin resolver la ausencia de significado. Registrar una temperatura cada minuto, por ejemplo, no determina por sí mismo qué entidad fue medida, dónde estaba ubicado el sensor, cuál era su incertidumbre, si estaba calibrado, qué procedimiento de muestreo se utilizó, qué transición biológica estaba ocurriendo o cómo se relaciona esa serie temporal con un atributo sensorial posterior.

El problema es, por tanto, doble. Existe una limitación observacional, porque ningún sistema captura la totalidad del fenómeno. Y existe una limitación semántica, porque las mediciones no se interpretan por sí solas. La construcción de conocimiento requiere integrar valores, contexto, modelos, procedencia y criterios de validez.

La ciencia de sistemas ha mostrado la importancia de estudiar relaciones, dinámicas e interacciones en lugar de analizar componentes exclusivamente de forma aislada. En Systems Biology, el ciclo entre experimentación, adquisición de datos, modelado y análisis computacional constituye una estructura recurrente, mientras que la estandarización y la interoperabilidad son reconocidas como condiciones importantes para integrar herramientas y recursos heterogéneos.

The Nebula Framework™ traslada esta perspectiva hacia procesos bioeconómicos territoriales. Su objeto no es exclusivamente la célula, el microorganismo, la planta o el producto. Es el sistema de transformación que conecta recursos biológicos, condiciones ambientales, prácticas humanas, instrumentos, decisiones, conocimiento y distribución de valor.

Este desplazamiento tiene consecuencias. La trazabilidad deja de limitarse a localizar un producto y comienza a describir cómo fue transformado. La procedencia deja de ser un atributo administrativo y se convierte en parte de la interpretación científica. El territorio deja de actuar únicamente como origen nominal y pasa a ser una estructura contextual. El modelo deja de ser un artefacto estático y se convierte en una entidad versionada, gobernada y sujeta a revisión.

En ese sentido, La Tesis Nebula™ no propone una digitalización indiscriminada de la naturaleza. Propone una disciplina para decidir qué debe observarse, cómo debe representarse, qué puede inferirse legítimamente y qué incertidumbre permanece fuera del modelo.

#2. Antecedentes y estado del arte

#2.1 De la trazabilidad de productos a la trazabilidad de transformaciones

La trazabilidad alimentaria convencional busca determinar la historia, aplicación o localización de productos y componentes relevantes. ISO 22005:2007 establece principios y requisitos generales para diseñar sistemas de trazabilidad en las cadenas alimentarias y de alimentación animal, manteniéndose vigente tras su confirmación más reciente. Su alcance ofrece una base importante para identificar materiales y movimientos, pero no pretende por sí mismo constituir un modelo científico completo de las transformaciones biológicas.

GS1 EPCIS amplía la visibilidad de las cadenas mediante eventos estructurados que describen qué ocurrió, cuándo, dónde y en qué contexto de negocio. EPCIS 2.0 incorpora, además, datos de sensores, certificaciones, JSON-LD y mecanismos de consulta mediante servicios web, lo cual permite representar eventos de trazabilidad con mayor riqueza que los registros logísticos tradicionales.

The Nebula Framework™ no pretende sustituir estos estándares. Su contribución consiste en extender la pregunta desde la localización y custodia de un objeto hacia la evolución verificable de un proceso. Un evento EPCIS puede expresar que un lote fue recibido, transformado o enviado. Una Biological Trajectory debe permitir investigar cómo evolucionaron las propiedades observadas durante la transformación, qué condiciones precedieron una transición y qué Evidence respalda una afirmación sobre el proceso.

La diferencia puede resumirse así:

---

Enfoque Objeto principal Pregunta dominante Resultado

---

Trazabilidad logística Producto, lote o unidad identificable ¿Dónde estuvo y quién lo manejó? Historial de movimientos y custodia

Trazabilidad de eventos Eventos de negocio y observaciones asociadas ¿Qué ocurrió, cuándo y en qué contexto operacional? Visibilidad interoperable de eventos

Proof of Process™ Trayectoria de transformación ¿Cómo evolucionó el proceso y qué evidencia respalda esa evolución? Historia verificable, contextualizada e interpretable

---

#2.2 Digital Twins y límites de la analogía

Los marcos de Digital Twins han desarrollado arquitecturas para conectar entidades observables, modelos digitales, servicios e intercambio de información. ISO 23247 define principios y arquitecturas de referencia para Digital Twins en manufactura, mientras que sus extensiones recientes desarrollan el concepto de digital thread y la composición de múltiples Digital Twins.

The Nebula Framework™ reconoce esta tradición, pero evita adoptar el término «gemelo» como equivalencia ontológica automática. Un proceso biológico no puede presumirse duplicado de manera exhaustiva por una representación digital. Los sistemas vivos incluyen variables no observadas, contingencias históricas, interacciones emergentes y límites de medición. Una representación computacional puede aproximar aspectos relevantes del proceso, pero no se convierte por ello en su réplica total.

La Biological Trajectory se distingue de un Digital Twin ingenuamente entendido como copia. Su función es preservar una representación limitada, explícita y revisable de estados y transiciones. El Framework prefiere una representación epistemológicamente modesta pero auditable antes que una promesa de equivalencia difícil de sostener.

#2.3 Semantic Web, Ontology y Knowledge Graphs

Las tecnologías del Semantic Web permiten representar entidades y relaciones mediante vocabularios formalizados. OWL 2 proporciona un lenguaje con semántica formal para definir clases, propiedades, individuos y restricciones; SHACL permite validar grafos RDF contra condiciones estructuradas; PROV-O permite representar e intercambiar información de procedencia; y SSN/SOSA ofrece conceptos para describir sensores, observaciones, procedimientos, propiedades observadas y entidades de interés.

Estos estándares resuelven problemas importantes de representación e interoperabilidad, pero no prescriben por sí mismos una teoría de la transformación bioeconómica. The Nebula Framework™ utiliza sus fundamentos para construir una Ontology especializada donde la temporalidad, la materialidad, el contexto territorial, la Evidence y la evolución de modelos sean componentes centrales.

Los Knowledge Graphs ofrecen mecanismos para integrar colecciones heterogéneas y dinámicas de datos, combinando esquemas, identidad, relaciones, inferencia deductiva e inductiva. Sin embargo, su utilidad depende de la calidad de los datos, la gobernanza de las identidades, la semántica de las relaciones y la capacidad de distinguir conocimiento afirmado, observado e inferido.

En Nebula, el Knowledge Graph no constituye la verdad del proceso. Constituye una representación gobernada de afirmaciones y relaciones, cada una vinculada ---cuando corresponda--- con su procedencia, temporalidad, nivel de confianza y método de obtención.

#2.4 FAIR y la reutilización científica

Los principios FAIR establecen que los objetos digitales de investigación deberían ser localizables, accesibles, interoperables y reutilizables. También enfatizan identificadores persistentes, metadatos ricos, protocolos estandarizados, vocabularios formales y procedencia detallada. FAIR no prescribe una tecnología única; define propiedades deseables para los datos, metadatos, algoritmos y flujos de trabajo científicos.

La Tesis Nebula™ adopta FAIR como referencia, pero añade una preocupación específica: los objetos científicos no deben ser reutilizables únicamente como archivos o conjuntos de datos. Deben conservar las relaciones que permiten reconstruir cómo fueron generados, qué estado del proceso describen y qué transformaciones epistemológicas condujeron desde una Observation hasta una Inference.

#2.5 Bioeconomía sostenible y necesidad de gobernanza

La bioeconomía no es automáticamente sostenible. El uso intensivo de recursos biológicos puede producir beneficios económicos y, al mismo tiempo, generar conflictos sobre biodiversidad, tierra, agua, derechos, concentración de poder o distribución de valor. FAO ha propuesto principios y criterios para orientar una bioeconomía sostenible y circular, así como herramientas de gobernanza, monitoreo y evaluación para apoyar políticas y estrategias.

Computational Bioeconomy™ no puede limitarse a optimizar rendimientos. Debe incorporar mecanismos para representar impactos, derechos, restricciones, incertidumbres y responsabilidades. Una infraestructura que incrementa la capacidad de observar procesos también puede incrementar la capacidad de vigilar, excluir o apropiarse del conocimiento. Por ello, Governance no es una capa administrativa añadida al final; es un fundamento constitutivo del Framework.

#3. El problema fundamental

La Tesis Nebula™ identifica una discontinuidad entre la transformación biológica real y su representación digital.

En el mundo material, el proceso evoluciona continuamente. Cambian las poblaciones microbianas, las concentraciones de metabolitos, el equilibrio gaseoso, la estructura de los tejidos, la disponibilidad de nutrientes, la temperatura, el pH y otros atributos. Algunas variaciones son graduales; otras se manifiestan como transiciones, umbrales o desviaciones abruptas.

En los sistemas de información, esa continuidad suele fragmentarse en formularios, hojas de cálculo, fotografías, certificados, registros de sensores, resultados de laboratorio y conocimiento tácito de los operadores. Cada fuente puede ser correcta localmente, pero la relación entre ellas permanece implícita. El resultado final se conserva; la lógica de la transformación se debilita.

Esta discontinuidad produce seis problemas.

El primero es la pérdida de temporalidad. Un promedio o resultado final puede ocultar oscilaciones, tasas de cambio y secuencias críticas. Dos procesos con el mismo valor final pueden haber recorrido trayectorias distintas.

El segundo es la pérdida de contexto. Sin información sobre ubicación, variedad, madurez, condiciones ambientales, instrumento, procedimiento y operador, una observación puede ser estadísticamente procesable pero científicamente ambigua.

El tercero es la fragmentación de la Evidence. La evidencia física, instrumental, documental y analítica se distribuye entre sistemas que utilizan identificadores y formatos incompatibles.

El cuarto es la confusión entre Observation e Inference. Un valor medido puede mezclarse con una estimación, una clasificación algorítmica o una interpretación humana sin que el usuario pueda distinguir sus orígenes.

El quinto es la confianza por declaración. Las afirmaciones sobre calidad, origen o sostenibilidad suelen depender de certificados o testimonios cuya relación con el proceso subyacente no siempre puede ser inspeccionada.

El sexto es la asimetría del conocimiento. Los actores que generan la transformación ---incluidos los Caficultores y operadores locales--- pueden producir datos valiosos sin conservar control, reconocimiento o participación proporcional en el valor derivado de esos datos.

The Nebula Framework™ responde a estos problemas mediante una arquitectura en la que las observaciones se organizan como parte de trayectorias, las trayectorias se interpretan mediante modelos, las inferencias conservan procedencia y la gobernanza establece límites de acceso, uso y atribución.

#4. Hipótesis central y proposiciones derivadas

#4.1 Hipótesis central

H₀-Nebula: Todo proceso biológico susceptible de observación y medición puede representarse como una Biological Trajectory computacionalmente interpretable y verificable, preservando su contexto, evolución y Evidence para generar conocimiento reproducible y decisiones de mayor calidad.

El símbolo H₀-Nebula identifica la hipótesis fundacional, no una hipótesis nula en el sentido estadístico convencional.

La hipótesis contiene cuatro afirmaciones separables.

Primero, sostiene que existe una unidad representacional adecuada: la Biological Trajectory. Segundo, sostiene que esa trayectoria puede conservar contexto y procedencia suficientes para ser interpretada. Tercero, sostiene que las observaciones organizadas de esta manera pueden contribuir a conocimiento reproducible. Cuarto, sostiene que dicho conocimiento puede mejorar determinadas decisiones frente a métodos de registro menos integrados.

Ninguna de estas afirmaciones se considera demostrada por la publicación del Framework.

#4.2 Proposiciones derivadas

P1 --- Valor temporal. La secuencia y la tasa de cambio de las observaciones contienen información que no puede recuperarse completamente a partir de valores iniciales y finales.

P2 --- Dependencia contextual. La capacidad de comparar procesos mejora cuando las observaciones están vinculadas con un Digital Terroir® explícito.

P3 --- Procedencia epistemológica. Una Inference es más auditable cuando conserva la relación con la Evidence, el modelo, la versión y los supuestos que la produjeron.

P4 --- Interoperabilidad semántica. La integración entre sistemas mejora cuando las entidades y relaciones utilizan una Ontology compartida o alineamientos explícitos entre ontologías.

P5 --- Evolución del conocimiento. Un modelo versionado que incorpora nueva Evidence sin borrar sus estados anteriores ofrece mayor capacidad de revisión que un modelo reemplazado sin historial.

P6 --- Confianza verificable. Las afirmaciones respaldadas por Proof of Process™ pueden evaluarse con mayor precisión que afirmaciones equivalentes basadas únicamente en declaraciones no vinculadas con evidencia.

P7 --- Utilidad operacional. Las decisiones apoyadas por trayectorias contextualizadas pueden reducir errores o variabilidad en ciertos procesos, siempre que la calidad de medición y la calibración del modelo sean suficientes.

#4.3 Condiciones de refutación

La tesis deberá considerarse refutada total o parcialmente si estudios reproducibles demuestran que:

1. la representación temporal no aporta información significativa frente a registros convencionales;
2. la incorporación de contexto no mejora la comparabilidad ni la explicación;
3. la procedencia añadida no permite reconstruir o auditar inferencias;
4. las ontologías introducen ambigüedad, rigidez o costos superiores a sus beneficios;
5. los modelos no generalizan fuera de los conjuntos utilizados para desarrollarlos;
6. Proof of Process™ no mejora la capacidad de verificar afirmaciones;
7. la infraestructura genera daños sociales, económicos o ambientales sistemáticos que no pueden mitigarse mediante Governance.

La refutación puede ser local. Un fracaso en un dominio no implica necesariamente que la hipótesis sea inválida para todos los procesos biológicos. Sin embargo, cada fracaso deberá modificar explícitamente el alcance de la tesis.

#5. Principios fundamentales

#5.1 La transformación es el activo principal

Un producto biológico concentra la historia de su transformación, pero no la revela por completo. El resultado final puede analizarse, clasificarse o valorarse, aunque su composición actual no permita reconstruir todas las condiciones que lo produjeron.

The Nebula Framework™ considera que la trayectoria posee valor científico y económico independiente. Este valor no reemplaza al producto físico. Lo complementa mediante conocimiento sobre el proceso: estabilidad, variabilidad, respuesta a intervenciones, relación con atributos de calidad y posibilidad de reproducción.

Reconocer la transformación como activo implica que sus representaciones deben poseer identidad, gobernanza, procedencia y ciclo de vida. Una trayectoria no es simplemente un archivo adjunto a un lote. Es un objeto científico compuesto por múltiples observaciones y relaciones.

#5.2 Los datos carecen de significado sin contexto

Un valor aislado puede ser exacto y, aun así, resultar inútil. La semántica de una Observation depende de conocer qué propiedad se observó, sobre qué entidad, mediante qué procedimiento, con qué instrumento, en qué unidad, durante qué intervalo y bajo qué condiciones.

Digital Terroir® amplía este contexto incorporando dimensiones territoriales y biológicas. En lugar de tratar el origen como una coordenada estática, representa un entorno de relaciones que puede incluir altitud, clima, variedad, manejo agronómico, infraestructura, prácticas culturales, historia del material y condiciones de transformación.

El objetivo no es capturar infinitamente el territorio. Es seleccionar variables contextuales justificadas por hipótesis, evidencia o necesidades de gobernanza. Una representación que intenta registrar todo puede ser tan ineficaz como una representación que registra demasiado poco.

#5.3 La Evidence debe preservarse desde el origen

Evidence designa cualquier objeto o registro que pueda respaldar o cuestionar una afirmación. Puede incluir una lectura instrumental, un resultado de laboratorio, una observación humana, una fotografía, un certificado de calibración, un registro de intervención o una muestra física identificada.

La Evidence no debe confundirse con verdad. Un sensor puede fallar, una muestra puede no ser representativa y un registro humano puede contener errores. Preservar evidencia significa conservarla junto con la información necesaria para evaluar su calidad.

PROV-O proporciona una base para representar entidades, actividades, agentes y relaciones de procedencia en sistemas heterogéneos. The Nebula Framework™ especializa esa lógica para describir cómo una Observation fue generada, transformada, validada, agregada o utilizada por una Inference.

#5.4 El conocimiento debe construirse sobre observaciones verificables

Una Observation es una afirmación sobre el resultado de un acto de observación. No necesariamente es correcta, pero debe estar vinculada con el procedimiento que la originó.

Una Inference es una afirmación derivada mediante razonamiento, cálculo, regla, modelo estadístico, simulación o interpretación experta. Su legitimidad depende de que pueda distinguirse de las observaciones de entrada.

Esta separación evita que un valor predicho sea presentado como medido o que una interpretación sea confundida con evidencia directa. También permite comparar inferencias producidas por modelos diferentes sobre la misma trayectoria.

---

Objeto epistemológico Origen Ejemplo Requisito mínimo

---

Observation Acto de medición o inspección pH medido a las 14:05 Procedimiento, tiempo, entidad observada y unidad

Evidence Registro que respalda una afirmación Serie firmada de lecturas y certificado de calibración Identidad, integridad y procedencia

Inference Transformación analítica o razonamiento Probabilidad estimada de alcanzar un perfil objetivo Modelo, versión, entradas y nivel de incertidumbre

Decision Acción seleccionada Modificar temperatura o finalizar fermentación Responsable, fundamento y efectos esperados

Knowledge Claim Afirmación integrada Determinada trayectoria se asocia con un resultado Evidencia, alcance, limitaciones y estado de revisión

---

#5.5 Los modelos deben evolucionar

Los procesos biológicos pueden cambiar entre variedades, territorios, temporadas, escalas y equipos. Un modelo desarrollado para una población puede degradarse cuando cambian las condiciones.

La Living Knowledge Infrastructure™ debe detectar estas diferencias, documentar el rendimiento de los modelos y conservar versiones anteriores. La evolución no consiste en actualizar parámetros silenciosamente. Requiere registrar qué Evidence motivó el cambio, qué desempeño mejoró, qué grupos fueron afectados y qué supuestos dejaron de ser válidos.

La infraestructura deberá permitir que varias interpretaciones compitan. El Framework no debe convertir un único modelo institucional en una autoridad incuestionable.

#5.6 La confianza debe derivarse de pruebas

Trust Infrastructure no significa eliminar la confianza interpersonal. Significa reducir la dependencia de afirmaciones cuya evidencia no puede inspeccionarse.

Proof of Process™ vincula declaraciones con observaciones, identidades, procedimientos y modelos. Su fuerza depende de la calidad de esas relaciones. Una cadena criptográficamente íntegra puede preservar datos incorrectos; una firma digital puede demostrar quién emitió una afirmación sin demostrar que la afirmación sea verdadera.

Por tanto, la confianza verificable requiere integridad técnica, calidad metrológica, semántica adecuada, Governance y capacidad de impugnación.

#6. Arquitectura conceptual de The Nebula Framework™

architecture-beta
    group physical(cloud)[Physical and Biological Domain]
    group evidence(database)[Evidence Domain]
    group knowledge(cloud)[Knowledge Domain]
    group operations(cloud)[Operational Domains]
    group trust(cloud)[Trust and Governance]

    service process(server)[Biological Process] in physical
    service terroir(server)[Digital Terroir] in physical
    service observation(server)[Observation] in evidence
    service trajectory(database)[Biological Trajectory] in evidence
    service scientific(server)[Scientific Model] in knowledge
    service semantic(database)[Knowledge Model] in knowledge
    service graph(database)[Knowledge Graph] in knowledge
    service ferment(server)[FermentOps] in operations
    service roast(server)[RoastOps] in operations
    service trace(server)[TraceOps] in operations
    service origin(database)[Originblok] in trust
    service proof(server)[Proof of Process] in trust
    service governance(server)[Governance] in trust

    process:R -- L:observation
    terroir:R -- L:trajectory
    observation:R -- L:trajectory
    trajectory:R -- L:scientific
    trajectory:R -- L:semantic
    semantic:R -- L:graph
    scientific:B -- T:ferment
    scientific:B -- T:roast
    graph:B -- T:trace
    trajectory:B -- T:origin
    origin:R -- L:proof
    governance:T -- B:proof

#6.1 Computational Bioeconomy™

Computational Bioeconomy™ es el campo que estudia y construye infraestructuras para representar, interpretar y gobernar recursos y procesos biológicos mediante modelos computacionales.

El término no implica que la economía biológica deba ser subordinada a la computación. Indica que las decisiones sobre transformación, sostenibilidad, calidad y distribución de valor pueden apoyarse en representaciones explícitas y verificables.

Computational Bioeconomy™ se diferencia de la digitalización empresarial convencional porque su unidad de análisis incluye fenómenos biológicos, conocimiento científico, contexto territorial y consecuencias socioeconómicas. También se diferencia de la bioinformática tradicional porque no se limita a secuencias, estructuras moleculares o datos ómicos. Integra procesos operacionales, materiales, actores y cadenas de transformación.

#6.2 Digital Terroir®

Digital Terroir® es el modelo contextual de las condiciones territoriales, biológicas, ambientales y humanas que influyen sobre una trayectoria.

No debe ser interpretado como un identificador comercial de origen ni como una afirmación determinista según la cual el lugar explica por sí solo el resultado. Su propósito es representar dependencias contextuales y permitir comparaciones condicionadas.

Digital Terroir® podrá contener observaciones relativamente estables, como características geográficas o variedad, y observaciones dinámicas, como clima, manejo, estado de madurez, disponibilidad hídrica o condiciones de infraestructura. Cada componente deberá declarar su procedencia y resolución temporal.

La utilidad científica del concepto dependerá de demostrar que las variables incluidas contribuyen a explicar diferencias entre trayectorias. Los elementos sin poder explicativo o sin justificación de gobernanza no deberían conservarse por defecto.

#6.3 Biological Trajectory

La Biological Trajectory es una estructura temporal que representa la evolución observada e inferida de un proceso biológico.

Una trayectoria contiene estados, transiciones y relaciones. Un estado describe el sistema dentro de una ventana temporal. Una transición describe un cambio entre estados. Las observaciones pueden ser continuas, discretas, cualitativas o derivadas. La trayectoria también puede contener intervalos sin datos, eventos inesperados y cambios en la configuración de medición.

stateDiagram
    [*] --> Initialized
    Initialized --> Observed: primera Observation válida
    Observed --> Evolving: acumulación temporal de Evidence
    Evolving --> Intervention: acción operacional
    Intervention --> Evolving: respuesta observada
    Evolving --> Completed: criterio de finalización
    Evolving --> Deviated: desviación significativa
    Deviated --> Evolving: corrección documentada
    Deviated --> Terminated: proceso interrumpido
    Completed --> Evaluated: resultados analíticos
    Evaluated --> Modelled: Inference y aprendizaje
    Modelled --> Archived: preservación gobernada
    Archived --> [*]

Una Biological Trajectory no requiere que todas las variables sean observadas con la misma frecuencia. Requiere que las diferencias de resolución, calidad y cobertura estén representadas explícitamente.

#6.4 Scientific Model

Scientific Model es cualquier modelo utilizado para describir, explicar, simular o predecir aspectos de una Biological Trajectory. Puede adoptar forma mecanística, estadística, probabilística, lógica, híbrida o basada en aprendizaje automático.

El Framework no establece que un tipo de modelo sea universalmente superior. Los modelos mecanísticos pueden ofrecer interpretabilidad causal, pero requerir conocimiento incompleto de las interacciones. Los modelos estadísticos pueden identificar asociaciones útiles, pero fallar fuera de su dominio de entrenamiento. Los modelos híbridos pueden combinar restricciones físicas o biológicas con aprendizaje a partir de datos.

Cada Scientific Model deberá poseer identidad, versión, alcance, supuestos, variables de entrada, resultados, métricas de desempeño y condiciones conocidas de fallo.

#6.5 Knowledge Model

Knowledge Model define el significado de entidades y relaciones. Incluye la Ontology, vocabularios, reglas de identidad, restricciones semánticas y alineamientos con estándares externos.

Su función es impedir que dos sistemas utilicen una misma palabra con significados incompatibles o palabras distintas para referirse a la misma entidad sin establecer equivalencias.

OWL 2 puede proporcionar formalización ontológica; SHACL, validación de grafos; SSN/SOSA, representación de observaciones y sensores; PROV-O, procedencia; y EPCIS, interoperabilidad de eventos de trazabilidad. Estas tecnologías constituyen referencias y bloques compatibles, no una implementación obligatoria única.

#6.6 Living Knowledge Infrastructure™

Living Knowledge Infrastructure™ es el sistema de relaciones que permite que Evidence, modelos y afirmaciones evolucionen sin perder su historia.

Su carácter vivo depende de cuatro capacidades: incorporar observaciones nuevas, revisar inferencias previas, preservar versiones y permitir controversia. Una infraestructura que solo agrega datos, pero no revisa sus interpretaciones, no cumple esta definición.

La infraestructura deberá registrar cuándo una afirmación fue aceptada, cuestionada, reemplazada o restringida. También deberá distinguir entre cambios en la realidad observada y cambios en el modelo utilizado para interpretarla.

sequenceDiagram
    participant P as Proceso biológico
    participant S as Sensor u observador
    participant E as Evidence Layer
    participant K as Knowledge Model
    participant M as Scientific Model
    participant G as Governance
    participant D as Decisor

    P->>S: Estado o transición observable
    S->>E: Observation + contexto + procedencia
    E->>K: Representación semántica
    K->>M: Variables contextualizadas
    M->>E: Inference + incertidumbre + versión
    E->>G: Solicitud de validación o revisión
    G->>D: Evidence e Inference autorizadas
    D->>P: Decisión o intervención
    D->>E: Fundamento y responsabilidad

#6.7 Proof of Process™

Proof of Process™ es un mecanismo compuesto de verificación. No es una única prueba criptográfica ni un certificado universal. Integra, según el caso, identidad, procedencia, integridad, temporalidad, metrología, reglas semánticas y validaciones independientes.

Una afirmación como «este lote fue fermentado dentro de un intervalo específico de temperatura» solo constituye Proof of Process™ si puede vincularse con la entidad correcta, el periodo adecuado, sensores identificados, calidad de medición, reglas de agregación y evidencia de que los datos no fueron asociados retrospectivamente con un lote diferente.

La fortaleza de la prueba puede expresarse por niveles. Un nivel básico podría depender de registros manuales firmados. Un nivel instrumental incluiría series de sensores y calibración. Un nivel reproducible añadiría métodos, modelos y resultados analíticos independientes. El Framework deberá evitar presentar estos niveles como equivalentes.

#6.8 Originblok®

Originblok® es la infraestructura de identidad y procedencia que conecta origen, materiales, procesos, actores y Evidence.

El término «blok» no obliga a utilizar una red blockchain específica. La decisión tecnológica deberá depender de requisitos de gobernanza, escalabilidad, privacidad, interoperabilidad y costo. En algunos escenarios, una base de datos con controles robustos y firmas verificables puede ser suficiente. En otros, una estructura distribuida puede aportar valor.

La finalidad de Originblok® no es convertir cada observación en un activo financiero. Es conservar relaciones verificables sin impedir que los propietarios legítimos de la información establezcan condiciones de acceso y uso.

#6.9 FermentOps®, RoastOps® y TraceOps®

FermentOps® aplica el Framework a la observación, interpretación y gobernanza de fermentaciones. Su foco es la evolución biológica y fisicoquímica, las intervenciones y la relación con resultados de calidad.

RoastOps® aplica el Framework a la transformación térmica. Integra perfiles de energía, tiempo, cambios físicos, condiciones del equipo y evaluación del producto, manteniendo continuidad con la trayectoria previa del material.

TraceOps® coordina identidades, eventos, transformaciones, custodias y declaraciones a través de la cadena. Su función no se limita al seguimiento logístico; conecta la procedencia material con la procedencia del conocimiento.

Los tres dominios deben operar sobre una Semantic Infrastructure común. Si cada uno redefine de forma independiente conceptos como lote, muestra, proceso, ubicación o resultado, el Framework reproducirá la fragmentación que pretende resolver.

#7. De los datos al conocimiento reproducible

La transformación de datos en conocimiento no es automática. Requiere un ciclo epistemológico gobernado.

flowchart LR
    A[Proceso biológico] --> B[Observation]
    B --> C[Evidence contextualizada]
    C --> D[Representación semántica]
    D --> E[Scientific Model]
    E --> F[Inference]
    F --> G[Validación]
    G --> H[Knowledge Claim]
    H --> I[Decisión]
    I --> A
    G -->|refutación o revisión| D
    G -->|recalibración| E

Una Observation entra al Framework acompañada por metadatos mínimos. Después se evalúa su calidad, se relaciona con entidades existentes y se incorpora a una Biological Trajectory. El Scientific Model utiliza las observaciones pertinentes para generar una Inference. La inferencia es sometida a validación estadística, lógica, experimental u operativa, dependiendo de su naturaleza.

Solo después de este proceso puede producirse una Knowledge Claim. Incluso entonces, la afirmación debe mantener un estado: preliminar, respaldada, refutada, restringida o en revisión.

Esta estructura impide que el Knowledge Graph se convierta en una acumulación indiferenciada de afirmaciones. Las relaciones deben expresar no solo contenido, sino también estatus epistemológico.

La reproducibilidad requiere más que repetir un cálculo. Un tercero debe poder identificar el conjunto de datos, la versión del modelo, los parámetros, las transformaciones, las exclusiones y las condiciones bajo las cuales se obtuvo el resultado. Los principios FAIR apoyan este objetivo al extender la reutilización hacia datos, algoritmos y flujos de trabajo, con énfasis en identificadores, metadatos, vocabularios y procedencia.

#8. El café de especialidad como dominio inicial de validación

La selección del café de especialidad no implica que sea el único dominio compatible con la tesis. Constituye un entorno experimentalmente relevante porque conecta biología, territorio, transformación poscosecha, evaluación sensorial, logística y diferenciación económica.

La fermentación del café es un proceso multivariable. El estado de la materia prima, la diversidad microbiana, el agua disponible, la temperatura, el tiempo, la transferencia de masa, la disponibilidad de oxígeno y las decisiones del operador pueden modificar su evolución. La literatura contemporánea sobre alimentos fermentados reconoce que los ecosistemas microbianos son dinámicos y que su variabilidad dificulta la estandarización, mientras que los enfoques multi-ómicos y de Systems Biology ofrecen posibilidades para caracterizar composición, función e interacciones.

The Nebula Framework™ no presupone que toda fermentación deba estandarizarse hasta eliminar la diversidad. La variabilidad puede contener valor biológico, territorial y sensorial. El objetivo es distinguir variabilidad significativa de variabilidad no controlada y permitir que las decisiones sobre consistencia o diferenciación sean explícitas.

Digital Terroir® permitirá investigar hasta qué punto variables territoriales y de manejo explican diferencias entre Biological Trajectories. FermentOps® permitirá capturar las observaciones del proceso. Originblok® conservará identidades y procedencia. TraceOps® mantendrá continuidad entre cereza, café procesado, almacenamiento, tostado y evaluación. RoastOps® permitirá estudiar cómo la transformación térmica expresa, modifica o enmascara atributos generados previamente.

La validación deberá realizarse con participación de Caficultores, operadores, investigadores, catadores, ingenieros y especialistas en datos. Un modelo que prediga calidad sin reconocer el conocimiento local o que transfiera valor informacional fuera del territorio sin reglas de beneficio compartido sería técnicamente incompleto y socialmente cuestionable.

#9. Programa científico de validación

#9.1 Diseño general

La validación inicial deberá comparar procesos representados mediante The Nebula Framework™ con procesos documentados mediante métodos convencionales. No basta con demostrar que la infraestructura puede almacenar datos. Debe demostrarse que mejora una o más capacidades relevantes.

Las unidades experimentales deberán definirse con precisión. Los ensayos deberían incluir replicación, controles, variación planificada de condiciones y evaluación independiente de resultados. Cuando la aleatorización completa no sea posible por restricciones productivas, deberán documentarse los factores de confusión.

#9.2 Dimensiones de evaluación

---

Dimensión Pregunta de investigación Indicador posible Riesgo de interpretación

---

Cobertura temporal ¿La trayectoria representa las fases críticas? Proporción de intervalos observados Confundir frecuencia con relevancia

Calidad de Evidence ¿Las observaciones son confiables? Incertidumbre, calibración, completitud Suponer que integridad digital equivale a exactitud

Interoperabilidad ¿Los datos pueden intercambiarse sin perder significado? Validación semántica y mapeos correctos Medir solo compatibilidad sintáctica

Capacidad explicativa ¿El modelo relaciona condiciones y resultados? Desempeño fuera de muestra y análisis de sensibilidad Confundir correlación con causalidad

Utilidad operacional ¿Las decisiones mejoran? Reducción de variabilidad, errores o tiempos Ignorar costos y efectos no deseados

Auditabilidad ¿Un tercero puede reconstruir una afirmación? Porcentaje de claims con procedencia completa Evaluar solo presencia documental

Equidad ¿La infraestructura distribuye valor y control de forma legítima? Participación, consentimiento y beneficios Reducir equidad a acceso técnico

---

#9.3 Validación de modelos

Los Scientific Models deberán evaluarse con datos no utilizados en su entrenamiento. Cuando exista suficiente información, la validación deberá incluir diferentes cosechas, ubicaciones, variedades, escalas y operadores.

Las métricas dependerán de la tarea. Un modelo de regresión requerirá errores y análisis de calibración; un clasificador requerirá sensibilidad, especificidad y desempeño por subgrupos; un modelo temporal requerirá evaluar anticipación y estabilidad; un modelo causal requerirá diseños e hipótesis adicionales.

No deberá aceptarse un modelo únicamente por alcanzar un promedio global favorable. Podría funcionar bien en una región y fallar en otra, o beneficiar procesos con mayor densidad de sensores y perjudicar operaciones con infraestructura limitada.

#9.4 Validación semántica

El Knowledge Model deberá someterse a pruebas de consistencia, competencia y utilidad. Las preguntas de competencia deberán expresar qué consultas debe responder la Ontology. Por ejemplo: qué observaciones respaldan una inferencia; qué instrumento produjo una serie; qué intervención precedió una desviación; o qué versión del modelo sustentó una decisión.

SHACL puede utilizarse para validar estructuras mínimas en grafos RDF, pero la conformidad con una forma no garantiza que los datos sean científicamente correctos. La validación semántica deberá combinar restricciones automatizadas y revisión de dominio.

#9.5 Validación de Proof of Process™

Proof of Process™ deberá someterse a pruebas adversariales. Los evaluadores intentarán detectar asociaciones incorrectas, registros incompletos, sustitución de identidades, manipulación temporal, pérdida de calibración o inferencias no reproducibles.

La prueba será útil si permite identificar no solo procesos conformes, sino también los límites de la evidencia disponible. Un sistema que produce siempre una apariencia de certeza sería menos confiable que uno capaz de declarar evidencia insuficiente.

#9.6 Replicación y publicación

Los estudios deberán publicar métodos, estructuras semánticas, versiones de modelos y conjuntos de datos cuando las restricciones legales, comerciales y de privacidad lo permitan. Cuando los datos no puedan abrirse, deberán publicarse metadatos, métodos y mecanismos de acceso controlado suficientes para evaluar la investigación.

La validez definitiva de la tesis dependerá de publicaciones revisadas por pares, replicaciones independientes y resultados negativos documentados. Los experimentos que no respalden la hipótesis forman parte de la Living Knowledge Infrastructure™ y no deben ser eliminados del registro institucional.

#10. Interoperability y Semantic Infrastructure

Interoperability no significa únicamente que dos sistemas puedan intercambiar archivos. Requiere que el receptor interprete las entidades, unidades, relaciones y estados epistemológicos de manera compatible con el emisor.

The Nebula Framework™ distingue cuatro niveles:

1. Interoperabilidad técnica, relacionada con protocolos, formatos y mecanismos de acceso.
2. Interoperabilidad estructural, relacionada con esquemas, campos y cardinalidades.
3. Interoperabilidad semántica, relacionada con significado, identidad y relaciones.
4. Interoperabilidad epistemológica, relacionada con la distinción entre Observation, Evidence, Inference y Knowledge Claim.

El cuarto nivel constituye una contribución central. Dos sistemas pueden compartir un valor de «temperatura» mediante el mismo formato y, aun así, diferir sobre si se trata de una lectura directa, un promedio, una interpolación o una predicción.

La Semantic Infrastructure deberá permitir alineamientos con estándares externos sin absorberlos de forma acrítica. PROV-O, SOSA/SSN, OWL, SHACL, EPCIS y otros vocabularios podrán ser reutilizados cuando sus conceptos sean compatibles. Cuando no lo sean, el Framework deberá declarar extensiones y reglas de correspondencia.

La arquitectura deberá favorecer identificadores persistentes y separación entre identidad y ubicación. Una entidad no debería perder su identidad porque cambie el sistema que la aloja.

#11. Governance, soberanía y responsabilidad

Governance define quién puede crear, modificar, validar, consultar, combinar y eliminar objetos del Framework. También define quién responde por decisiones basadas en sus inferencias.

La gobernanza no puede reducirse a permisos informáticos. Debe incluir autoridad científica, representación territorial, derechos sobre datos, mecanismos de impugnación, resolución de conflictos y gestión de modelos.

#11.1 Soberanía de datos y conocimiento

Los datos generados en una finca, planta o laboratorio pueden involucrar varios derechos e intereses. El propietario del equipo, el operador, el Caficultor, la organización financiadora y el investigador pueden contribuir de maneras diferentes.

The Nebula Framework™ deberá evitar la presunción de que quien almacena los datos adquiere automáticamente todos los derechos sobre ellos. Los acuerdos deberán definir finalidad, duración, acceso, reutilización, entrenamiento de modelos, transferencia a terceros y participación en beneficios.

El conocimiento tradicional o local no debe ser tratado como materia prima gratuita para modelos propietarios. Su incorporación requiere consentimiento, atribución y mecanismos proporcionales de valor compartido.

#11.2 Gobernanza de modelos

Todo Scientific Model con efectos operacionales deberá contar con un responsable identificable. Las versiones deberán ser aprobadas según su riesgo y ámbito de uso.

Los modelos deberán incluir documentación sobre datos de entrenamiento, desempeño, limitaciones, sesgos conocidos y condiciones de retirada. Las decisiones de alto impacto no deberían depender de una inferencia no explicable o no revisable.

#11.3 Privacidad, confidencialidad y transparencia

La transparencia absoluta no es siempre legítima. Una trayectoria puede contener secretos comerciales, datos personales, ubicaciones sensibles o conocimiento comunitario protegido.

Proof of Process™ deberá poder verificar determinadas afirmaciones sin revelar necesariamente toda la Evidence. Esto puede requerir controles de acceso, divulgación selectiva o pruebas criptográficas especializadas. Sin embargo, la privacidad no debe utilizarse para impedir auditorías legítimas.

#11.4 Responsabilidad humana

El Framework no atribuye agencia moral a los modelos. Una Inference puede apoyar una decisión, pero la responsabilidad permanece en los actores e instituciones que diseñan, autorizan y aplican el sistema.

La automatización deberá incluir mecanismos de intervención humana, registro de excepciones y revisión posterior. Cuando una recomendación sea rechazada, el sistema deberá permitir documentar la razón sin asumir que la desviación humana es necesariamente un error.

#12. Implicaciones científicas y tecnológicas

#12.1 Una ciencia de trayectorias bioeconómicas

La Tesis Nebula™ propone que las trayectorias de transformación constituyen objetos de investigación comparables. Esto abre preguntas sobre clasificación de trayectorias, identificación de estados críticos, detección de transiciones y relaciones entre procesos sucesivos.

En café, una trayectoria de fermentación podría relacionarse con una trayectoria de secado y posteriormente con una trayectoria de tostado. El resultado sensorial no se atribuiría a un único punto, sino a una cadena de transformaciones parcialmente observadas.

#12.2 Modelos híbridos

Los datos disponibles en procesos reales suelen ser incompletos. Los modelos puramente basados en datos pueden requerir más observaciones de las disponibles, mientras que los modelos mecanísticos pueden depender de parámetros difíciles de estimar.

El Framework favorece la investigación de modelos híbridos que integren restricciones fisicoquímicas, conocimiento experto y aprendizaje estadístico. Esta elección es una agenda, no una conclusión demostrada.

#12.3 Infraestructura para ciencia distribuida

Living Knowledge Infrastructure™ podría permitir que múltiples organizaciones aporten Evidence sin centralizar todo el control. Ello requerirá estándares de identidad, acuerdos de gobernanza, mecanismos de calidad y alineamientos semánticos.

Los avances recientes en composición y digital thread dentro de ISO 23247 muestran una tendencia hacia la interoperación de múltiples Digital Twins. The Nebula Framework™ extiende esa necesidad hacia trayectorias biológicas y conocimiento distribuido.

#12.4 Nuevas formas de confianza

Una infraestructura que vincula afirmaciones con Evidence puede transformar auditorías, certificaciones y relaciones comerciales. Sin embargo, el valor no dependerá del volumen de datos registrados, sino de la capacidad de interpretar y cuestionar sus relaciones.

Proof of Process™ deberá coexistir con inspecciones, laboratorios, normas y juicio experto. No pretende sustituirlos mediante automatización absoluta.

#13. Extensión hacia otros dominios

La tesis se proyecta hacia cacao, vino, tabaco y otros procesos biológicos en los que la transformación temporal genere evidencia relevante.

En cacao, la fermentación, el secado y el tostado forman una cadena de procesos cuya interacción influye en precursores de aroma, acidez, astringencia y estabilidad. El Framework podría estudiar la continuidad entre estas etapas y la capacidad de reproducir determinados perfiles sin eliminar diversidad territorial.

En vino, la representación podría integrar viñedo, vendimia, fermentación, crianza y condiciones de almacenamiento. Digital Terroir® tendría especial relevancia, aunque debería evitar convertir correlaciones geográficas en determinismos.

En tabaco, cualquier aplicación deberá someterse a restricciones éticas y regulatorias específicas debido a los daños asociados con sus productos finales. La capacidad técnica para representar una transformación no constituye por sí sola una justificación para promoverla.

Otros dominios potenciales incluyen bioprocesos alimentarios, ingredientes fermentados, biomateriales, bioinsumos, transformación de residuos orgánicos y determinadas aplicaciones farmacéuticas. Cada extensión requerirá una ontología de dominio, métricas y criterios de gobernanza propios.

#14. Limitaciones y riesgos

La primera limitación es observacional. Ningún conjunto de sensores captura por completo un sistema biológico. Variables relevantes pueden permanecer sin medir, y algunas mediciones pueden alterar el sistema observado.

La segunda es metrológica. Deriva, calibración deficiente, ubicación incorrecta, contaminación de muestras o errores de sincronización pueden producir trayectorias aparentemente precisas pero incorrectas.

La tercera es semántica. Las ontologías pueden consolidar supuestos discutibles. Un concepto definido prematuramente puede limitar interpretaciones futuras o excluir conocimiento local.

La cuarta es estadística. Las asociaciones pueden reflejar factores de confusión. Una mayor cantidad de datos no elimina automáticamente sesgos de selección ni garantiza causalidad.

La quinta es temporal. Los modelos pueden degradarse cuando cambian variedades, clima, prácticas, equipos o mercados. Temporal Evolution deberá aplicarse también al desempeño de los modelos.

La sexta es económica. Sensores, conectividad, capacitación y mantenimiento pueden resultar inaccesibles para actores pequeños. Una infraestructura que solo funciona en operaciones altamente capitalizadas podría ampliar desigualdades.

La séptima es política. La concentración de datos puede concentrar poder. Las organizaciones que controlen identidades, ontologías o modelos podrían imponer categorías y condiciones comerciales.

La octava es epistemológica. La representación computacional puede generar una ilusión de exhaustividad. El Framework deberá conservar espacios explícitos para incertidumbre, conocimiento no formalizado y fenómenos todavía no comprendidos.

La novena es ambiental. La infraestructura digital consume energía, materiales y capacidad computacional. Su huella debe compararse con los beneficios reales obtenidos.

La décima es institucional. La marca Nebula™ podría crear incentivos para defender la tesis frente a evidencia contraria. La Governance científica deberá proteger la publicación de resultados negativos y la revisión independiente.

#15. Agenda de investigación

La agenda inicial se organiza alrededor de seis programas.

#15.1 Ontología de transformación biológica

El primer programa desarrollará conceptos formales para materiales, estados, transiciones, observaciones, muestras, intervenciones, procesos y resultados. Deberá evaluar alineamientos con PROV-O, SSN/SOSA, EPCIS y otras ontologías relevantes.

#15.2 Reconstrucción de Biological Trajectories

El segundo programa investigará cómo integrar series temporales, observaciones discretas, eventos operacionales y datos faltantes. Se estudiarán métodos para segmentación de estados, detección de cambios y representación de incertidumbre.

#15.3 Scientific Models y causalidad

El tercer programa comparará modelos estadísticos, mecanísticos e híbridos. Se priorizarán diseños que permitan distinguir predicción de explicación y asociación de causalidad.

#15.4 Proof of Process™

El cuarto programa definirá niveles de prueba, requisitos de evidencia y pruebas adversariales. También evaluará mecanismos de divulgación selectiva y verificación independiente.

#15.5 Computational Bioeconomy™ y distribución de valor

El quinto programa estudiará cómo el conocimiento derivado de datos transforma relaciones económicas. Analizará atribución, soberanía, participación de Caficultores, licencias y modelos de beneficio compartido.

#15.6 Interoperability y estándares

El sexto programa producirá especificaciones públicas, perfiles de implementación, conjuntos de pruebas y vocabularios. Cuando sea apropiado, se buscará cooperación con universidades, organizaciones de estándares y comunidades técnicas.

timeline
    title Agenda científica de The Nebula Framework™
    Fase 1 : Ontology inicial
           : Instrumentación y protocolos
           : Estudios piloto en café
    Fase 2 : Biological Trajectories comparables
           : Scientific Models preliminares
           : Proof of Process experimental
    Fase 3 : Replicación independiente
           : Extensión a cacao
           : Interoperability multiorganización
    Fase 4 : Estándares candidatos
           : Gobernanza federada
           : Evaluación bioeconómica longitudinal

#16. Relación con los documentos del Framework

La Tesis Nebula™ establece la hipótesis fundacional. No define por sí sola la totalidad del ecosistema documental.

NBL-FWK-002 --- La Visión Nebula™ deberá describir el futuro institucional que el Framework pretende posibilitar.

NBL-FWK-003 --- The Nebula Doctrine™ deberá establecer principios de diseño, interpretación y actuación derivados de la tesis.

NBL-FWK-004 --- The Nebula Constitution™ deberá definir las reglas superiores de Governance, derechos, responsabilidades y mecanismos de modificación.

Los documentos futuros sobre Ontology, Architecture, Scientific Model, Knowledge Model e Interoperability deberán declarar explícitamente su relación con las proposiciones y límites establecidos aquí.

Ninguna especificación técnica deberá presentarse como consecuencia inevitable de la tesis. Las implementaciones son decisiones revisables. La hipótesis científica debe permanecer distinguible de los productos y arquitecturas particulares utilizados para investigarla.

#17. Conclusiones

La Tesis Nebula™ propone un cambio de unidad conceptual: desde el producto aislado hacia la transformación; desde el dato sin contexto hacia la Observation situada; desde la declaración hacia la Evidence; desde el modelo opaco hacia la Inference con procedencia; y desde la base de datos estática hacia la Living Knowledge Infrastructure™.

Este cambio no elimina la incertidumbre de los sistemas biológicos. La hace visible y gobernable.

Computational Bioeconomy™ ofrece un campo para integrar biología, ingeniería, semántica, sistemas distribuidos, economía y gobernanza. Digital Terroir® aporta el contexto territorial y humano. Biological Trajectory organiza la evolución temporal. Scientific Model e Knowledge Model proporcionan capacidades complementarias de explicación y significado. Proof of Process™ y Originblok® construyen mecanismos de verificación. FermentOps®, RoastOps® y TraceOps® materializan estas ideas en dominios operacionales.

La tesis deberá demostrar su valor mediante evidencia experimental. Su publicación no constituye validación. Su condición de documento fundacional implica precisamente lo contrario: establece una proposición suficientemente clara para ser examinada, criticada y, si la evidencia lo exige, refutada.

The Nebula Framework™ será científicamente legítimo solo si conserva esa apertura.

#Glosario

#Biological Trajectory

Representación temporal estructurada de los estados, transiciones, observaciones, intervenciones e incertidumbres de un proceso biológico.

#Computational Bioeconomy™

Campo dedicado a representar, interpretar y gobernar recursos y transformaciones biológicas mediante modelos computacionales, preservando su contexto material, territorial, epistemológico y socioeconómico.

#Decision

Acción adoptada por un actor o sistema autorizado con base en observaciones, inferencias, reglas, experiencia u otras fuentes identificadas.

#Digital Terroir®

Modelo contextual dinámico que representa condiciones territoriales, ambientales, biológicas y humanas relevantes para una transformación.

#Evidence

Objeto, registro o resultado que puede respaldar o cuestionar una afirmación y cuya calidad puede evaluarse mediante procedencia, método e integridad.

#FermentOps®

Dominio operacional del Framework dedicado a fermentaciones y a la representación de su evolución biológica, fisicoquímica y procedimental.

#Governance

Conjunto de reglas, instituciones, derechos, responsabilidades y mecanismos mediante los cuales se administran datos, modelos, identidades, decisiones y controversias.

#Inference

Afirmación derivada de observaciones o conocimiento previo mediante un modelo, regla, cálculo, simulación o interpretación.

#Interoperability

Capacidad de sistemas y organizaciones para intercambiar y utilizar información conservando estructura, significado, procedencia y estatus epistemológico.

#Knowledge Claim

Afirmación integrada que expresa conocimiento provisional o respaldado y conserva su alcance, evidencia, limitaciones y estado de revisión.

#Knowledge Graph

Representación de entidades, relaciones y afirmaciones mediante una estructura de grafo susceptible de consulta, validación e inferencia.

#Knowledge Model

Estructura que define conceptos, identidades, relaciones, restricciones y reglas semánticas de un dominio.

#Living Knowledge Infrastructure™

Infraestructura que incorpora nueva evidencia, revisa inferencias y modelos, conserva versiones históricas y permite controversia y evolución gobernada.

#Observation

Resultado declarado de un acto de observación o medición sobre una entidad o propiedad dentro de un contexto determinado.

#Ontology

Especificación formal o semiforme de conceptos, relaciones y restricciones compartidas dentro de un dominio.

#Originblok®

Infraestructura de identidad, procedencia y persistencia que conecta orígenes, materiales, actores, procesos, observaciones y resultados.

#Proof of Process™

Conjunto de pruebas que vincula una afirmación sobre una transformación con evidencia temporal, contextual, procedimental y verificable.

#RoastOps®

Dominio operacional dedicado a la representación y análisis de transformaciones térmicas de tostado.

#Scientific Model

Representación mecanística, estadística, lógica, probabilística o híbrida utilizada para explicar, simular o predecir aspectos de un proceso.

#Semantic Infrastructure

Conjunto de ontologías, vocabularios, identificadores, reglas, validadores y servicios que preservan el significado compartido.

#Temporal Evolution

Cambio documentado de procesos, datos, modelos, ontologías o afirmaciones a través del tiempo.

#TraceOps®

Dominio operacional que integra identidades, custodias, eventos, transformaciones y declaraciones de trazabilidad.

#Trust Infrastructure

Mecanismos técnicos, científicos y de gobernanza que permiten evaluar la legitimidad, integridad, procedencia y alcance de afirmaciones y evidencias.

#Bibliografía recomendada

1. Food and Agriculture Organization of the United Nations. Aspirational Principles and Criteria for a Sustainable Bioeconomy. FAO, 2021.

2. Gomez San Juan, M. The Bioeconomy Toolbox: A Guide to Support the Development of Sustainable Bioeconomy Strategies and Policies. FAO, 2024.

3. GS1. EPCIS and Core Business Vocabulary Standard, Version 2.0. GS1, 2022.

4. Ghosh, S., Matsuoka, Y., Asai, Y., Hsin, K.-Y., Kitano, H. et al. "Software for Systems Biology: From Tools to Integrated Platforms." Nature Reviews Genetics, vol. 12, 2011, pp. 821--832.

5. Hogan, A., Blomqvist, E., Cochez, M., d'Amato, C., de Melo, G., Gutiérrez, C. et al. "Knowledge Graphs." ACM Computing Surveys, vol. 54, núm. 4, artículo 71, 2021. doi:10.1145/3447772.

6. IETF. RFC 2119: Key Words for Use in RFCs to Indicate Requirement Levels. Best Current Practice 14, 1997.

7. IETF. RFC 8174: Ambiguity of Uppercase vs Lowercase in RFC 2119 Key Words. Best Current Practice 14, 2017.

8. International Organization for Standardization. ISO 22005:2007 --- Traceability in the Feed and Food Chain: General Principles and Basic Requirements for System Design and Implementation. ISO, 2007; confirmada en 2022.

9. International Organization for Standardization. ISO 23247-1:2021 --- Automation Systems and Integration: Digital Twin Framework for Manufacturing --- Overview and General Principles. ISO, 2021.

10. International Organization for Standardization. ISO 23247-2:2021 --- Automation Systems and Integration: Digital Twin Framework for Manufacturing --- Reference Architecture. ISO, 2021.

11. International Organization for Standardization. ISO 23247-4:2021 --- Automation Systems and Integration: Digital Twin Framework for Manufacturing --- Information Exchange. ISO, 2021.

12. International Organization for Standardization. ISO 23247-5:2026 --- Automation Systems and Integration: Digital Twin Framework for Manufacturing --- Digital Thread for Digital Twin. ISO, 2026.

13. International Organization for Standardization. ISO 23247-6:2026 --- Automation Systems and Integration: Digital Twin Framework for Manufacturing --- Digital Twin Composition. ISO, 2026.

14. W3C. OWL 2 Web Ontology Language: Document Overview, Second Edition. W3C Recommendation, 2012.

15. W3C. PROV-O: The PROV Ontology. W3C Recommendation, 2013.

16. W3C. Shapes Constraint Language --- SHACL. W3C Recommendation, 2017.

17. W3C. Semantic Sensor Network Ontology --- SSN/SOSA. W3C Recommendation, 2017; nueva edición en desarrollo.

18. Wilkinson, M. D., Dumontier, M., Aalbersberg, I. J. et al. "The FAIR Guiding Principles for Scientific Data Management and Stewardship." Scientific Data, vol. 3, artículo 160018, 2016. doi:10.1038/sdata.2016.18.

19. Wu, M., Wang, J., Wang, Y. et al. "Traditional Fermented Food Microbial Ecosystems Oriented towards Industrial Standards: Multi-dimensional Characterization and Artificial Regulation." npj Science of Food, 2026. doi:10.1038/s41538-026-00916-2.

20. Zhang, E., Claesson, M. J. y Cotter, P. D. "Adopting Omics-based Approaches to Facilitate the Establishment of Microbial Consortia to Generate Reproducible Fermented Foods with Desirable Properties." npj Science of Food, vol. 10, artículo 90, 2026.

#Anexo A --- Criterios mínimos de respaldo de la tesis

La Tesis Nebula™ podrá considerarse inicialmente respaldada cuando exista Evidence reproducible de que el Framework puede:

1. capturar una proporción científicamente significativa de la Biological Trajectory de un proceso;
2. conservar la procedencia de observaciones, modelos e inferencias;
3. distinguir de manera verificable Observation, Evidence, Inference, Decision y Knowledge Claim;
4. integrar información heterogénea sin pérdida material de significado;
5. generar Scientific Models con desempeño evaluado fuera de muestra;
6. mejorar al menos una decisión operacional o científica frente a una línea base explícita;
7. proporcionar Proof of Process™ auditable por terceros autorizados;
8. conservar Temporal Evolution de modelos, ontologías y afirmaciones;
9. operar bajo mecanismos de Governance, soberanía de datos y responsabilidad;
10. demostrar que los beneficios científicos, sociales y económicos justifican los costos y riesgos de la infraestructura.

#Anexo B --- Declaración institucional

La Tesis Nebula™ constituye el punto de partida intelectual de The Nebula Framework™.

Su propósito es establecer una hipótesis científica y tecnológica para investigar cómo los procesos biológicos pueden representarse, comprenderse y gobernarse mediante infraestructuras computacionales que preserven su transformación en el tiempo.

Este documento no declara concluida esa investigación.

La validez de la tesis dependerá de la Evidence experimental, la revisión científica, la interoperabilidad demostrada, la participación legítima de los actores del territorio y la capacidad institucional de modificar o refutar sus propias proposiciones.

Versión: 1.0.0
Estado: Stable
Idioma canónico: Español Latino (es-419)
Documento: NBL-FWK-001

The Nebula Framework™