MODELO DE LOCALIZACIÓN DE INSTALACIONES CAPACITADO PARA LA CADENA FRUTÍCOLA COLOMBIANA LIZETH ANDREA SANABRIA CORONADO CÓD. 20101015035 ANDRES MAURICIO PERALTA LOZANO CÓD. 20101015038 PROYECTO DE GRADO PARA OPTAR POR EL TITULO DE INGENIERO INDUSTRIAL DIRECTOR M.SC. Ing. JAVER ORJUELA CASTRO UNIVERSIDAD DISTRITAL FRANCISCO JOSÉ DE CALDAS FACULTAD DE INGENIERÍA PROYECTO CURRICULAR DE INGENIERÍA INDUSTRIAL BOGOTÁ D.C., 2015
144
Embed
MODELO DE LOCALIZACIÓN DE INSTALACIONES CAPACITADO …repository.udistrital.edu.co/bitstream/11349/3038/1... · modelo de localizaciÓn de instalaciones capacitado para la cadena
This document is posted to help you gain knowledge. Please leave a comment to let me know what you think about it! Share it to your friends and learn new things together.
Transcript
MODELO DE LOCALIZACIÓN DE INSTALACIONES CAPACITADO PARA LA CADENA
FRUTÍCOLA COLOMBIANA
LIZETH ANDREA SANABRIA CORONADO
CÓD. 20101015035
ANDRES MAURICIO PERALTA LOZANO
CÓD. 20101015038
PROYECTO DE GRADO PARA OPTAR POR EL TITULO DE INGENIERO INDUSTRIAL
1 MARCO REFERENCIAL ................................................................................................................................... 11
1.1 OBJETO PRÁCTICO ...................................................................................................................................... 11 1.1.1 Comportamiento de las frutas en el mundo.......................................................................................... 11
1.1.1.1 Importaciones ................................................................................................................................................ 13 1.1.1.2 Exportaciones ................................................................................................................................................ 15 1.1.1.3 Producción Mundial de frutas ....................................................................................................................... 16
1.1.2 Comportamiento de las frutas en América Latina ................................................................................ 16 1.1.2.1 Importaciones ................................................................................................................................................ 17 1.1.2.2 Exportaciones ................................................................................................................................................ 18 1.1.2.3 Producción en América Latina de frutas ....................................................................................................... 19
1.1.3 Comportamiento de las frutas en Colombia ......................................................................................... 19 1.1.3.1 Estudios Previos del Sector Frutícola en Colombia ....................................................................................... 19 1.1.3.2 Importaciones ................................................................................................................................................ 21 1.1.3.3 Exportaciones ................................................................................................................................................ 22 1.1.3.4 Producción de frutas en Colombia ................................................................................................................ 22
1.1.4 Mango .................................................................................................................................................... 26 1.1.4.1 Producción del Mango en Colombia ............................................................................................................. 28 1.1.4.2 Exportaciones e Importaciones de Mango ................................................................................................... 29
1.1.5 Mora ....................................................................................................................................................... 29 1.1.5.1 Exportaciones e Importaciones de Mora ...................................................................................................... 31
1.1.6 Uchuva .................................................................................................................................................... 32 1.1.6.1 Producción Uchuva en Colombia .................................................................................................................. 33 1.1.6.2 Exportaciones Uchuva ................................................................................................................................... 34
1.1.7 Gulupa .................................................................................................................................................... 35 1.1.7.1 Producción de la Gulupa en Colombia .......................................................................................................... 35 1.1.7.2 Exportaciones de Gulupa ............................................................................................................................... 36
1.1.8 Naranja ................................................................................................................................................... 37 1.1.8.1 Producción de la Naranja en Colombia ......................................................................................................... 38 1.1.8.2 Exportaciones de Naranja ............................................................................................................................. 39
1.1.9 Mandarina.............................................................................................................................................. 39 1.1.9.1 Producción de la Mandarina en Colombia .................................................................................................... 40 1.1.9.2 Exportaciones de Mandarina ........................................................................................................................ 41
1.1.10 Fresa ................................................................................................................................................... 41 1.1.10.1 Producción de la Fresa en Colombia ............................................................................................................. 42 1.1.10.2 Exportaciones de Fresa .................................................................................................................................. 42
1.2 OBJETO TEÓRICO ........................................................................................................................................ 43 1.2.1 MARCO CONCEPTUAL ............................................................................................................................ 44
1.2.1.1 Cadena De Suministro ................................................................................................................................... 44 1.2.1.2 Logística ......................................................................................................................................................... 44 1.2.1.3 Distribución.................................................................................................................................................... 45 1.2.1.4 Localización de instalaciones ........................................................................................................................ 45 1.2.1.5 Centros de Distribución ................................................................................................................................. 45 1.2.1.6 Modelo Matemático ...................................................................................................................................... 46
1.2.2 REVISIÓN AL ESTADO DEL ARTE ............................................................................................................. 47
3
1.2.2.1 Modelos de Distribución ............................................................................................................................... 47 1.2.2.1.1 Modelo de Sistema de Distribución con Multi-Fuente en Base a las Limitaciones de Tiempo ............... 49 1.2.2.1.2 Modelo de Distribución de Mercancías.................................................................................................... 49 1.2.2.1.3 Modelos Producción-Distribución Aplicados a Alimentos ....................................................................... 50 1.2.2.1.4 Productos no Perecederos ........................................................................................................................ 51 1.2.2.1.5 PRODUCTOS PERECEDEROS ...................................................................................................................... 51
1.2.2.2 Localización y Asignación de Instalaciones ................................................................................................... 53 1.2.2.2.1 Problemas de Localización ........................................................................................................................ 55 1.2.2.2.2 Modelos Matemáticos .............................................................................................................................. 56 1.2.2.2.3 MODELOS DETERMINÍSTICOS Y DISCRETOS ............................................................................................. 57 1.2.2.2.4 Problemas P-Mediana .............................................................................................................................. 57 1.2.2.2.5 Problemas de Cobertura ........................................................................................................................... 58 1.2.2.2.6 Problemas P-Centro .................................................................................................................................. 58 1.2.2.2.7 Problemas de Localización Hub ................................................................................................................ 59 1.2.2.2.8 Problemas no Capacitados ....................................................................................................................... 59 1.2.2.2.9 Problemas Capacitados ............................................................................................................................ 60 1.2.2.2.10 Problema Multi-Producto ....................................................................................................................... 61 1.2.2.2.11 Problema de Múltiples Periodos ............................................................................................................ 61 1.2.2.2.12 Problemas de Servicio Múltiples ............................................................................................................ 61 1.2.2.2.13 Otros Tipos de Problemas de Localización ............................................................................................. 61 1.2.2.2.14 MODELOS DINÁMICOS Y CONTINUOS .................................................................................................... 62 1.2.2.2.15 Modelos Progresivos para Problemas P-Mediana Dinámicos ............................................................... 64 1.2.2.2.16 Modelos Dinámicos de Localización de Instalaciones Individuales ....................................................... 64 1.2.2.2.17 Modelos Dinámicos de Localización de Múltiples Instalaciones ........................................................... 64 1.2.2.2.18 MODELOS ESTOCASTICOS ....................................................................................................................... 65 1.2.2.2.19 Modelos Probabilísticos .......................................................................................................................... 65 1.2.2.2.20 Modelos de Planificación de Escenarios ................................................................................................. 66
1.2.2.3 Modelos de Localización Aplicados a Agroalimentos ................................................................................... 66 1.2.2.3.1 PRODUCTOS PERECEDEROS ...................................................................................................................... 67
3.7.1 Ubicación de Centros de Acopio. ......................................................................................................... 105 3.7.2 Ubicación de Centros de Transformación ............................................................................................ 106 3.7.3 Asignación de Fruta Fresca entre Agricultores y Otros Eslabones ..................................................... 107 3.7.4 Asignación de Fruta Fresca entre Centros de Acopio y Otros Eslabones ............................................ 108 3.7.5 Asignación de Fruta Procesada entre Centros de Transformación y Otros Eslabones....................... 109 3.7.6 Asignación de Fruta entre Corabastos y Otros Eslabones .................................................................. 111
3.8 ANÁLISIS DE RESULTADOS ESCENARIO 2 ............................................................................................................ 115 3.8.1 Ubicación de Centros de Acopio. ......................................................................................................... 115 3.8.2 Ubicación de Centros de Transformación ............................................................................................ 116 3.8.3 Asignación de Fruta Fresca entre Agricultores y Otros Eslabones ..................................................... 117
4
3.8.4 Asignación de Fruta Fresca entre Centros de Acopio y Otros Eslabones ............................................ 119 3.8.5 Asignación de Fruta Corabastos y Otros Eslabones ............................................................................ 123 3.8.6 Asignación de Fruta desde Centros de Transformación y Otros Eslabones........................................ 126
3.9 COMPARACIÓN ESCENARIOS, REDUCCIÓN DE BRECHAS Y PROPUESTA DE MEJORA ................................................... 129
4 ESTUDIOS FUTUROS ................................................................................................................................... 131
Tabla 1. Sistema Armonizado de Designación y Codificación de Mercancías-Frutas Fuente: ....13
Tabla 2. Importaciones de frutas en el mundo .....................................................................................13
Tabla 3. Frutas más importadas a nivel mundial .................................................................................14
Tabla 4. Frutas más importadas en América Latina. ...........................................................................18
Tabla 5. Exportaciones de Frutas de América Latina. .......................................................................19
Tabla 6. Productos importados por Colombia 2009-2013. .................................................................21
Tabla 7. Productos exportados por Colombia 2009-2013. .................................................................22
Tabla 8. Área Sembrada y Producción de Frutas en Colombia 2008-2013. ...................................25
Tabla 9. Épocas de cosecha y fenología del Mango en Colombia ...................................................27
Tabla 10. Mango Tommy Atkins .............................................................................................................27
Tabla 11. Mayores Productores de Mango Cundinamarca ...............................................................28
Tabla 12. Mora de Castilla ......................................................................................................................30
Tabla 13. Mayores Productores de Mora Cundinamarca ...................................................................31
Tabla 14. UCHUVA ...................................................................................................................................33
Tabla 15. Mayores Productores de Uchuva Boyacá ...........................................................................34
Tabla 16. Gulupa .......................................................................................................................................35
Tabla 17. Mayores Productores de Gulupa Antioquia ........................................................................36
Tabla 18. Naranja ......................................................................................................................................38
Tabla 19. Mayores Productores de Naranja en Santander ................................................................39
Tabla 20. Mandarina .................................................................................................................................40
Tabla 21. Mayores Productores de Mandarina en Santander ...........................................................40
Tabla 22. Fresa .........................................................................................................................................41
Tabla 23. Mayores Productores de Fresa en Santander ....................................................................42
Tabla 24. Modelos Aplicados a productos Agrícolas ..........................................................................53
Tabla 25. Modelos Aplicados a productos Agrícolas ..........................................................................72
Tabla 26. Metodología Fuente: Elaboración Propia ............................................................................75
Tabla 27. Intervalos y clasificación correspondientes a los 6 criterios seleccionados...................76
Tabla 28. Clasificación para los criterios según intervalos .................................................................76
Tabla 29. Datos obtenidos por cada criterio .........................................................................................77
Tabla 30. Priorización de los criterios ....................................................................................................77
Tabla 31. Matriz de prioridades. .............................................................................................................78
Tabla 32. Matriz normalizada. .................................................................................................................78
Tabla 33. Matriz AC ..................................................................................................................................78
Tabla 34. Razón de consistencia (RC) ..................................................................................................79
Tabla 35. Elección de la cadena Resultados Finales..........................................................................79
Tabla 36. Palabras claves de búsqueda. ..............................................................................................80
Tabla 37. Aspectos Tratados en los Artículos. .....................................................................................82
Tabla 38. Operacionalización de Variables ..........................................................................................87
Tabla 39. Zonas agrícolas de producción elegida .............................................................................100
6
Tabla 40. Potencial Ubicación de centros de acopio y transformación ..........................................101
Tabla 41. Ubicación de zonas de consumo ........................................................................................101
Tabla 42. Plazas de mercado de Bogotá ............................................................................................102
Tabla 43. Plazas de mercado de Bogotá ............................................................................................102
Tabla 44. Tiendas de Bogotá ................................................................................................................103
Tabla 45. Frutas elegidas ......................................................................................................................103
Tabla 46. Efecto de la temperatura en la velocidad de deterioro ....................................................104
Tabla 47. Plazas de mercado ...............................................................................................................104
Tabla 48. Costo de un Local Plaza de Mercado 12 de Octubre ......................................................105
Tabla 49. Cantidad de fruta enviada desde los agricultores al centro de acopio .........................106
Tabla 50. Cantidad de fruta enviada hacia los centros de transformación ....................................106
Tabla 51. Cantidad de fruta enviada desde los agricultores hacia corabastos .............................107
Tabla 52. Cantidad de fruta enviada desde los agricultores hacia hipermercados ......................108
Tabla 53. Cantidad de fruta enviada desde los centros de acopio hacia hipermercados ...........109
Tabla 54. Cantidad de fruta enviada desde los centros de acopio hacia corabastos ..................109
Tabla 55. Cantidad de fruta enviada desde los centros de transformación hacia tiendas ..........110
Tabla 56. Cantidad de fruta enviada desde los centros de transformación hacia plazas ...........111
Tabla 57. Cantidad de fruta enviada desde la transformación hacia hipermercados ..................111
Tabla 58. Cantidad de fruta enviada desde la transformación hacia hipermercados ..................111
Tabla 59. Cantidad de fruta enviada desde corabastos hacia tiendas ...........................................112
Tabla 60. Cantidad de fruta enviada desde corabastos hacia tiendas ...........................................113
Tabla 61. Cantidad de fruta enviada desde corabastos hacia hipermercados .............................114
Tabla 62. Comparación entre demanda y cantidad real de envió ...................................................114
Tabla 63. Cantidad de fruta enviada desde agricultores hacia centros de acopio .......................116
Tabla 64. Cantidad de fruta enviada desde agricultores hacia centros de transformación ........117
Tabla 65. Cantidad de fruta enviada desde agricultores hacia corabastos ...................................117
Tabla 66. Cantidad de fruta enviada desde agricultores hacia hipermercados ............................118
Tabla 67. Cantidad de fruta enviada desde agricultores hacia tiendas ..........................................119
Tabla 68. Cantidad de fruta enviada desde centros de acopio hacia plazas ................................120
Tabla 69. Cantidad de fruta enviada desde centros de acopio hacia tiendas ...............................121
Tabla 70. Cantidad de fruta enviada desde centros de acopio hacia hipermercados .................122
Tabla 71. Cantidad de fruta enviada desde centros de acopio hacia corabastos ........................123
Tabla 72. Cantidad de fruta enviada desde corabastos hacia las tiendas.....................................124
Tabla 72. Cantidad de fruta enviada desde corabastos hacia las plazas ......................................125
Tabla 74. Cantidad de fruta enviada desde corabastos hacia los hipermercados .......................125
Tabla 75. Cantidad de fruta enviada desde centros de transformación hacia corabastos .........126
Tabla 76. Cantidad de fruta enviada desde centros de transformación hacia las tiendas ..........127
Tabla 77. Cantidad de fruta enviada desde centros de transformación hacia las plazas ...........127
Tabla 78. Cantidad de fruta enviada desde la transformación hacia los hipermercados ............128
Tabla 62. Comparación entre demanda y cantidad real de envió ...................................................128
Tabla 80. Toneladas acopiadas en plazas mayoristas .....................................................................129
7
ÍNDICE DE ILUSTRACIONES
Grafica 1. Países que más exportan frutas en el mundo (Unidad Miles de Dólares) ....................15
Grafica 2. Importaciones de frutas en América Latina y el Caribe (Unidad Miles de Dólares) ....17
Grafica 3. Agrupación de las Variedades de Mango ..........................................................................26
Grafica 4. Fases de la vida del árbol de Mango. .................................................................................27
Grafica 5. Producción Nacional de mango 2003-2013 .......................................................................28
Grafica 6. Exportaciones de Mango ......................................................................................................29
Grafica 7. Importaciones de Mango .....................................................................................................29
Grafica 8. Producción Nacional de Mora 2003-2013 ..........................................................................31
Grafica 9. Exportaciones de Mora .........................................................................................................32
Grafica 10. Producción Nacional de Uchuva 2003-2013 ...................................................................33
Grafica 11. Exportaciones de Uchuva ...................................................................................................34
Grafica 12. Producción Nacional de Uchuva 2003-2013 ...................................................................36
Grafica 13. Exportación de Gulupa ........................................................................................................37
Grafica 14. Producción Nacional de Naranja 2003-2013 ...................................................................38
Grafica 15. Exportación de Naranja .......................................................................................................39
Grafica 16. Producción Nacional de Mandarina2003-2013 ..............................................................40
Grafica 17. Exportación de Mandarina ..................................................................................................41
Grafica 18. Producción Nacional de Fresa 2003-2013 .......................................................................42
Grafica 19. Exportación de Fresa ..........................................................................................................43
Grafica 20. Estructura del Objeto Teórico ............................................................................................43
Grafica 21. Estructura de la Revisión al Estado del Arte ...................................................................47
Grafica 22. Estructura del Desarrollo de la Metodología....................................................................73
Almacenamiento Inadecuado: los alimentos perecederos como las frutas, requieren un manejo y almacenaje especial, por ejemplo se destaca el uso inadecuado de contenedores (canastillas plásticas, cajas de madera, cajas de cartón, bultos, entre otros) y la deficiente gestión de inventarios, desde los pronósticos de pedidos de orden, hasta la infraestructura de los lugares donde se almacena temporal o permanentemente el producto.
Corredores internos deficientes que generan cuellos de botella por necesidad de modernización y ampliación de la capacidad de los modos de transporte de carretera, ferroviario y fluvial, al igual que el mejoramiento de la coordinación entre estos.
Los nodos de transferencia se encuentran por debajo de los estándares internacionales, es decir la infraestructura y la planeación de estos operadores logísticos no son adecuadas.
9
Acorde con las problemáticas expuestas, una de las que presenta mayor incidencia es la
distribución de los productos, debido a los deficientes corredores internos y nodos de
transferencia. En cuanto a los nodos de transferencia, existen dos dificultades, la primera
representada en los centros de acopio, es decir, en las centrales donde ingresa la fruta
proveniente de algunos municipios de allí se alista y acondiciona para ser enviada a otros lugares
del país, mayoristas, minoristas y plantas procesadoras (MinSalud; FAO, 2013). En el país se han
invertido recursos en la construcción de centros de acopio a nivel municipal y departamental, pero
los resultados no han sido los esperados, los únicos centros de acopio que funcionan de manera
aceptable son los que constituyen las Centrales de Abastos de las principales ciudades del país
(Corporacion Agropecuaria Colombiana de Investigación Agropecuaria, 2013). Los resultados
negativos se dan por una mala planeación en la selección de los lugares para la ubicación de
dichos espacios (Moreno Castañeda et al., 2012).
En las cadenas de suministro de alimentos, hay un cambio continuo en la calidad del producto desde el momento en que la materia prima sale del cultivador, hasta que el producto llega al consumidor. Esto contribuye considerablemente a la determinación del coste final del producto, así como a la calidad percibida por el consumidor. Por lo tanto, es de gran importancia diseñar y gestionar la cadena de distribución con el fin de entregar el producto en el momento adecuado, al tiempo que se garantice el nivel de calidad deseado (Dabbene, Gay, & Sacco, 2008). Adicionalmente se usan métodos de cultivo tradicionales generando ciclos productivos muy
largos, déficit comercial, sobreoferta en ciertas épocas del año, lo que genera fluctuaciones en
los precios y perdidas post cosechas, dificultad para permear el mercado externo porque no hay
variedades ni calidades adecuadas, generados por los problemas de empaque, presentación,
barreras técnicas y sanitarias, por último, los nodos de transferencia se encuentran por debajo
de los estándares internacionales, aspecto que se complica debido a que Colombia presenta una
de las distancias más largas desde los centros industriales hasta los puertos así como la gran
mayoría de las actividades económicas se realizan en la región andina (Moreno Castañeda et al.,
2012).
En cuanto al proceso de distribución logístico de la cadena de abastecimiento frutícola, se
encuentra problemáticas en cada una de las partes que lo conforman, es decir en cuanto a la
gestión del proceso, al ruteo, y a la localización de los nodos o instalaciones en la red logística
(Moreno Castañeda et al., 2012). En el mundo actual la planificación, el diseño y la capacidad de
los nodos de distribución es inevitable para generar crecimiento en la calidad de los productos,
principalmente en los agrícolas, y con ello incentivar el mercado nacional y las exportaciones
(Gómez Paz, 2010). Estas y otras razones llevan a la búsqueda de estrategias que permitan llegar
a una solución que beneficie a los actores de la cadena. El papel que juega la distribución en esta
problemática es vital ya que permite conocer los pasos a seguir para el manejo de los productos
desde la etapa del proveedor hasta el cliente, y hacer un seguimiento incluso desde las materias
primas y los componentes que llegan a los fabricantes hasta los productos terminados (Chopra &
Meindl, 2008).
Las decisiones de localización son un aspecto crítico para garantizar que una cadena de
suministro sea eficiente, debido a que una mala ubicación dará lugar a un exceso de costos
reflejados durante la vida útil de las instalaciones (Meng, Huang, & Cheu, 2009). El
10
establecimiento de nuevas instalaciones, así como la ampliación, reducción y reubicación de
instalaciones existentes suelen ser proyectos a largo plazo, implican actividades que consumen
tiempo y capital sustancial, hace parte del nivel estratégico de decisión en la cadena de
El sector frutícola en Colombia presenta un gran potencial en cuanto a la posibilidad de generar
crecimiento económico en el país tanto en el negocio nacional, como internacional
(exportaciones), debido principalmente a las ventajas comparativas que tiene frente a otros
países en términos de clima, suelo y posición geográfica. En donde según el ministerio de
agricultura es fundamental lograr alcanzar las exigencias de los mercados internacionales. Según
el gerente de Asohofrucol Álvaro Ernesto Palacio Peláez (Revista Agropecuaria del Sur, 2013) ,
durante los últimos años el sector ha tenido una continua mejoría, a pesar de los efectos
generados por el cambio climático en el país, en donde el gobierno ha invertido en la recuperación
de cultivos y se ha contado con el apoyo de los productores.
En ese sentido, es necesaria una correcta planificación de las instalaciones, tales como los
centros de acopio, la ubicación de las centrales mayoristas, las plataformas logísticas y puertos.
Incluyendo la definición de su funcionalidad, evolución, capacidad y un adecuado diseño de
modelos de gestión de las mismas. Por esta razón el presente proyecto está enfocado en dar
solución a una de las problemáticas del proceso de distribución en la cadena frutícola, con
especial énfasis en las cadenas de abastecimiento de las frutas seleccionadas, por medio de la
aplicación de modelos de localización de instalaciones capacitados, teniendo en cuenta el área
geografía donde se deberían ubicar, y la capacidad para almacenar y suplir la demanda de frutas
en algunas regiones específicas. Con ello se procede a hacer una comparación con la ubicación
actual y finalmente se propone una implementación de un proceso de mejora para la disminución
de las brechas existentes, dando un paso importante para que el sector frutícola tienda a ser el
eje de reconversión de la industria agroalimentaria.
Entendiendo la problemática expuesta se formuló un modelo de ubicación de instalaciones para
la red logística de las cadenas de abastecimiento de frutas colombiana delimitada en
Cundinamarca región, el cual permitió realizar una comparación entre estado actual de la cadena
y el modelo teórico. Durante el desarrollo del proyecto de grado se realizó Artículo denominado
“Modelos de localización para cadenas agroalimentarias: Una revisión al estado del arte” El cual
permitió la realización de un marco referencial del proceso logístico de distribución con énfasis
en localización de instalaciones, adicional se identificó la conformación de la red logística frutícola
colombiana tomando como base el trabajo desarrollado en la tesis de caracterización (Moreno
Castañeda et al., 2012) e información adicional consultada por los autores.
11
1 MARCO REFERENCIAL
1.1 OBJETO PRÁCTICO
1.1.1 Comportamiento de las frutas en el mundo Los países en desarrollo se han visto beneficiados con la apertura de las economías mundiales
a través de la conformación de bloques comerciales. Estos y otra serie de herramientas han
permitido que los mercados se diversifiquen y no dependan exclusivamente de la economía local
(FAO, 2000).
La dinámica del sector hortofrutícola a nivel internacional tiene como prioridad la seguridad
alimentaria, la industria de transformación de alimentos, la diferenciación por calidades y
cualidades entorno a potenciales materias primas o productos de último consumo diferenciados
(Corporacion Agropecuaria Colombiana de Investigación Agropecuaria, 2013). Desde esta óptica
el mercado de frutas y verduras, evidencia las siguientes siete tendencias que están exigiendo
los consumidores: productos naturales, productos 100% orgánicos, diferenciación en empaques
y presentaciones, aporte nutricional, trazabilidad, certificaciones, y finalmente requisitos sociales,
medioambientales y de seguridad para los consumidores (MinSalud; FAO, 2013). En este sentido
es fundamental para los países en desarrollo incrementar la competitividad del sector
agropecuario, elevando el posicionamiento estratégico de sus cadenas productivas para propiciar
un desarrollo regional más equitativo, así como estimular la inversión y la creación de empleos
en el campo (Instituto de Competitividad Sistémica y Desarrollo Monterrey, 2005).
En las secciones siguientes los datos que se presentan están en Miles de Dólares y tanto la
codificación como la clasificación de las frutas están enmarcadas en la nomenclatura del sistema
Armonizado o SA (Sistema Armonizado de Designación y Codificación de Mercancías),
establecido por la Organización Mundial de Aduanas (OMA), como se muestra en la Tabla 1.
PARTIDA CÓDIGO FRUTAS
08.01 Cocos, nueces del Brasil y nueces de marañón (merey, cajuil, anacardo), frescas o secas, incluso sin cáscara o mondadas.
0801.11 Cocos: Secos
0801.19 Demás: Cocos
0801.21 Nueces del Brasil: Con cáscara
0801.22 Nueces del Brasil: Sin cáscara
0801.31 Nueces de marañón: Con cáscara
0801.32 Nueces de marañón: Sin cáscara
08.02 Los demás frutos de cáscara frescos o secos, incluso sin cáscara o mondados.
0802.11 Almendras: Con cáscara
0802.12 Almendras: Sin cáscara
0802.21 Avellanas: Con cáscara
0802.22 Avellanas: Sin cáscara
0802.31 Nueces de nogal: Con cáscara
0802.32 Nueces de nogal: Sin cáscara
12
0802.40 Castañas
0802.50 Pistachos
0802.90 Los demás
08.03 Bananas o plátanos, frescos o secos.
08.04 Dátiles, higos, piñas (ananás), aguacates (paltas), guayabas, mangos y mangostanes, frescos o secos.
0804.10 Dátiles
0804.20 Higos
0804.30 Piñas (ananás)
0804.40 Aguacates (paltas)
0804.50 Guayabas, mangos y mangostanes
08.05 Agrios (cítricos) frescos o secos.
0805.10 Naranjas
0805.20 Mandarinas (incluidas las tangerinas y satsumas); clementinas, wilkings e híbridos similares de agrios (cítricos)
0805.30 Limones (Citrus limon, Citrus limonum) y lima agria (Citrus aurantifolia)
0805.40 Toronjas o pomelos
0805.90 Los demás
08.06 Uvas, frescas o secas, incluidas las pasas.
0806.10 Uvas: Frescas
0806.20 Uvas: Secas, incluidas las pasas
08.07 Melones, sandías y papayas, frescos.
0807.11 Melones y sandías:
0807.19 Los demás
0807.20 Papayas
08.08 Manzanas, peras y membrillos, frescos.
0808.10 Manzana
0808.20 Peras y membrillos
08.09 Albaricoques (damascos, chabacanos), cerezas, melocotones (duraznos incluidos los griñones y nectarinas), ciruelas y endrinas, frescos.
0809.10 Albaricoques (damascos, chabacanos)
0809.20 Cerezas
0809.30 Melocotones (duraznos), incluidos los griñones y nectarinas
0809.40 Ciruelas y endrinas
08.10 Las demás frutas u otros frutos, frescos.
0810.10 Fresas (frutillas)
0810.20 Frambuesas, zarzamoras, moras y moras-frambuesa
0810.30 Grosellas, incluido el casis
0810.40 Arándanos rojos, mirtilos y demás frutos del género Vaccinium
0810.50 Kiwis
0810.90 Los demás
08.11 Frutas y otros frutos, sin cocer o cocidos en agua o vapor, congelados, incluso con adición de azúcar u otro edulcorante.
0811.10 Fresas (frutillas)
0811.20 Frambuesas, zarzamoras, moras, moras-frambuesa y grosellas
0811.90 Los demás
08.12 Frutas y otros frutos, conservados provisionalmente (por ejemplo: con gas sulfuroso o con agua salada, sulfurosa o adicionada de otras
13
sustancias para dicha conservación), pero todavía impropios para consumo inmediato.
0812.10 Cerezas
0812.20 Fresas (frutillas)
0812.90 Los demás
08.13 Frutas y otros frutos, secos, excepto los de las partidas nos 08.01 a 08.06; mezclas de frutas u otros frutos, secos, o de frutos de cáscara de este Capítulo.
0813.10 Albaricoques (damascos, chabacanos)
0813.20 Ciruelas
0813.30 Manzanas
0813.40 Las demás frutas u otros frutos
0813.50 Mezclas de frutas u otros frutos, secos, o de frutos de cáscara de este capitulo
08.14 Cortezas de agrios (cítricos), melones o sandías, frescas, congeladas, secas o presentadas en agua salada, sulfurosa o adicionada de otras sustancias para su conservación provisional.
Tabla 1. Sistema Armonizado de Designación y Codificación de Mercancías-Frutas
Fuente: Elaboración propia en base a (Comunidad Andina de Naciones, 1997)
Para establecer una idea general del comportamiento del sector frutícola en el mundo se analizan
indicadores tales como la cantidad de: importaciones y exportaciones, producción mundial y las
frutas de mayor demanda. Dicho análisis se presenta en los siguientes incisos.
1.1.1.1 Importaciones
La Tabla 2 presenta el valor de las importaciones en miles de dólares a nivel mundial y de los 11
países que más importan frutas frescas en el mundo. Para el año 2013 el 11,87% de las
importaciones de frutas totales del mundo corresponden a Estados Unidos, en segundo lugar
esta Alemania con el 9,56%, seguido de Holanda con el 6,24%, Rusia con el 6,08%, Reino Unido
con el 5,49%, Francia con el 5,04%, Canadá con el 4,28, China con el 3,89%, Bélgica con el
3,84%, Italia con el 3,11% y finalmente Japón con el 2,82%.
Importadores valor en 2009 valor en 2010 valor en 2011 valor en 2012 valor en 2013
Mundo 76.491.291 84.611.471 95.595.891 97.190.784 105.261.341
9 Cocos, nueces del Brasil y nueces de maranon (0801). 104.774
10 Agrios (cítricos) frescos o secos (0805). 97.004
11 Frutas y otros frutos, sin cocer o cocidos en agua o vapor, congelados (0811).
70.656
12 Melones, sandias y papayas, frescos (0807). 23.130
13 Cortezas de agrios (cítricos), melones o sandias, frescas, congeladas (0814).
13.440
Unidad : Dólar EUA miles
Tabla 4. Frutas más importadas en América Latina. Fuente: TRADEMAP-FAO (International Trade Center, 2014)
Las frutas más importadas en el año 2013 fueron las manzanas, peras y las correspondientes a la familia de los membrillos, México se sitúa en la primera posición de importaciones de estas frutas con un total de $453.943. Por su parte las uvas ocupan la segunda posición, donde México con un valor de importaciones de $164.991 es el mayor importador, seguido por Brasil con un total de $116.596. Continuando se encuentran los frutos en cascara secos y frescos, siendo nuevamente México el mayor importador con $170.270. Por ultimo entre cuatro grupos frutales más destacados se encuentra el conformado por los chabacanos, cerezas y duraznos, el mayor importador de estas frutas es Brasil con un total de $94.280, seguido por México con $76.994.
1.1.2.2 Exportaciones
La Tabla 5 presenta el valor del total de importaciones en miles de dólares en América Latina y
el Caribe, describiendo también la participación de los 12 países que más exportan frutas dentro
de esta región. Para el año 2013 el 27,80% de las exportaciones de frutas totales de América
Latina corresponden a Chile, en segundo lugar esta México con el 16,71%, en el tercer lugar se
ubica Ecuador con el 12,24%, seguido de Costa Rica con el 8,85%, Perú con el 7,99%, Argentina
en el sexto lugar con el 6,18%, seguido de Guatemala con el 4,47%, Brasil con 4,14%, Colombia
con el 4,10%, Honduras con el 2,32%, y finalmente Panamá con el 1,54%. Las frutas por estos
países son el banano, los higos, aguacates, piñas, guayabas, uvas, manzanas y peras.
Exportadores valor 2009 valor 2010 valor 2011 valor 2012 valor 2013
Costa Rica 1.005.742 1.506.520 1.571.657 1.636.434 1.787.382
Perú 415.880 535.270 839.868 906.180 1.613.702
Argentina 1.079.745 1.203.142 1.339.569 1.162.996 1.248.187
Guatemala 639.251 560.934 659.457 863.780 902.479
Brasil 821.336 867.137 898.641 854.554 837.090
19
Colombia 885.726 798.947 873.745 880.443 827.376
Honduras 251.263 265.922 274.544 332.731 468.305
Panamá 177.715 149.357 142.793 308.667 310.247
República Dominicana 147.146 194.919 207.961 120.663 233.869
Unidad : Dólar EUA miles
Tabla 5. Exportaciones de Frutas de América Latina. Fuente: TRADEMAP-FAO (International Trade Center, 2014)
La estructura de producción de América Latina presenta variabilidad en cuanto al desempeño
logístico de los productos agrícolas que son sensibles al tiempo. La proporción de este tipo de
exportaciones ha tomado fuerza en la región, con diferentes niveles según cada país. Por
consiguiente, uno de los desafíos logísticos es la competitividad de la región en productos
intensivos en logística, como es el caso de los alimentos. Según la FAO (FAO, 2011) en América
Latina, más del 50% de las frutas producidas en la región se pierden o se desprecian antes de
llegar a su destino final. La mayor parte de la pérdida después de la cosecha ocurre dentro del
proceso de almacenamiento, empaquetamiento o distribución por debilidades en la provisión y
coordinación del servicio logístico. Por lo tanto, el costo y calidad de servicios de transporte
juegan un papel fundamental.
1.1.2.3 Producción en América Latina de frutas
Uno de los países que ha crecido con mayor rapidez en la producción y comercialización de frutas
en América Latina es Chile el cual en los últimos 20 años se ha convertido en el mayor proveedor
de frutas frescas y procesadas al mercado internacional desde América latina una de las ventajas
competitivas que posee el país es su ubicación geográfica la cual permite un ambiente
relativamente libre de plagas, además de inversión extranjera para el agro. Es de destacar que
el gobierno Chileno se ha preocupado por el desarrollo de la infraestructura física para el
transporte y la exportación además de la existencia de todo tipo de empresarios en el sector en
lo referente al tamaño se pueden encontrar desde multinacionales hasta pequeños productores
independientes y finalmente el reto que tiene la ACFF (Asociación chilena de fruta fresca) es
posicionarse en los mercados de Rusia, China e India. (Aristide, 2011)
1.1.3 Comportamiento de las frutas en Colombia
1.1.3.1 Estudios Previos del Sector Frutícola en Colombia
En el año 2012 en el grupo de Investigación en Cadenas de Abastecimiento, Logística y Trazabilidad, GICALyT, de la Universidad Distrital Francisco José de Caldas, presentó el trabajo de grado titulado CARACTERIZACIÓN DE LA LOGÍSTICA DE LA CADENA DE ABASTECIMIENTO AGROINDUSTRIAL FRUTÍCOLA EN COLOMBIA (Moreno Castañeda et al., 2012). Este trabajo se realizó con el fin de elaborar un diagnóstico de la logística del sector frutícola durante los años comprendidos entre el 2000 y el 2010. Para ello se analizó el comportamiento de cada uno de los eslabones de la cadena de abastecimiento del sector frutícola en Colombia. Se identificaron a los diversos actores que interactúan en la cadena, desde los proveedores hasta el consumidor final, así como también las principales características y dificultades presentes en los seis procesos de gestión y flujo logísticos, es decir en lo referente a los proveedores, las
20
compras, el almacenamiento, los inventarios, la distribución y por último la logística de servicio al cliente. Además se trataron los temas de trazabilidad, recurso humano y transporte. Entre los resultados que se obtuvieron en el estudio, es importante destacar que Colombia a pesar de su gran diversidad de frutas, no ha logrado ser potencia mundial en producción y comercialización en este sector económico. La falta de tecnología en los primeros eslabones de la cadena, principalmente en los productores, está afectando el rendimiento de los cultivos, la calidad de la fruta, y el número de cosechas anuales, esto debido a que se usan métodos de cultivo tradicionales generando ciclos productivos muy largos. En el estudio se determinó que en Colombia no se usan medios de transporte aptos para el
manejo óptimo de la fruta, lo cual afecta sus condiciones físicas dificultando la comercialización
de estos productos a mercados extranjeros, adicionalmente no se cuenta con las variedades ni
calidades adecuadas. Además se presentan problemas de empaque, presentación, barreras
técnicas y sanitarias. Unido a esto los Corredores internos, generan cuellos de botella, y los nodos
de transferencia se encuentran por debajo de los estándares internacionales, por lo tanto aparece
la necesidad de modernización y ampliación de la capacidad de los modos de transporte de
carretera, ferroviario y fluvial, al igual que el mejoramiento de la coordinación entre estos.
Adicional a esto y concerniente al tema de la investigación de este documento se tiene como principal antecedente en Colombia, la tesis de maestría de Martha Reina (Reina, 2013), denominada “Logística de distribución de productos perecederos de economía campesina. Casos Fuente de Oro, Meta y Viotá, Cundinamarca”, en la cual se estudia el sector frutícola en el país, identificando algunas problemáticas en el proceso de distribución en la cadena. También se hace una revisión al estado del arte demostrando que la literatura en el tema específico es escasa y poco tratada alrededor del mundo. Es importante mencionar que en dicho trabajo se analiza el sector teniendo como principal enfoque el Proceso Mercados Campesinos (PMC), el cual es una estrategia de comercialización alternativa, bajo la premisa de la defensa de la economía campesina y la búsqueda de la seguridad y la soberanía alimentaria. El principal objetivo fue identificar las prácticas de operación logística de distribución que se han implementado por parte de los productores vinculados al PMC, y definir cuales estrategias podrían mejorar la operación.
Según el Plan Frutícola Nacional, el desarrollo de este sector representa para Colombia una
importante fuente de crecimiento para la agricultura, así como también la posibilidad de generar
empleo rural y de mejoramiento con equidad para las distintas regiones puesto que las frutas
pueden asentarse en los diversos pisos térmicos de que dispone el país, a la vez que conforma
una producción administrada con criterios de eficiencia y sostenibilidad en escalas que van desde
micro, pequeños, medianos, grandes productores y empresas.(Ministerio de agricultura y
desarrollo rural; Asohofrucol, 2006)
La versatilidad de producción que permiten los diversos pisos térmicos, representa para Colombia
múltiples ventajas comparativas y competitivas para el desarrollo de la fruticultura. La fruta
colombiana comparada con otros países del subtropico tanto del hemisferio norte como el del sur
es de mejor calidad en relación con las características organolépticas, principalmente en lo que
tiene que ver con color, sabor, aroma y mayor contenido de sólidos solubles (Ministerio de
agricultura; Asohofrucol, 2006).
21
Según Asohofrucol (Asohofrucol, 2013) en los últimos años, la producción de frutas, ha
presentado un crecimiento dinámico, lo cual le ha permitido el abasteciendo la demanda interna
e incluso ha iniciado su consolidación en algunos nichos de mercado en el exterior. Sin embargo
esta actividad se desarrolla bajo niveles de tecnificación mínimos, estimándose que 92,4 % de
los productores no tienen acceso a tecnología, 5,3 % utilizan algún nivel de tecnología y solo 2,3
% de los agricultores hacen uso de la tecnología disponible.
1.1.3.2 Importaciones
La Tabla 6 presenta la cantidad de productos importados por Colombia entre el año 2009 hasta
el 2013, en miles de dólares. Las frutas que más se importan son las manzanas, las peras, las
uvas, las cerezas y duraznos. Esto se debe principalmente a que algunas de estas frutas tienen
mejor aspecto y sabor en países extranjeros, como por ejemplo la manzana, en comparación con
la nacional.
Lista de los productos importados por Colombia
Descripción del producto Valor 2009
Valor 2010
Valor 2011
Valor 2012
Valor 2013
1 Manzanas, peras y membrillos, frescos (0808).
81.338 99.240 120.472 146.352 147.233
2 Uvas, frescas o secas, incluidas las pasas (0806).
Tabla 8. Área Sembrada y Producción de Frutas en Colombia 2008-2013. Fuente: Evaluaciones Agropecuarias Municipales 2012, Ministerio de Agricultura y Desarrollo Rural. AGRONET
26
Como se menciona en la metodología las frutas que se seleccionaron fueron: Mango, Mora, Uchuva y Gulupa. Más sin embargo para la investigación se decidió añadir Naranja, Mandarina y Fresa dado que son sustitutos de iguales pisos térmicos en épocas de escasez. A continuación se presenta una caracterización de cada una de estas.
1.1.4 Mango El mango pertenece a la familia Anacardiaceae, la cual cuenta con aproximadamente 430
especies. (Coello Torres, Fernández Galván, & Galán Saúco, 1997). Tiene origen indomalayo y
fue introducido a América (Brasil y México) por portugueses y españoles; de donde se distribuyó
a varios lugares del Caribe. El mango se cultiva comercialmente en las áreas tropicales, en alturas
desde los 0 metros hasta 1.600 msnm. (Asohofrucol & Corpoica, 2013)
En el mercado nacional se encuentran 16 variedades de mango que se pueden agrupar en dos
grandes grupos como se ve en la Grafica 3:
Grafica 3. Agrupación de las Variedades de Mango Fuente. Realizada por los autores en base a (Asohofrucol & Corpoica, 2013)
El mango crece en diferentes suelos, desde muy fértiles hasta pobres en nutrientes, siempre y
cuando sean profundos, permeables, bien drenados y ligeramente ácidos, con un pH entre 5,0 y
6,8. La ausencia de lluvias durante el período de floración es el factor más importante para el
buen éxito del cultivo de mango. La temperatura óptima para el crecimiento y la producción está
entre los 24 y 27°C. (Corporación Colombiana Internacional, 1995) El árbol de mango presenta
diferentes etapas desde su origen hasta su muerte. Las cuales se presentan en la Grafica 4:
Man
go
Variedad Criolla
Común
Mariquiteño
Chancleto
Vallenato
De azúcar
Variedad Mejorada
Tomy Atkins
Keitt
Kent
Haden
Yulima
Etc
27
Grafica 4. Fases de la vida del árbol de Mango.
Fuente. Realizada por los autores en base a (Asohofrucol & Corpoica, 2013)
En la Tabla 9 presentan las épocas de cosecha y fenología del mango a nivel Nacional.
Tabla 9. Épocas de cosecha y fenología del Mango en Colombia Fuente. ASOHOFRUCOL (Asohofrucol & Corpoica, 2013)
Se puede observar que la mayor cosecha del año se presenta en el mes de diciembre, presente
en los departamentos de Tolima, Cundinamarca y en el Sur Occidente del país. Una de las
variedades de mango que más interesan en el presente trabajo, es el mango Tommy,
principalmente por sus características biológicas, además porque tiene gran demanda y
recibimiento en el mercado tanto nacional como internacional. A continuación se presenta algunos
datos relevantes de dicho producto.
Mango Tommy Atkins
Propiedades
Color Rojo Intenso Peso Hasta 700 gr
Semilla Pequeña Cascara Gruesa
Calidad Buena Producción Alta
Cuidados
Bajos niveles de calcio. Vulnerabilidad a ataques de hongos. Susceptible a la pudrición interna de la fruta.
Tabla 10. Mango Tommy Atkins Fuente. Realizada por los autores en base a (Asohofrucol & Corpoica, 2013)
•Rápido crecimiento vegetativo y baja o nula producción.
•Esta fase dura en promedio 4 años.Fase Juvenil
•Plena producción: 6 a 16 años en promedio.
•Producción descendiente: A partir del año 16 hasta el 25 ó más.
Fase Productiva
•Declina muchas de sus condiciones productivas y de resistencia. Presenta crecimiento estacionario y limitado, baja producción, frutos con calidad deficiente.
Fase de Vejez
28
1.1.4.1 Producción del Mango en Colombia
En la Grafica 5 se presenta la producción a nivel nacional de Mango desde el año 2003 hasta el
2013, como se observa la tendencia es de crecimiento.
Grafica 5. Producción Nacional de mango 2003-2013 Fuente. Elaboración propia en base a (Grupo de Estadisticas e Información Sectorial - Oficina Asesora de
Planeacion y Prospectiva - Ministerio de Agricultura y Desarrollo Rural, 2014)
Los departamentos que participaron en mayor proporción en la producción de mango en el año
2013 fueron: Cundinamarca con un 33.4%, Tolima con un 28.2% y Magdalena con el 17.1%. En
la Tabla 11 se presentan los 12 municipios de mayor producción en el departamento de
Cundinamarca.
Municipio Área Sembrada (h)
Rendimiento (t/ha)
Producción (t)
Cachipay 941 20 18.720
Anapoima 1.891 11 18.463
Tocaima 1.585 14 15.310
La Mesa 1.697 8 13.192
El Colegio 950 8 7.164
Apulo 400 12 5.656
Viota 908 5 3.938
Tena 236 12 2.188
Anolaima 267 7 1.709
Quipile 240 8 1.488
Agua de Dios 106 11 1.008
San Antonio del Tequendama
82 10 805
Tabla 11. Mayores Productores de Mango Cundinamarca Fuente. Elaborado por autores en base a (Grupo de Estadisticas e Información Sectorial - Oficina
Asesora de Planeacion y Prospectiva - Ministerio de Agricultura y Desarrollo Rural, 2014)
Entre los municipios que mayor producción de mango presentan, se tiene a Cachipay con el
20.7%, Anapoima con 20.4%, Tocaima con 16.9%, La Mesa con 14.6% y El Colegio con 7.9%.
Dichos departamentos acumulan el 80.5% de la producción de departamento de Cundinamarca.
Es importante resaltar que a nivel nacional, el municipio de mayor participación es Espinal-Tolima
con 41.400 toneladas de producción en el 2013.
160.000
180.000
200.000
220.000
240.000
260.000
280.000
2003 2005 2007 2009 2011 2013
Producción (Ha)
29
1.1.4.2 Exportaciones e Importaciones de Mango
En la Grafica 6 se presenta el comportamiento del mango en cuanto a exportaciones se refiere,
se puede observar que Colombia exporta una buena cantidad de producto, sin embargo es
insuficiente para la demanda internacional. Como alguna posible limitación es los estándares de
calidad pedidos por algunos países para permitir el ingreso al mercado.
Grafica 6. Exportaciones de Mango Fuente. Elaborado por autores en base a (Agronet, 2015a)
Por otra parte en la Grafica 7 se presentan las importaciones del país en mango, como se puede
observar son en pocas cantidades, lo cual es bueno para el país, ya que produce varios tipos de
mango y se debe impulsar la producción y consumo nacional.
Grafica 7. Importaciones de Mango Fuente. Elaborado por autores en base a (Agronet, 2015b)
1.1.5 Mora La mora pertenece a la familia de las rosáceas (SIPSA, MinAgricultura, & DANE, 2013), tiene su
origen en la zona tropical alta de América, se encuentra en países como Ecuador, Colombia,
Panamá, México y Estados unidos entre otros. (Franco & Giraldo, 1997)
Es una planta perenne, el fruto está conformado por drupas pequeñas, cada una con una semilla
en su interior, puede ser de varios tamaños y colores que van desde el rojo hasta el púrpura
0,00
2000,00
4000,00
6000,00
8000,00
10000,00
12000,00
14000,00
2000 2002 2004 2006 2008 2010 2012 2014
Toneladas Exportadas
0
500
1000
1500
2000
2500
2002 2004 2006 2008 2010 2012 2014
Toneladas Importadas
30
cuando está maduro; la planta presenta floración y fructificación permanente, observándose picos
de producción cada cinco o seis meses. (SIPSA et al., 2013)
La mora es una fruta perteneciente al grupo de las bayas; es muy perecedera, rica en vitamina C
y con un alto contenido de agua (DICTA, PROMOSTA, & Banco Interamericano de Desarrollo,
2000). Su sabor es agridulce cuando está tierna, y dulce cuando está madura. Su vida útil es baja
por lo cual hay que cosechar apenas está madura (Ministerio de Agricultura Ganadería
Acuacultura y Pesca, 2006). El mejor clima para el desarrollo de la planta se encuentra ente 1800
y 2400 metros sobre el nivel del mar, con una temperatura en el intervalo entre 11 y 18°C (Franco
& Giraldo, 1997). La planta de mora comienza a dar frutos aproximadamente a los 6 meses
después del trasplante y dependiendo del cuidado de la plantación, presenta más de 10 años de
producción. (DICTA et al., 2000)
En Colombia se cultiva principalmente la variedad conocida como Mora de Castilla, con o sin
espinas. Este cultivo está distribuido en el país desde el Putumayo hasta el Magdalena Medio y
se siembra entre los 1.600 y 2.400 msnm. Otras variedades cultivadas en el país son la mora
negra, la mora de páramo, la mora pequeña y la mora grande. Aunque la mora es un cultivo
permanente, las épocas de cosecha en el país están determinadas por las lluvias, por dicha
razón, se presenta mayor producción durante los meses de marzo a mayo y de octubre a
diciembre. (Ruiz Molina, Urueña del Valle, & Martínez Chaverra, 2009)
La mora de castilla tiene gran potencial en el país, debido a que se tiene zonas propicias para el
cultivo y existe gran aceptación para su consumo fresco, por su valor nutricional y sus
propiedades antioxidantes. Sin embargo este frutal no ha logrado explotar su potencial debido a
algunos factores como la dependencia de un número reducido de variedades y la baja calidad
genética del material de siembra, presentando limitaciones de susceptibilidad fitosanitaria y bajo
contenido de grados Brix. (SIPSA et al., 2013)
Mora de Castilla
Propiedades
Color Rojo Intenso Peso Hasta 700 gr
Semilla Pequeña Cascara Gruesa
Calidad Buena Producción Alta
Cuidados
Bajos niveles de calcio. Vulnerabilidad a ataques de hongos. Susceptible a la pudrición interna de la fruta.
Tabla 12. Mora de Castilla Fuente. Elaboración propia en base a (Grupo de Estadisticas e Información Sectorial - Oficina Asesora
de Planeacion y Prospectiva - Ministerio de Agricultura y Desarrollo Rural, 2014)
En la Grafica 8 se presenta la producción a nivel nacional de Mora desde el año 2003 hasta el
2013.
31
Grafica 8. Producción Nacional de Mora 2003-2013 Fuente. Elaboración propia en base a (Grupo de Estadisticas e Información Sectorial - Oficina Asesora de
Planeacion y Prospectiva - Ministerio de Agricultura y Desarrollo Rural, 2014)
El crecimiento de la producción se debe principalmente a que se ha aumentado el área plantada
en el país desde el año 1993 al año 2008, con un crecimiento anual del 7.4% de hectáreas (Ruiz
Molina et al., 2009). Para el año 2013 el departamento que mayor producción tuvo fue
Cundinamarca con el 23.8%, seguido de Santander con el 20.1% y Antioquia con el 13.9%.
Como se puede observar en la Tabla 13, en Cundinamarca el municipio de mayor producción es
San Bernardo, que a su vez es el que tiene mayor número de hectáreas sembradas, seguido por
Silvana y Arbeláez.
Municipio Área Sembrada (h) Rendimiento (t/ha) Producción (t)
San Bernardo 1.040 9,00 9.180
Silvania 564 8,00 4.0000
Arbeláez 370 8,00 2.576
Fusagasuga 288 9,00 2.322
Pasca 269,5 6,50 1.732
Granada 220 6,00 1.140
El Colegio 210 6,00 888
Junin 197 3,50 679
Venecia 113 7,00 511
Quipile 102 14,00 1.148
Gacheta 48 4,50 90
Quetame 36 6,50 188,5
Tabla 13. Mayores Productores de Mora Cundinamarca Fuente. Elaborado por autores en base a (Grupo de Estadisticas e Información Sectorial - Oficina
Asesora de Planeacion y Prospectiva - Ministerio de Agricultura y Desarrollo Rural, 2014)
1.1.5.1 Exportaciones e Importaciones de Mora
En la Grafica 9 se presenta el total de toneladas exportadas de mora entre el año 2002 al 2015.
70.000
80.000
90.000
100.000
110.000
2003 2005 2007 2009 2011 2013
Producción (Ha)
32
Grafica 9. Exportaciones de Mora Fuente. Elaborado por autores en base a (Agronet, 2015a)
Como se puede observar las exportaciones han decrecido, en razón al incremento en el consumo
de la industria que presionó los precios internos al alza y junto a las restricciones sanitarias se
desestimuló las ventas internacionales. La mora colombiana tiene admisibilidad en el mercado
de Estados Unidos, debido a la presencia de mosca de la fruta Estados Unidos permite el ingreso
de mora fresca procedente de Colombia, únicamente si su origen es la Sabana de Bogotá.(Ruiz
Molina et al., 2009)
En cuanto a les importaciones las cifras son muy bajas, y no se realizan con frecuencia por lo
cual no se presenta un análisis sobre estas.
1.1.6 Uchuva La uchuva pertenece al género Physalis, es una baya jugosa y carnosa, de color amarillo-naranja
cuando está maduro, con altos niveles de minerales, vitaminas y fibra. (Marin Arango, Cortes
Rodríguez, & Montoya Cmpuzano, 2010) El género Physalis incluye 100 especies herbáceas
perennes y anuales, cuyos frutos se forman y permanecen dentro de un cáliz. La Physalis
peruviana es la más utilizada por su fruto azucarado. La uchuva se adapta a una amplia gama de
condiciones agroecológicas y es una especie muy tolerante debido a su adaptabilidad a climas
como el del mediterráneo y suelos de cualquier tipo. (García, 2003)
Desde de la siembra en el campo hasta la primera cosecha transcurren en promedio 90 días. Una
vez empieza la cosecha, ésta es continua, permitiendo realizar recolecciones semanales y en
ocasiones dos por semana, dependiendo de los grados de madurez y los requerimientos del
mercado. Con un adecuado manejo agronómico, el cultivo puede alcanzar una vida productiva
de hasta dos años. (Zapata, Saldarriaga, Londoño, & Díaz, 2002) A partir del segundo año de
producción, los rendimientos decaen y se observa una reducción notoria en el tamaño del fruto.
La producción de uchuva se presenta durante todo el año, con épocas de mayor oferta entre
octubre y enero y las de menor oferta entre abril y julio. Esta estacionalidad está relacionada con
la demanda de los mercados europeos, en los cuales se presenta una mayor demanda entre los
meses de marzo y abril y noviembre y diciembre. (García, 2003)
33
En Colombia la Uchuva crece en sitios entre 1800 y 2800 msnm, se encuentra distribuida en la
región andina, como planta silvestre y solo desde hace algunos años se está tratando de manera
comercial. En algunas regiones colombianas se cultiva en asociación con curuba, feijoa, tomate
de árbol, hortalizas y tubérculos; y en ocasiones con algunas plantas de maíz y cereales. Su
siembra es recomendada como cobertura para proteger terrenos de la erosión, debido a su
crecimiento vigoroso y expansión rápida.(García, 2003)
La uchuva en Colombia, es considerada como un fruto promisorio de exportación y se caracteriza
por tener una mejor coloración y un mayor contenido de azúcares, lo que la hace uno de los frutos
más apetecidos en los mercados internacionales. (Marin Arango et al., 2010)
UCHUVA
Propiedades
Color Amarillo Peso 4 a 10 gr
Semilla Pequeña Piel Delgada
Calidad Buena Producción Medio
Cuidados
Suelo desinfectado y con sustrato de tierra, cascarilla y escoria. Exigente de nitrógeno al comienzo del ciclo. Riesgo de daño mecánico, fisiológico y por plagas.
Tabla 14. UCHUVA Fuente. Elaboración propia en base a (Grupo de Estadisticas e Información Sectorial - Oficina Asesora de
Planeacion y Prospectiva - Ministerio de Agricultura y Desarrollo Rural, 2014)
1.1.6.1 Producción Uchuva en Colombia
En la Grafica 10 se presenta la producción desde el año 2003 al 2013 de uchuva en el país.
Grafica 10. Producción Nacional de Uchuva 2003-2013 Fuente. Elaboración propia en base a (Grupo de Estadisticas e Información Sectorial - Oficina Asesora de
Planeacion y Prospectiva - Ministerio de Agricultura y Desarrollo Rural, 2014)
De dicha producción el mayor participante es Boyacá que represento para el año 2013 el 60.3%
de la producción nacional, seguido por Antioquia con 17.8% y Cundinamarca con 14.8%. Boyacá
tiene el mayor número de hectáreas sembradas (406 Ha), y también el mayor rendimiento de la
tierra, convirtiéndolo en el líder la producción a nivel nacional. Como se puede observar en la
5.000
10.000
15.000
20.000
2003 2005 2007 2009 2011 2013
Producción (Ha)
34
Tabla 15, en el departamento de Boyaca lo municipos de mayor producción son Arcabuco,
Ramiriqui, Ventaquemada y Cienaga.
Municipio Área Sembrada (h) Rendimiento (t/ha) Producción (t)
Arcabuco 50 9,00 1.617
Ramiriqui 80 8,00 1.600
Ventaquemada 110 8,00 1.350
Cienega 65 9,00 1.300
Floresta 20 6,50 500
Umbita 18 6,00 378
San Miguel de Sema 27 6,00 324
Gachantiva 11 3,50 150
Guican 12 7,00 108
Sutamarchan 20 14,00 100
Viracacha 9 4,50 99,3
Santa sofia 10 6,50 90
Tabla 15. Mayores Productores de Uchuva Boyacá Fuente. Elaborado por autores en base a (Grupo de Estadisticas e Información Sectorial - Oficina
Asesora de Planeacion y Prospectiva - Ministerio de Agricultura y Desarrollo Rural, 2014)
1.1.6.2 Exportaciones Uchuva
La uchuva no registra importaciones en Colombia, por dicha razón en la Grafica 11 se presenta
únicamente la cantidad exportada desde año 2000 hasta el 2014.
Grafica 11. Exportaciones de Uchuva Fuente. Elaborado por autores en base a (Agronet, 2015a)
0
1000
2000
3000
4000
5000
6000
7000
8000
2000 2002 2004 2006 2008 2010 2012 2014
Toneladas Exportadas
35
Como se puede observar las exportaciones de uchuva tienden al crecimiento, esto debido a como
se explicó anteriormente, el producto tiene gran recibimiento en mercados internacionales, como
fruta exótica rica en nutrientes y beneficiosa para la salud.
1.1.7 Gulupa La Gulupa es una fruta exótica originaria de la región amazónica del Brasil (Sumapaz, 2011) y se
ha distribuido ampliamente en los países andinos (Rodriguez, 2010) aunque crece de forma
silvestre en un área que abarca desde el sur de Colombia hasta el norte de Argentina, Uruguay
y Paraguay (Sumapaz, 2011). El fruto es muy apetecido para el consumo en fresco debido a su
sabor y aroma (Rodriguez, 2010). La Gulupa pertenece a la familia Passifloráceae y se conoce
con este nombre en Colombia, aunque se utilizan otros nombres comunes como curuba redonda,
maracuyá morado, parchita, granadilla, pasionaria, fruta de la pasión y cholupa
morada.(Sumapaz, 2011)
Es una planta de enredadera que inicia producción a los 8 meses después de su establecimiento.
Las altitudes adecuadas para su desarrollo están entre los 1.400 y 2.000 msnm (Rodriguez,
2010). La Gulupa se desarrolla en diferentes tipos de suelos, sin embargo, se prefieren suelos
con texturas arenosas, pues en estas se presenta buen desarrollo y crecimiento del sistema
radical (Sumapaz, 2011). Con un buen manejo una plantación puede producir hasta máximo 4 o
5 años, con rendimientos de 20 toneladas o más por hectárea. La Gulupa es la tercera fruta de
exportación en Colombia, después del banano y la uchuva y se cultiva en departamentos como
Cundinamarca, Antioquia, Tolima, Huila, Boyacá y Eje cafetero. (Rodriguez, 2010)
Gulupa
Propiedades
Color Verde-Purpura Peso 50 - 60 gr
Tamaño 4 – 8 cm (diámetro) Cascara Gruesa
Calidad Buena Sabor Ligeramente ácido
Cuidados
Tabla 16. Gulupa Fuente. Elaboración propia en base a (Grupo de Estadisticas e Información Sectorial - Oficina Asesora de
Planeacion y Prospectiva - Ministerio de Agricultura y Desarrollo Rural, 2014)
1.1.7.1 Producción de la Gulupa en Colombia
En la siguiente Grafica 12 se presentan los departamentos que producen gulupa, los datos
mostrados pertenecen al año 2013.
36
Grafica 12. Producción Nacional de Uchuva 2003-2013 Fuente. Elaboración propia en base a (Grupo de Estadisticas e Información Sectorial - Oficina Asesora de
Planeacion y Prospectiva - Ministerio de Agricultura y Desarrollo Rural, 2014)
La producción la lidera Antioquia con 36.9%, seguido de Cundinamarca con 28.8% y de Boyacá
con 13.5%. En Antioquia el municipio con mayor producción es Jardin, seguido po San Vicente
y Jerico, tal como se muestra en la Tabla 17.
Municipio Área Sembrada (h) Rendimiento (t/ha) Producción (t)
Jardin 57 40 2.000
San Vicente 28 14 168
Jerico 10 14 140
Carolina 3 15 10
Andes 3 5 6
Tabla 17. Mayores Productores de Gulupa Antioquia Fuente. Elaborado por autores en base a (Grupo de Estadisticas e Información Sectorial - Oficina
Asesora de Planeacion y Prospectiva - Ministerio de Agricultura y Desarrollo Rural, 2014)
1.1.7.2 Exportaciones de Gulupa
Según el informe de La republica (Delgado Gómez, 2014) las exportaciones de gulupa desde
Colombia se han comportado desde el año 2007-2013 como se presenta a continuación:
0
500
1000
1500
2000
2500
Produccion 2013 (t)
37
Grafica 13. Exportación de Gulupa Fuente. Elaborado por autores en base a (Delgado Gómez, 2014)
Las exportaciones se dirigen hacia Europa, Asia y América casi 3.000 toneladas anuales, La
gulupa ha presentado un crecimiento de 417% en las ventas externas desde 2007. La demanda
de esta fruta en Europa representa una gran oportunidad para Colombia, aunque el producto, por
ser exótico, no se comercialice en grandes volúmenes. Colombia es competidor con países como
Kenia y Zimbabue, donde esta fruta se cultiva hace más de 90 años y representa el producto
agrícola más importante de su economía. (Delgado Gómez, 2014)
1.1.8 Naranja En Colombia se producen principalmente dos variedades de Naranja, la Común y la Valencia. La
naranja que se produce actualmente se destina en gran medida al mercado fresco. Las zonas
productoras de cítricos en Colombia presentan temperaturas entre 23°C y 34°C, más sin embargo
los cultivos de cítricos se encuentran dispersos a lo largo del país. (Hernandez, 2014)
Los principales productores en América se encuentran en Brasil, Estados Unidos, Argentina y
México. En Colombia para el 2011 el departamento del Meta era el mayor productor, seguido del
Valle del Cauca y Antioquia. En cuento a la oferta existen dos periodos de escasez uno entre
Marzo – Abril y el segundo entre Agosto – Septiembre. La Naranja valencia puede tardar entre 9
a 18 meses en dar formación a los frutos, el tiempo está determinado por la especie, el cultivo y
las condiciones ambientales.
0
500
1000
1500
2000
2500
3000
2006 2007 2008 2009 2010 2011 2012 2013 2014
Toneladas Exportación
38
Naranja
Propiedades
Color Anaranjado Peso 150-200gr sin piel
Tamaño 6-10cm de diámetro Cascara Lisa – Rugosa
Calidad Buena Sabor Ligeramente ácido
Cuidados
La naranja es una especie subtropical por lo que no tolera las heladas, y cuando estas se producen quedan dañados tanto las flores y los frutos, como la vegetación. Por debajo de los 3-5ºC bajo cero, la planta muere.
Tabla 18. Naranja Fuente. Elaboración propia en base a http://www.frutas-hortalizas.com/
1.1.8.1 Producción de la Naranja en Colombia
En la siguiente Grafica se presentan los departamentos que producen Naranja, los datos
mostrados pertenecen al año 2013.
Grafica 14. Producción Nacional de Naranja 2003-2013 Fuente. Elaboración propia en base a (Grupo de Estadisticas e Información Sectorial - Oficina Asesora de
Planeacion y Prospectiva - Ministerio de Agricultura y Desarrollo Rural, 2014)
La producción la lidera Santander con 14.7%, seguido de Cundinamarca con 14.2% y de
Risaralda con 13.6%. En Santander el municipio con mayor producción es Rionegro, seguido por
Lebrija y Suaita, tal como se muestra en la Tabla 19.
020000400006000080000
100000120000140000160000180000200000
Producción 2013 (t)
39
Municipio Área Sembrada (h) Rendimiento (t/ha) Producción (t)
Rionegro 4876 3506 62650
Lebrija 1998 1616 24279,1
Suaita 1493 946 18976
El carmen de chucuri 1394 1075 10250
San vicente de chucuri 2341 1666 8449 Tabla 19. Mayores Productores de Naranja en Santander
Fuente. Elaborado por autores en base a (Grupo de Estadisticas e Información Sectorial - Oficina Asesora de Planeacion y Prospectiva - Ministerio de Agricultura y Desarrollo Rural, 2014)
1.1.8.2 Exportaciones de Naranja
Según el informe de La republica (Delgado Gómez, 2014) las exportaciones de Naranja desde
Colombia se han comportado desde el año 2006-2014 como se presenta a continuación:
Grafica 15. Exportación de Naranja Fuente. Elaborado por autores en base a (Delgado Gómez, 2014)
Las exportaciones en 2014 se dirigieron hacia Ecuador, Guadalupe y Martinica. Y durante el
periodo 2011 y 2012 las exportaciones cayeron y comienzan a tomar fuerza durante los últimos
2 años, durante el periodo 2012 – 2013 las exportaciones crecieron 6 veces y durante 2013 –
2014 las exportaciones crecieron un 52%.
1.1.9 Mandarina La producción de mandarina en su principal productor (Santander) se da en los meses de Mayo
- Julio y Octubre – Diciembre, más sin embargo es común encontrar oferta durante todo el año,
presentando épocas de oferta más baja durante los meses de Marzo – Abril y Agosto –
Septiembre.
0
20
40
60
80
100
120
140
160
2006 2007 2008 2009 2010 2011 2012 2013 2014
Toneladas de Exportación
40
Mandarina
Propiedades
Color Anaranjado Peso 150-200gr sin piel
Tamaño 6-10cm de diámetro Forma Lisa – Rugosa
Calidad Buena Sabor Ligeramente ácido
Cuidados
Es más resistente al frío y más tolerante a la sequía que el naranjo, pero los frutos son sensibles. El factor limitante es la temperatura mínima, ya que no tolera las inferiores a 3º.
Tabla 20. Mandarina Fuente. Elaboración propia en base a http://www.frutas-hortalizas.com/
1.1.9.1 Producción de la Mandarina en Colombia
En la siguiente Grafica se presentan los departamentos que producen Mandarina, los datos
mostrados pertenecen al año 2013.
Grafica 16. Producción Nacional de Mandarina2003-2013
Fuente. Elaboración propia en base a (Grupo de Estadisticas e Información Sectorial - Oficina Asesora de Planeacion y Prospectiva - Ministerio de Agricultura y Desarrollo Rural, 2014)
La producción la lidera Santander con 43.1%, seguido de Cundinamarca con 15.8% y de
Risaralda con 12.7%. En Santander el municipio con mayor producción es Suaita, seguido por
Rionegro y Lebrija, tal como se muestra en la Tabla 21.
Municipio Área Sembrada (h) Rendimiento (t/ha) Producción (t)
Suaita 4037 3816 112195
Rionegro 12088 10852 111378
Lebrija 8110 7840 94080
San gil 2272 2019 36033
Socorro 1325 1071 24312 Tabla 21. Mayores Productores de Mandarina en Santander
Fuente. Elaborado por autores en base a (Grupo de Estadisticas e Información Sectorial - Oficina Asesora de Planeacion y Prospectiva - Ministerio de Agricultura y Desarrollo Rural, 2014)
020000400006000080000
100000120000140000160000180000200000
Producción 2013 (t)
41
1.1.9.2 Exportaciones de Mandarina
Según el informe de La republica (Delgado Gómez, 2014) las exportaciones de Mandarina
desde Colombia se han comportado desde el año 2006-2014 como se presenta a continuación:
Grafica 17. Exportación de Mandarina Fuente. Elaborado por autores en base a (Delgado Gómez, 2014)
Las exportaciones en 2014 se dirigieron hacia Ecuador, Guadalupe y Martinica. Y durante el
periodo 2011 y 2012 las exportaciones cayeron y comienzan a tomar fuerza durante los últimos
2 años, durante el periodo 2012 – 2013 las exportaciones crecieron 6 veces y durante 2013 –
2014 las exportaciones crecieron un 52%.
1.1.10 Fresa El cultivo de la fresa se realiza principalmente a campo abierto, y en menor proporción bajo
condiciones protegidas (invernaderos) lo que genera problemas para el control de plagas y
enfermedades. Esta fruta es apreciada mundialmente por su color, textura, color y aporte
nutricional en cuanto a vitaminas como la C, K y propiedades antioxidantes.(Rubio, Alfonso,
Grijalba, & Pérez, 2014)
Fresa
Propiedades
Color Rojo Brillante Peso 12.58 gr promedio
Tamaño 20-34mm de diámetro Cascara Cónico Alargado
Calidad Buena Sabor Dulce
Cuidados
Tienen un corto periodo de vida, los daños fisiológicos no son un grave problema en ellas. Pero las enfermedades son las principales causas de pérdidas en fresas.
Tabla 22. Fresa Fuente. Elaboración propia en base a http://www.frutas-hortalizas.com/
0
20
40
60
80
100
120
140
160
2006 2007 2008 2009 2010 2011 2012 2013 2014
Toneladas de Exportación
42
1.1.10.1 Producción de la Fresa en Colombia
En la siguiente Grafica se presentan los departamentos que producen Mandarina, los datos
mostrados pertenecen al año 2013.
Grafica 18. Producción Nacional de Fresa 2003-2013 Fuente. Elaboración propia en base a (Grupo de Estadisticas e Información Sectorial - Oficina Asesora de
Planeacion y Prospectiva - Ministerio de Agricultura y Desarrollo Rural, 2014)
La producción la lidera Cundinamarca con 57.6%, seguido de Antioquia con 25.2% y norte de
Santander con 8.9%. En Cundinamarca el municipio con mayor producción es Sibate, seguido
por Choconta y Facatativa, tal como se muestra en la Tabla 23.
Municipio Área Sembrada (h) Rendimiento (t/ha) Producción (t)
Sibate 2345 1695 83712
Choconta 671,5 538,22 25546,5
Facatativa 824,3 617,3 18519
Guasca 540 358 16000
Soacha 606 455,5 14195 Tabla 23. Mayores Productores de Fresa en Santander
Fuente. Elaborado por autores en base a (Grupo de Estadisticas e Información Sectorial - Oficina Asesora de Planeacion y Prospectiva - Ministerio de Agricultura y Desarrollo Rural, 2014)
1.1.10.2 Exportaciones de Fresa
Según el informe de La republica (Delgado Gómez, 2014) las exportaciones de Fresa desde
Colombia se han comportado desde el año 2006-2014 como se presenta a continuación:
0
50000
100000
150000
200000Producción 2013 (t)
43
Grafica 19. Exportación de Fresa Fuente. Elaborado por autores en base a (Delgado Gómez, 2014)
Las exportaciones en 2014 se dirigieron hacia Panamá, Aruba y Antillas Holandesas. Durante
los últimos tres años las exportaciones han ido creciendo gradualmente En 2013 un 25% y en
2014 un 24%.
1.2 OBJETO TEÓRICO El siguiente gráfico muestra la estructura desarrollada en el marco conceptual.
Grafica 20. Estructura del Objeto Teórico
Fuente. Elaborado por autores.
0
20
40
60
80
100
120
140
160
2006 2007 2008 2009 2010 2011 2012 2013 2014
Toneladas de Exportación
Objeto Teórico
Marco Conceptual
Cadena de Suministro
Logística
Distribución
Localización
Modelamiento Matemático
Revisión al Estado del Arte
Modelos de distribución
Perecederos
No perecederos
Localización y Asignación de Instalaciones
Modelos de localización
agroalimentos
Perecederos
44
1.2.1 MARCO CONCEPTUAL
1.2.1.1 Cadena De Suministro
“La cadena de suministro es el conjunto de empresas integradas por proveedores, fabricantes, distribuidores y vendedores (mayoristas o detallistas) coordinados eficientemente por medio de relaciones de colaboración en sus procesos clave para colocar los requerimientos de insumos o productos en cada eslabón de la cadena en el tiempo preciso al menor costo, buscando el mayor impacto en las cadena de valor de los integrantes con el propósito de satisfacer los requerimientos de los consumidores finales” (Hernández, 2002). “Una cadena de suministro está formada por todas aquellas partes involucradas de manera directa o indirecta en la satisfacción de una solicitud de un cliente. La cadena de suministro incluye no solamente al fabricante y al proveedor, sino también a los transportistas, almacenistas, vendedores al detalle (o menudeo) e incluso a los mismos clientes. Dentro de cada organización, como la del fabricante, abarca todas las funciones que participan en la recepción y el cumplimiento de una petición del cliente. Estas funciones incluyen, pero no están limitadas al desarrollo de nuevos productos, la mercadotecnia, las operaciones, la distribución, las finanzas y el servicio al cliente” (Chopra & Meindl, 2008). “La cadena de suministros es un conjunto de actividades funcionales (transporte, control de inventarios, etc.) que se repiten muchas veces a lo largo del canal de flujo, mediante las cuales la materia prima se convierte en productos terminados y se añade valor para el consumidor. Dado que las fuentes de materias primas, las fábricas y los puntos de venta normalmente no están ubicados en los mismos lugares y el canal de flujo representa una secuencia de pasos de manufactura, las actividades de logística se repiten muchas veces antes de que un producto llegue a su lugar de mercado” (R. Ballou, 2004). “Una cadena de suministro es una red de instalaciones que realizan una serie de operaciones que van desde la adquisición de materias primas, la transformación de estos materiales en productos intermedios y terminados, a la distribución de los productos terminados a los clientes. Además del transporte de entrada y salida, los productos pueden fluir entre las instalaciones del mismo tipo y de ubicaciones de los clientes a otros servicios (por ejemplo, plantas, DC)” (Melo et al., 2006). Para la presente investigación se adopta la siguiente definición de acuerdo con la naturaleza agroindustrial de la cadena de suministro estudiada: “Es una red de organizaciones que trabajan conjuntamente en diferentes procesos y actividades con el fin de llevar los productos y servicios al mercado para satisfacer las demandas de los clientes. La diferencia de esta con otras cadenas de suministro es la importancia que juegan los factores como la calidad y seguridad alimentaria, limitada vida, variabilidad de los precios y la demanda.” (Ahumada & Villalobos, 2009)
1.2.1.2 Logística
“La logística es el trabajo requerido para mover y colocar el inventario por toda la cadena de suministro. Es un subconjunto de una cadena de suministro y ocurre dentro de esta. Es además el proceso que crea valor por la oportunidad y el posicionamiento del inventario. Es la combinación de la administración de pedidos, el inventario, el transporte, el almacenamiento, el manejo de materiales u el embalaje integrado por toda la red de una planta” (Bowersox, 2007). “La logística es la parte del proceso de la cadena de suministros que planea, lleva cabo y controla
45
el flujo y almacenamiento eficientes y efectivos de bienes y servicios, así como de la información relacionada, desde el punto de origen hasta el punto de consumo, con el fin de satisfacer los requerimientos de los clientes” (R. Ballou, 2004). Para la presente investigación se construyó la siguiente definición en base de los autores citados “La logística es la parte del proceso de la cadena de suministro que planea y controla el flujo y almacenamiento de bienes y servicios, así como de la información relacionada, desde el punto de origen hasta el punto de consumo, con el fin de satisfacer los requerimientos de los clientes en el lugar tiempo y cantidades acordadas. Por otra parte, también puede referirse a las funciones administrativas que apoyan el ciclo completo de flujos de frutas: en cuanto a la compra, el control interno, la planeación, embarque y distribución”. (Chopra & Meindl, 2008) (R. Ballou, 2004) (Chase, Richar; Jacobs , Robert; Aquilano, 2009)
1.2.1.3 Distribución
Con base en la revisión bibliográfica se construyó la siguiente definición del concepto de distribución: Es el conjunto de operaciones necesarias para el desplazamiento de los productos desde el lugar de producción hasta el consumidor, a través de la cadena de suministro, siendo una directriz clave de la rentabilidad de la compañía, debido a que afecta de manera directa los costos de la cadena y la experiencia del cliente (Chopra & Meindl, 2008). Este proceso incluye la entrega del producto final, el transporte y la gestión de la recuperación de inventarios (Beamon, 1998). Las decisiones relacionadas con la distribución se componen de seleccionar el modo de transporte, las rutas a utilizar y el calendario de envío para entregar el producto (Ahumada & Villalobos, 2009). Además se establece políticas de encargo de inventario para cada instalación dentro de una red logística, basado en los requisitos de tiempo de transporte, los datos de demanda y los de costes (Beamon, 1998). Recientemente, la red de distribución con información incierta de la cadena de suministro, la optimización de la red de distribución con información estocástica, información difusa está siendo ampliamente estudiado (Wang, Zhang, & Liu, 2011).
1.2.1.4 Localización de instalaciones
La localización de instalaciones para este proyecto de investigación se definió como: “el proceso de elegir un lugar geográfico entre varios para realizar las operaciones de determinado actor (Carro Paz & Goncález Gómez, 2012). La ubicación se relaciona con los centros de distribución (CD) y acopio que deberían ser seleccionados y la asignación se centra en las zonas potenciales de servicio que deben ser atendidos por cada CD seleccionado en toda la cadena (Erengüç, Simpson, & Vakharia, 1999). En las decisiones sobre localización por lo general se tiene en cuenta cuestiones tales como costo, rentabilidad, tiempos de respuesta, cercanía a determinados lugares o algún otro de acuerdo a las características de la actividad o cadena evaluada (Carro Paz & Goncález Gómez, 2012). Además abarcan los componentes básicos de diseño del sistema de distribución (Klose & Drexl, 2005).
1.2.1.5 Centros de Distribución
Un Centro de distribución es una infraestructura logística en la cual se almacena producto y se realizan despachos de órdenes de salida para su distribución al comercial y minorista. Tiene como objetivo almacenar materia prima o producto terminado para poder hacer llegar los productos a su destino final, es la manera más efectiva, rápida y económica posible, permitiéndole a la empresa mantener a los clientes permanentemente y adecuadamente abastecidos según las
46
políticas de servicio al cliente, de acuerdo a los exigentes requerimientos del mercado (Chávez Chicas, Blanca Morena; Najarro Martinez, Jenniffer Berenke; Rivas González, 2009). Los centros de distribución visualizan el proceso de distribución de manera estandarizada, simple y directa. Existen cuatro etapas en éste (Chase, Richar; Jacobs , Robert; Aquilano, 2009):
Recibir los productos de diversos proveedores y almacenarlos.
Elegir los distintos productos necesarios para cubrir el pedido de un cliente.
Empacar el pedido completo y etiquetarlo.
Enviar el pedido a través del transportista adecuado.
1.2.1.6 Modelo Matemático
Un modelo es una representación de un objeto, sistema o idea, de forma diferente al de la entidad misma. Los modelos se utilizan para explicar, entender o mejorar un sistema. Un modelo de un objeto puede ser una réplica exacta de éste o una abstracción de las propiedades dominantes del objeto (Bermón Angarita, n.d.) además puede representar con cierto grado de precisión y en la forma más completa posible una situación real. (Wadsworth, 1997) Para el desarrollo de esta investigación se adopta la siguiente definición de modelo matemático: “Los modelos matemáticos son representaciones idealizadas, pero están expresados en términos de símbolos y expresiones matemáticas. Un modelo matemático de un problema industrial está conformado por el sistema de ecuaciones y expresiones matemáticas relacionadas que describen la esencia del problema que se está estudiando. (Hillier & Lieberman, 2010) En caso de un problema de optimización estará conformado por una función objetivo, variable de decisión, restricciones y parámetros del sistema (Hillier & Lieberman, 2010)(Winston, 2004). En términos generales, en todo modelo matemático se pueden determinar 3 fases: Construcción del modelo, análisis del modelo e interpretación del análisis matemático. (Rodríguez Velázquez & Steegmann Pascual, n.d.)”
47
1.2.2 REVISIÓN AL ESTADO DEL ARTE El siguiente gráfico muestra la estructura desarrollada en la revisión al estado del arte.
Grafica 21. Estructura de la Revisión al Estado del Arte
Fuente. Elaborado por autores.
1.2.2.1 Modelos de Distribución
La logística tradicional no puede satisfacer las necesidades de gran circulación debido a una
pérdida de recursos, es decir las empresas mantienen un gran nivel de inventario, pero se
presenta escases de bienes en los almacenes, por lo tanto es necesario establecer sistemas de
distribución con estructura de red, que se componen de algunos nodos y líneas, cuyas actividades
servirán como base de la cadena de suministro. El modelo da como resultado la ubicación, la
escala y la cantidad de los productos distribuidos en el centro de distribución. (Yu, 2012)
El proceso de distribución determina cómo se recuperan y se transportan desde el almacén hasta
los minoristas los productos. Estos productos pueden ser transportados a los minoristas
directamente, o pueden primero ser trasladados a las instalaciones de distribución, que, a su vez,
transportan los productos a los minoristas. Este proceso incluye la gestión de la recuperación de
inventario, transporte y entrega del producto final. (Beamon, 1998)
Los sistemas de distribución comprenden el diseño de la red de distribución, la planificación de
la red y del transporte. Estas se clasifican según el tiempo en que tarda su ejecución de la
siguiente manera (Akkerman, Farahani, & Grunow, 2010):
● Diseño de la red de distribución, hace referencia a las decisiones a largo plazo sobre la estructura de la distribución física. Esto incluye el número y tamaño de los almacenes y puntos de cross-docking, así como las conexiones de transporte relacionados.
Revisión al Estado del Arte
Modelos de Distribución
Multifuente De MercanciasAplicados en
Alimentos
Perecederos
No perecederos
Localización y Asignación de Instalaciones
Problemas de Localización
Modelos Matemáticos
Determínisticos y Discretos
Dinámicos y Continuos
Estocásticos
Modelos aplicados en Agricultura
Perecederos
48
● Planificación de la red de distribución, se considera a medio plazo y está relacionado con el cumplimiento de la demanda a nivel agregado. Esto incluye los flujos de productos agregados y las frecuencias de entrega.
● La planificación del transporte, es a corto plazo y se relaciona con la distribución de los pedidos reales de los clientes. Incluye la carga y el enrutamiento de los vehículos.
Los distribuidores están jugando un papel muy importante en la cadena de suministro, tomando
el papel de centros de servicio, centros de recolección de información y centros de alarma. Se
puede decir que la satisfacción del distribuidor depende en cierto grado de la satisfacción de los
clientes. (Ling & Zhang, 2009)
El diseño de la red de distribución es una de las decisiones más críticas de gestión de operaciones
que enfrenta una empresa, ya que afecta los costos, el tiempo y la calidad de servicio al cliente
(Hwang, 1999). Generalmente dicho diseño tiene en cuenta los siguientes aspectos (Yu, 2012):
Cantidad de productos en cada centro de producción y la cantidad que se va a distribuir a cada nodo
Localización geográfica de los nodos
La forma de asignar los clientes a los servicios e instalaciones entre sí.
Tamaño de cada nodo
Relación entre la compra y venta en cada nodo
A partir de la agudización de la competencia, los supermercados comenzaron a invertir en centros
de distribución, plataformas logísticas y elementos informáticos, generando una logística de
provisión más especializada con el objetivo de reducir sus costos de transacción. Las plataformas
logísticas generan una eficiente distribución de tareas, mejorando el movimiento de las
mercaderías a través de la paletización y la utilización de elementos informáticos que permiten
organizar el aprovisionamiento de los diferentes puntos de venta evitando quiebres de stock. Las
plataformas logísticas no son solamente lugares donde se prepara y organiza la mercancía, sino
que también se reagrupan los productos, se reorienta la función del transporte de acuerdo a
normas específicas vinculadas con la organización del flujo logístico, se prepara el pedido, se
genera asistencia para evitar rupturas, picking y preparación del envío. En el caso particular de
productos perecederos, como las hortalizas, se procura administrarlos por el sistema de cross
docking (distribución sin almacenamiento). Este método permite que los productos lleguen a los
locales a las pocas horas de haber sido entregados por el proveedor, logrando una mayor frescura
y calidad en la mercadería ya que no ha sido almacenada previamente (Balcarce & Aires, 2004).
La gestión de las redes de distribución de alimentos está recibiendo cada vez más atención,
principalmente en cuanto a la calidad de los alimentos, la seguridad alimentaria y la sostenibilidad.
(Akkerman et al., 2010)
A continuación se presenta algunos de los modelos del sistema de distribución consultados en la
literatura:
49
1.2.2.1.1 Modelo de Sistema de Distribución con Multi-Fuente y Varios Productos en Base a las
Limitaciones de Tiempo
Yu (Yu, 2012) presenta una formulación matemática para estos tipos de modelos, en donde los
supuestos básicos que maneja son:
Los centros de distribución no tiene ninguna restricción a la capacidad o flujo
Si se elige algún CD, se conoce los costos fijos para su establecimiento y funcionamiento
La capacidad de los diferentes productos por cada base de producción se conoce
Los proveedores de entrega de cada variedad se conocen
Cada CD suministra un punto de demanda
La cantidad de centro de distribución requerida por la red de distribución se conoce.
Los posibles objetivos en el diseño de sistemas de distribución pueden ser, la minimización de
los costos periódicos de distribución, mínima inversión en nuevas instalaciones, lograr un alto
nivel de servicio al cliente, correcto uso de la capacidad de la instalación, y evitar grandes cambios
en el sistema actual. (Klose & Drexl, 2005)
1.2.2.1.2 Modelo de Distribución de Mercancías
Para esta parte del documento se toma como referencia los modelos de distribución que maneja
el canal de distribución HORECA (Ponce-Cueto & Carrasco-Gallego, 2009) en España. El término
HORECA se refiere al canal de distribución en la industria de servicio de alimentos. Es el acrónimo
formado por la vinculación de las palabras hoteles, restaurantes y catering (Ponce-Cueto &
Carrasco-Gallego, 2009). Es relevante ya que dicho canal tiene dos problemas principales que
en Colombia también se presentan en las cadenas de abastecimiento frutícolas, el primero es la
imposibilidad de ofrecer un nivel homogéneo de servicios en todo el país y el segundo hace
referencia a los costos elevados asociados con el ciclo de la orden de la entrega de pago. En
este estudio se destaca el alto costo logístico como un factor de gran relevancia (Como
consecuencia del tamaño de los pedidos, generalmente muy pequeños, y de las entregas, que
son muy frecuentes) (Ponce-Cueto & Carrasco-Gallego, 2009). Entre los modelos que Cueto
(Ponce-Cueto & Carrasco-Gallego, 2009) identifica en el canal HORECA se tienen los siguientes:
● Modelo Pre-Ventas: Los pedidos se hacen antes de la entrega, por un agente de ventas que lleva a cabo una secuencia predefinida de visitas a clientes, o por el conductor de un camión de entrega, cuyo trabajo es doble, tanto en ventas y logística. La entrega puede ser realizada por los propios fabricantes a través de sus propios medios, disponible en diferentes oficinas nacionales o subcontratada a un operador logístico.
● Modelo Auto-Ventas: La principal diferencia entre este modelo y el modelo de pre-venta es que, en este caso no es necesario hacer un pedido antes de la entrega. El vehículo de reparto se carga a la capacidad máxima antes de la salida con una selección de los productos del fabricante y con una cantidad predeterminada de cada uno. El conductor sigue la ruta de los clientes que se ha asignado sin el conocimiento previo de las cantidades que se entregarán a cada uno de los clientes. Es completamente posible que ninguna orden se materialice.
50
● Modelo de Entrega Directa: En este modelo, la iniciativa se origina con el cliente, que envía la orden directamente al fabricante a través de medios telemáticos. Aunque la entrega puede ser subcontratado a un operador logístico, en todo caso, la nota de entrega y el reconocimiento de los actos de recibos como prueba de que la entrega se ha realizado y se inicia el proceso de facturación, que se lleva a cabo directamente, sin intermediarios, entre el fabricante y el cliente.
● Modelo de Ventas del Fabricante: Este modelo corresponde al suministro de los clientes que establecen su relación comercial directa con el fabricante, aunque logísticamente son suministrados por un distribuidor que actúa en el nombre del fabricante. Este modelo difiere de las ventas del distribuidor, en el que el cliente no establece la relación comercial con el fabricante, sino directamente con el distribuidor.
● Modelo de Ventas Directas: En este modelo, el cliente establece la relación comercial directa con el distribuidor. El fabricante no participa en ningún momento en los procesos de facturación y de pago con el cliente. En cuanto a la entrega, el distribuidor puede optar por entregar el producto al cliente o los clientes vienen directamente al distribuidor para recibir suministros.
Cada uno de estos modelos toma como variables operativas, las órdenes y la oferta de frecuencias, el tamaño de la orden, la vida útil o fecha de caducidad del producto y la calidad de servicios.
1.2.2.1.3 Modelos Producción-Distribución Aplicados a Alimentos
El diseño de la cadena de suministro, y en particular de la fase de distribución, de productos
alimenticios frescos, tales como las frutas o carnes, no se puede lograr sin tener en cuenta el
carácter perecedero y la variabilidad de los productos que entran en la cadena (Dabbene et al.,
2008). .Los productos alimenticios muestran cambios continuos de calidad durante toda la cadena
de suministro. Por lo tanto, en la distribución de alimentos, la calidad, la salud y la seguridad
requieren una consideración central. (Akkerman et al., 2010)
El envío desde el cultivador hasta el consumidor contribuye considerablemente a la determinación
del coste final del producto, así como a la calidad percibida por el consumidor. Por ello es de gran
importancia realizar la entrega en un tiempo determinado que garantice el nivel de calidad
deseado. (Dabbene et al., 2008)
Ahumada y Villalobos (Ahumada & Villalobos, 2009) realizan una revisión de los modelos de
planeación y producción aplicados en agro productos. Dentro del artículo se clasifican los
modelos de acuerdo con el tipo de producto en perecederos y no perecederos. A continuación se
presentan los modelos relacionados con distribución.
Algo que se ha vuelto evidente es que en un futuro próximo el diseño y funcionamiento de las
cadenas de suministro agrícolas estarán sujetas a regulaciones más estrictas y una vigilancia
más estrecha, en particular las de los productos destinados al consumo humano. Esto implica un
cambio en las prácticas tradicionales de la cadena de suministro. La función de distribución
consiste en mover el producto en la cadena de suministro para entregar a los consumidores. Las
decisiones relacionadas con la distribución incluyen la localización de las instalaciones, selección
51
del modo de transporte, las rutas a utilizar y el calendario de envío para entregar el producto.
(Ahumada & Villalobos, 2009)
El control de las condiciones del proceso durante la manipulación, procesamiento, transporte y
almacenamiento de productos agrícolas puede ser costoso. Por ejemplo para lograr una baja
temperatura durante el transporte, se requieren vehículos acondicionados, los cuales representan
mayor costo. (Gigler, Hendrix, Heesen, van den Hazelkamp, & Meerdink, 2002)
1.2.2.1.4 Productos no Perecederos
Los productos no perecederos son aquellos que pueden almacenarse durante largos periodos de
tiempo, como los cereales, las patatas y los frutos secos (Ahumada & Villalobos, 2009). Ahumada
y Villalobos (Ahumada & Villalobos, 2009) presentan los modelos trabajos por los siguientes
autores: Lambert y Mc Carl (Lambert & McCarl, 1989) desarrollan un modelo de programación
discreta para la selección de diversas alternativas de marketing con el objetivo de maximizar los
ingresos. Gigler (Gigler et al., 2002) presenta una metodología para la optimización de las
cadenas agrícolas por medio de programación dinámica, definiendo las rutas que los actores
deberían realizar para obtener el mínimo costo de suministro y teniendo en cuenta la apariencia
además de la calidad del producto, influenciada principalmente por acciones de procesamiento,
transporte y almacenamiento.
Apaiah y Hendrix (Apaiah & Hendrix, 2005) presentan una técnica de investigación de
operaciones que podría ser utilizada en el diseño de cadenas de suministro, esta técnica es
aplicada para crear una red de suministro de guisantes ricos en proteínas a un bajo costo.
1.2.2.1.5 PRODUCTOS PERECEDEROS
Los productos frescos incluyen cultivos altamente perecederos, como frutas y verduras, cuya vida
útil se puede medir en días (Ahumada & Villalobos, 2009). En países en desarrollo las pérdidas
de alimentos cosechados pueden ser hasta de un 40%, esta pérdida está asociada a cualquier
cambio en el producto que impida el consumo humano. Este hecho es atribuible a la falta de
inversión y de tecnología en la fase de postcosecha. (Otbio, Maia, Lago, & Qassimb, 1997)
Ahumada y Villalobos (Ahumada & Villalobos, 2009) presentan los modelos trabajos por los
siguientes autores: Otbio et al. (Otbio et al., 1997) proponen un modelo de programación entera
mixta para la selección de rutas tecnológicas de cultivos de frutas y hortalizas, el objetivo es
optimizar la inversión de capital en virtud de la incertidumbre, basado en rutas alternativas y un
conjunto de escenarios de cultivos y de mercado. Rantala (Rantala, 2004) presenta un modelo
de Programación entera mixta para el diseño de los planes de distribución de la producción
integrada de plántulas de un vivero de una empresa finlandesa, algunas de las decisiones
incluidas en el modelo son el número total de plántulas a ser producidos y transportadas desde
los viveros hasta los almacenes o los clientes, y el objetivo principal del modelo es minimizar el
coste total para satisfacer la demanda de los clientes.
Ahumada y Villalobos (Ahumada & Villalobos, 2011a) desarrollan un modelo de planificación
táctica integrada para la producción y distribución de productos frescos. El objetivo principal del
modelo es maximizar los ingresos del productor. Se tienen en cuenta factores como la dinámica
de precios, el transporte y los costos de inventario. Además se considera el carácter perecedero
52
de los cultivos en dos formas diferentes, una como función de pérdida en su función objetivo, y la
otra como un obstáculo para el almacenamiento de productos.
Ahumada y Villalobos (Ahumada & Villalobos, 2011b) presentan un modelo de planificación para
la toma de decisiones a corto plazo en la industria de productos frescos. El objetivo es ayudar al
productor a maximizar sus ingresos a través de la toma de decisiones de producción y distribución
durante la temporada de cosecha. Los resultados del modelo propuesto reflejan ahorros
significativos en costos.
Farahani et al. (Farahani, Grunow, & Günther, 2012) desarrollan un enfoque que integra la
producción y distribución en un horizonte de corto plazo en un esquema iterativo, basados en el
supuesto de que la calidad de los alimentos se puede mejorar mediante el acortamiento del
intervalo de tiempo entre la producción y la entrega.
Amorim et al. (Amorim, Günther, & Almada-Lobo, 2012) desarrollan modelos de planeación
integrada de producción y distribución para productos perecederos enfocados principalmente en
los procesos de deterioro y vida útil. Los resultados muestran que los beneficios económicos
derivados del uso de un enfoque integrado dependen mucho del nivel de frescura de los
productos entregados.
Validi et al. (Validi, Bhattacharya, & Byrne, 2014) Establecen el diseño de una red capacitada de
distribución para la cadena de suministro láctea en Irlanda a través de un modelo de
programación mixta entera multi-objetivo. Los objetivos del modelo son la minimización de la
cantidad de emisiones de CO2 procedentes del transporte y del costo total de la cadena. Adicional
a esto el modelo busca que la cadena siga manteniendo el carácter competitivo dentro del
mercado.
La siguiente Tabla 24 muestra una síntesis de los trabajos de Distribución-Producción realizados
sobre productos alimenticios perecederos y no perecederos:
Año Autor Nombre de la Investigación Tipo de modelo
Productos no perecederos (Alimentos)
1989
Lambert, D.K., McCarl, B.A.,
Sequential modeling of white wheat marketing strategies
Programación Estocástica
2002
Gigler, J.K., Hendrix, E.M.T., Heesen, R.A., van den Hazelkamp, V.G.W., Meerdink, G.
On optimization of agri chains by dynamic programming
Programación Estocástica
2005
Apaiah, R.K., Hendrix, E.M.T.
Design of supply chain network for a pea-based novel protein foods
Programación Lineal
Productos perecederos (Alimentos)
1997
Aleotti, L.O., Araujo, R., Yahya, R.
Selection of postharvest technology routes by mixedinteger linear programming
Programación entera mixta
2004 Rantala, J. Optimizing the supply chain strategy of a multi-unit finish nursery
2011 Ahumada, O., Villalobos, R. A tactical model for planning the production and distribution of fresh produce
Programación entera mixta
2011 Ahumada, O., Villalobos, R. Operational model for planning the harvest and distribution of perishable agricultural products
Programación entera mixta
2012 Farahani, P., Grunow M., Günther H. O
Integrated production and distribution planning for perishable food products
Programación Lineal entera mixta
2012 Amorim, P., Günther, H.-O., Almada-Lobo B.
Multi-objective integrated production and distribution planning of perishable products
Programación entera mixta multi-objetivo
2014 Validi, S., Bhattacharya, A., Byrne, P.
A case analysis of a sustainable food supply chain distribution system A multi-objective approach
Programación entera mixta
Tabla 24. Modelos Aplicados a productos Agrícolas Fuente: Autores basados en Logística de distribución de productos perecederos (Reina, 2013)
1.2.2.2 Localización y Asignación de Instalaciones
A medida que las poblaciones, las tendencias del mercado y los factores ambientales cambian,
aumenta la necesidad de reubicar, ampliar y adaptar las instalaciones con el objetivo de superar
los nuevos retos. Antes de que un establecimiento pueda ser comprado o construido, se requiere
identificar la ubicación apropiada, determinar las especificaciones de capacidad y poseer el
capital necesario. Por lo tanto, se espera que las instalaciones que se encuentran hoy en día
permanezcan en funcionamiento durante un tiempo prolongado. (Owen & Daskin, 1998)
Los temas relacionados con la ubicación y asignación son de naturaleza estratégica. Las
decisiones referentes a este tema incluyen el suministro exterior de productos básicos, las
oportunidades de inventario de los bienes, las limitaciones de almacenamiento, disponibilidad de
capital para las inversiones, y la reubicación, ampliación o reducción de las capacidades. (Melo
et al., 2006) La ubicación se relaciona con los centros de distribución (CD) y acopio que deberían
ser seleccionados y la asignación se centra en las zonas potenciales de servicio que deben ser
atendidos por cada CD seleccionado en toda la cadena. Este problema puede ser estudiado a
partir de dos enfoques, el primero abordando la asignación y la localización por separado, y el
segundo es hacer frente a ambas decisiones simultáneamente. (Erengüç et al., 1999)
El establecimiento de nuevas instalaciones, así como la ampliación, reducción y reubicación de
instalaciones existentes suelen ser proyectos a largo plazo que implican actividades que
consumen tiempo y capital sustancial, es decir hace parte del nivel estratégico de decisión en la
cadena de suministro (Melo et al., 2009) (Melo et al., 2006). Una situación práctica a la que se
aplica un escenario de reubicación se refiere a la fusión de empresas. En este caso, las cadenas
de suministro anteriormente separadas se consolidan y una estructura logística conjunta debe
planificarse. Esto implica el cierre de algunas de las instalaciones existentes y la concentración
de capacidades en nuevas ubicaciones (Melo et al., 2006). Las decisiones de localización son un
aspecto crítico para garantizar que una cadena de suministro sea eficiente, debido a que una
mala ubicación dará lugar a un exceso de costos reflejados durante la vida útil de las instalaciones
(Meng et al., 2009).
54
La localización y la asignación de clientes abarcan los componentes básicos de diseño del
sistema de distribución. Las empresas industriales deben ubicar las plantas de fabricación y
montaje, así como los almacenes. La capacidad, la calidad y el nivel de comercialización de los
productos dependen en parte de la ubicación de las instalaciones y la relación existente con los
demás agentes dentro de la red logística (Klose & Drexl, 2005). La ubicación de instalaciones se
combina frecuentemente con las decisiones de inventario y producción.(Melo et al., 2009)
Los modelos de ubicación y asignación comprenden formulaciones que varían en complejidad
desde un modelo lineal simple hasta los modelos probabilísticos no lineales, cambian
ampliamente en cuanto a los supuestos fundamentales, complejidad matemática y rendimiento
computacional. Los algoritmos de solución incluyen, entre otros, la búsqueda local y enfoques
basados en programación matemática. (Klose & Drexl, 2005)
Para que un modelo de ubicación de instalaciones sea útil para la planificación estratégica de la
cadena de suministro, Melo (Melo et al., 2009) identifico cuatro características básicas:
instalaciones de múltiples capas, múltiples productos, modelos de un periodo o de múltiples
períodos, y parámetros deterministas o estocásticos.
Los modelos de localización se pueden clasificar de la siguiente manera (Klose & Drexl, 2005) :
De acuerdo con la forma o topografía del conjunto de plantas potenciales, generalmente tratadas mediante modelos de ubicación en red, modelos de localización discreta y modelos de programación entera mixta.
De acuerdo con los objetivos que pueden ser del tipo mínima suma (MinSum) o el mínimo del máximo (MinMax). El primer algoritmo de localización fue presentado por el matemático Weiszfeld (Weiszfeld, n.d.), el cual resolvió un problema MinSum con una instalación y distancias euclidianas, el modelo contemplaba como únicas variables las dos coordenadas de la nueva instalación. Los problemas de localización MinSum predominaron en la investigación hasta mediados de 1960 (C.S. ReVelle & Eiselt, 2005), dichos problemas están diseñados para minimizar las distancias medias mientras que los modelos MinMax tienen que minimizar las distancias máximas. La mayoría de los modelos MinSum abarcan problemas de localización de empresas privadas, mientras que los modelos MinMax se centran en los problemas de localización planteados en el sector público.
Modelos sin restricciones en la asignación de la demanda. En lo cuales las limitaciones de capacidad no responden a la demanda de los sitios potenciales.
Dependiendo del número de etapas comprendidas. Donde los modelos de una etapa se centran en los sistemas de distribución únicamente en dicha etapa y los modelos de múltiples etapas comprenden el flujo de bienes durante varias etapas jerárquicas dentro de la red.
Modelos de un solo producto los cuales se caracterizan por el hecho de que la demanda, costo y capacidad para varios productos se pueden agregar a un producto único y homogéneo. Si los productos son no homogéneos el diseño del sistema de distribución tiene que ser multi-productos.
Los modelos estáticos tratan de optimizar el rendimiento del sistema durante un período representativo. Por el contrario los modelos dinámicos reflejan datos (costo, demanda, capacidades, etc.) que varía con el tiempo dentro de un horizonte de planificación determinada.
55
De acuerdo con la característica de los datos de entrada se tienen modelos determinísticos si los datos se suponen con certeza y modelos probabilísticos si los datos están sujetos a incertidumbre.
1.2.2.2.1 Problemas de Localización
El campo de la teoría de la localización y el modelado tiene sus raíces en la primera mitad del
siglo 20 con el trabajo clave desarrollado por Weber (Weber, 1909); Hotelling (Hotelling, 1929);
Christaller (Christaller, 1933) y Lösch (Losch, 1954), en la actualidad sigue siendo un campo
activo y vibrante (C.S. ReVelle, Eiselt, & Daskin, 2008). Los problemas de localización se refieren
al modelado, formulación y solución de cuestiones relacionadas con la ubicación de instalaciones
(C.S. ReVelle & Eiselt, 2005).
La ciencia matemática de la ubicación de las instalaciones ha sido de gran interés en cuanto a la
investigación en la optimización discreta y continua a lo largo de casi cuatro décadas. Los
investigadores se han centrado en el desarrollo de algoritmos y formulaciones para diversos
escenarios en el sector privado (por ejemplo, plantas industriales, bancos, centros comerciales,
etc.), y el sector público (por ejemplo, ambulancias, clínicas, etc.) (C.S. ReVelle & Eiselt, 2005).
El contexto en que estos modelos son situados puede ser diferente, a pesar de ello las principales
características siempre son las mismas: Un espacio que incluye indicadores, clientes cuyas
ubicaciones en el espacio son conocidas y las instalaciones cuya ubicación deberá ser
determinada de acuerdo con alguna función objetivo (C.S. ReVelle & Eiselt, 2005)(C.S. ReVelle
et al., 2008).
Un problema de localización de instalaciones en general consiste en un conjunto de clientes
distribuidos espacialmente y un conjunto de instalaciones para atender a las demandas de estos
(Melo et al., 2009). Se han desarrollado una serie de modelos de programación matemática para
representar una amplia gama de problemas de localización, las cuales constan de diferentes
funciones objetivo según su aplicación (Owen & Daskin, 1998). Por lo general, el problema de
ubicación y asignación de instalaciones conduce a modelos de programación lineal entera mixta
en las que se utilizan variables de decisión binaria para decidir si una planta o centro de
distribución va a ser o no utilizada (Akkerman et al., 2010).
Un objetivo común en la ubicación de instalaciones busca que estas se encuentren ubicadas lo
más cerca posible de los clientes, sin embargo también existe el caso donde la ubicación de
instalaciones cercanas no es deseable, por ejemplo la ubicación de un nuevo relleno sanitario.
Por otra parte cuando el costo de transporte es asumido por los clientes el objetivo cambia y la
empresa proveedora buscará maximizar la demanda que satisface, en el escenario en el cual la
empresa asume los costos de transporte el objetivo se reduce a la minimización del costo de
transporte. Finalmente se clasifica un tercer tipo de objetivo denominado ''Objetivo de equilibrio''
donde se busca una equidad entre las distancias que separan a los clientes y las instalaciones
(C.S. ReVelle & Eiselt, 2005).
Sin embargo Akkerman (Akkerman et al., 2010) menciona que la función objetivo más trabajada
en la literatura, es la minimización del costo total de la apertura de instalaciones en determinados
lugares, así como los costos de producción y de distribución para el envío de productos a través
de la red de distribución.
56
Un aspecto crucial de muchos problemas de localización se refiere a la existencia de diferentes
tipos de instalaciones, cada uno de los cuales juega un papel específico (producción,
almacenamiento), y un flujo de material entre ellos. Cada conjunto de instalaciones del mismo
tipo y con el mismo papel por lo general se indica con una capa o un escalón, definiendo así un
nivel en la jerarquía de las instalaciones (Melo et al., 2009).
ReVelle (C.S. ReVelle et al., 2008) divide los modelos de ubicación de instalaciones en cuatro
grandes categorías:
Modelos analíticos: Están basados en un gran número de supuestos simplificadores. Por ejemplo un típico modelo analítico asume que las demandas están uniformemente distribuidas con una densidad "q" sobre una región de servicio de tamaño "a". Asumen también un costo fijo de localización "f" de una instalación sin importar el lugar del área de servicio donde se encuentre y finalmente el costo por unidad de envió por distancia "c". Los modelos analíticos permiten expresiones de forma cerrada para el costo total, típicamente como una función del número total de instalaciones que serán ubicadas. Estos modelos proporcionan información valiosa sobre la relación entre el costo total, el número óptimo de instalaciones a ubicar y los parámetros clave de entrada. Sin embargo estos supuestos fabricados limitan la toma de decisiones en cuanto a problemas prácticos de localización.(C.S. ReVelle et al., 2008)
Modelos continuos: Asumen que las instalaciones pueden estar situadas en cualquier lugar del área de servicio, mientras que las demandas son tomadas a menudo como ubicaciones discretas. El modelo clásico en esta área es el problema de Weber (Weber, 1909) de una localización para suplir "m" demandas (usando coordenadas). Las distancias en este problema usualmente son tomadas como líneas rectas. El problema se resume en encontrar una sola instalación con coordenadas (x, y) que permita minimizar la distancia total de la demanda ponderada. Los modelos continuos de este tipo pueden ser aplicados en limitados contextos en donde sea posible localizar instalaciones en cualquier lugar del espacio que sea considerado (C.S. ReVelle et al., 2008). Por ejemplo podría ser usado en la localización de cámaras de video o sensores de contaminación para controlar ciertos ambientes (C.S. ReVelle et al., 2008).
Modelos de red: asumen que el problema de localización está en una red compuesta por arcos y nodos. Típicamente las demandas son generadas en los nodos, aunque algunas investigaciones se han hecho para el caso donde la demanda sea generada en arcos y nodos. Un ejemplo práctico en donde la demanda surja de arcos y nodos son los servicios de emergencia en carreteras. (C.S. ReVelle et al., 2008)
Modelos discretos de localización: asumen que hay un conjunto discreto de demandas "i" y un conjunto discreto de ubicaciones posibles "j". Estos problemas son formulados como problemas de programación entera o entera mixta. La mayoría de estos problemas son NP-Complejos en redes generales (C.S. ReVelle et al., 2008).
1.2.2.2.2 Modelos Matemáticos
ReVelle (C.S. ReVelle & Eiselt, 2005) afirma que el primer problema de ubicación de instalaciones se debe al matemático Torricelli. Este problema está relacionado con tres clientes y una instalación, con el objetivo de minimizar la suma de las distancias euclidianas entre los clientes y
57
las instalaciones. Owen (Owen & Daskin, 1998) postula a Alfred Weber (Weber, 1909) y Hakimi (Hakimi, 1964) como los pioneros del estudio de la teoría de la localización. En este artículo se menciona que Weber en 1909 considero cómo colocar un único almacén a fin de minimizar la distancia total entre este y varios clientes. Hakimi (Hakimi, 1964) por otro lado en el año 1964 trató de localizar centros de conmutación en una red de comunicaciones y estaciones de policía en un sistema de carreteras, considerando el problema más general de la localización de una o más instalaciones en una red a fin de minimizar la distancia total entre los clientes y su ubicación más cercana o para reducir al mínimo la distancia máxima. Según Owen (Owen & Daskin, 1998) los modelos de localización se pueden dividir en estocásticos, determinísticos, dinámicos y continuos. Los modelos simples intentan localizar una sola instalación, mientras que los modelos complejos podrían localizar “p” instalaciones, donde el parámetro “p” puede ser fijado por el tomador de decisiones o impuesto por limitación de presupuesto. (C.S. ReVelle & Eiselt, 2005)
1.2.2.2.3 MODELOS DETERMINÍSTICOS Y DISCRETOS
Los modelos determinísticos de localización, presentan horizonte de planeación de un solo período, de un producto únicamente, un tipo de instalación, y parámetros deterministas tales como las demandas, las distancias y los tiempos de viaje (Owen & Daskin, 1998) (Melo et al., 2009) . En un problema de ubicación de una instalación discreta, la selección de los sitios se limita a un conjunto finito de lugares candidatos disponibles (Melo et al., 2009). En la literatura se presenta gran número de modelos que se utilizan para resolver problemas con datos determinísticos. En este documento se presentaran los que se referencian en mayor medida en los artículos consultados. Muchos de los problemas de localización discretos pueden ser modelados como modelos de programación entera mixta. (Klose & Drexl, 2005) 1.2.2.2.4 Problemas P-Mediana
Según Melo (Melo et al., 2009) los problemas P-Mediana son los más simples en la categoría de
los modelos discretos. Estos tienen como objetivo principal la selección de la ubicación de las
instalaciones, minimizando las distancias totales ponderadas o los costes para suministrar las
demandas del cliente, asumiendo implícitamente que el costo de la localización de una instalación
en cada sitio candidato es la misma (Melo et al., 2009) (Klose & Drexl, 2005) (C.S. ReVelle et al.,
2008). Por lo general, las demandas son asignadas a la instalación abierta más cercana, aunque
en el caso que incluye capacidades, economías de escala, estructuras de costos u otras
restricciones, las demandas pueden ser asignadas a las instalaciones más remotas. En la
solución de algunos problemas las demandas se pueden dividir entre las diferentes instalaciones
(C.S. ReVelle et al., 2008).
En este caso como las demandas no son sensibles al nivel de servicio, se pondera la distancia entre los nodos por la cantidad de la demanda asociada y se calcula la distancia de recorrido total ponderada entre los clientes y las instalaciones (Charles S. ReVelle & Swain, 2010). El menor valor de la suma de las distancias indicara la mejor ubicación sobre una red establecida previamente (Klose & Drexl, 2005). ReVelle (C.S. ReVelle & Eiselt, 2005) en su revisión literaria menciona que Hakimi (Hakimi, 1964) a pesar que no proporcionó un método de solución para el problema de la p-mediana, demostró la existencia de al menos una solución óptima en alguno de los puntos de esta red.
El problema P-Mediana toma como entradas las demandas (o pesos) "w" de cada nodo, las
distancias "d" entre cada nodo de demanda y la posible ubicación de la instalación, y el número
de instalaciones a ser ubicadas "p". Las decisiones claves para este problema son donde ubicar
58
las instalaciones que deben servir a cada nodo de demanda y pueden ser útiles cuando el objetivo
está basado en los costos o las ganancias. (C.S. ReVelle et al., 2008)
Kariv y Hakimi (Kariv & Hakimi, 1979) demostraron que el problema P-Mediana en general es NP- Complejo. Utilizando este resultado, ReVelle y Swain (Charles S. ReVelle & Swain, 2010) formularon P-Mediana como un problema de programación matemática. Entre los métodos heurísticos tradicionales aplicados al problema P-Mediana está la heurística de ubicación y asignación de Maranzana (Maranzana, 1963) y los algoritmos genéticos los cuales han asumido también un lugar en el contexto de la solución de problemas p-mediana. (C.S. ReVelle & Eiselt, 2005)
1.2.2.2.5 Problemas de Cobertura
En este tipo de modelos se busca cubrir o suplir la demanda de diferentes nodos, con una
distancia o tiempo máximo aceptable, es decir un plazo determinado. Reduciendo el costo total
de la ubicación de instalaciones y maximizando el nivel de servicio hacia cualquiera de los
clientes en el problema (Owen & Daskin, 1998)(C.S. ReVelle et al., 2008).
Este objetivo presenta dos dificultades principales. En primer lugar, el número de instalaciones
necesarias para cubrir todos los nodos de demanda a menudo excede el presupuesto disponible.
En segundo lugar, los modelos propuestos en la literatura no pueden discriminar entre los grandes
y pequeños nodos de demanda. Por esta razón cuando es imposible cubrir todos los nodos de
demanda dentro de la norma de servicio especificado, es importante dar prioridad a los nodos
con la mayor demanda de toda la red (C.S. ReVelle et al., 2008).
Un nodo, cliente o la demanda se dice que está cubierto, si la distancia o el tiempo entre este y
su instalación más cercana no es mayor a un valor especificado previamente. Si bien el problema
es formalmente NP-complejo, ha sido posible encontrar soluciones a través de programación
lineal. En un problema con muchos nodos de población espacialmente dispersos, llegar a cubrir
por completo la demanda puede producir soluciones con una serie de instalaciones que no es
realista desde el punto de vista presupuestario.(C.S. ReVelle & Eiselt, 2005)
En este sentido se pueden encontrar problemas de localización con máxima cobertura (MCLP),
introducidos por Church y ReVelle (Church & ReVelle, 1974). El MCLP busca localizar un número
económicamente factible de instalaciones de tal manera que estas cubran el máximo número de
clientes posibles (C.S. ReVelle & Eiselt, 2005) (C.S. ReVelle et al., 2008). Estos modelos son
útiles cuando los estándares de servicio son frecuentemente estipulados como una parte de la
legislación asociada a la prestación y financiación de los mismos. (C.S. ReVelle et al., 2008)
1.2.2.2.6 Problemas P-Centro
El problema P-Centro es también conocido como MinMax, es decir que se busca reducir al
mínimo las distancias máximas entre cualquier demanda y su centro de distribución más cercano.
Se trata de localizar un determinado número de instalación de tal manera que sea posible cubrir
la mayor cantidad de demanda (C.S. ReVelle & Eiselt, 2005) (Owen & Daskin, 1998). Este modelo
es apropiado cuando se busca localziar las instalaciones de emergencia, tales como estaciones
de bomberos y ambulancias, en donde los pesos de los nodos pueden reflejar las prioridades de
los objetos situados en los nodos, o el número de personas que residen en cada nodo (Averbakh,
1998).
59
Las soluciones al problema P-Centro se dividen típicamente en dos. La primera denominada
centros de nodo en la que las instalaciones elegibles están restringidas a los vértices de la red y
la segunda, centros absolutos en los que la instalación podría estar en cualquier lugar dentro de
la red (C.S. ReVelle & Eiselt, 2005). Este tipo de modelos son utilizados para determinar la
ubicación de una instalación sobre cualquier lugar de una red establecida, a los cuales se les
denomina, problemas de centro absoluto (Owen & Daskin, 1998). Kariv y Hakimi (Kariv & Hakimi,
1979) han demostrado que los problemas P-Centro son NP-Complejos. (Klose & Drexl, 2005)
(C.S. ReVelle & Eiselt, 2005)
1.2.2.2.7 Problemas de Localización Hub
Los problemas de localización Hub surgen en contextos en los que los clientes requieren el
transporte entre un gran número de pares origen-destino. Con frecuencia, es más barato para el
distribuidor evitar envíos directos entre todos los clientes que conforman el flujo de productos.
Por su parte las redes Hub requieren que los clientes viajen desde su origen a un eje central, y
de allí se dirijan ya sea a su destino o a otro Hub, y así sucesivamente hasta su destino final. Los
sistemas Hub son muy populares en la industria de las aerolíneas. (C.S. ReVelle & Eiselt, 2005)
Las redes Hub consideran grafos no dirigidos y la existencia de flujo entre cada par de nodos. Al
igual que en modelos de localización p-mediana, el número de Hubs puede ser fijo o estar sujeto
a la decisión del modelo. Si el conjunto de los centros se conoce, el problema tiene como solución
la ruta más corta, de lo contrario el problema es NP-complejo.(Klose & Drexl, 2005)
1.2.2.2.8 Problemas no Capacitados
En los problemas de ubicación de una instalación discreta, la selección de los sitios en los que
las nuevas instalaciones han de establecerse se limita a un conjunto finito de lugares candidatos
disponibles. Cuando este no es el caso, la función objetivo se puede ampliar con un término para
los costos de ubicación de la instalación. Esta nueva configuración se conoce como el problema
de localización de instalaciones no capacitado (Melo et al., 2009). Este problema es similar al
problema P-mediana, salvo que el número de instalaciones que se ubicarán son propios de cada
problema (C.S. ReVelle & Eiselt, 2005). Al igual que En p-mediana cada cliente es asignado a la
instalación abierta que minimice su coste de asignación (Melo et al., 2009) Mediante
experimentación se ha demostrado que los problemas P-Mediana y los no capacitados tienden a
tener soluciones enteras o cercanas a valores enteros (C.S. ReVelle & Eiselt, 2005).
Dentro de esta categoría se encuentran los llamados modelos de una sola etapa no capacitados
los cuales consideran únicamente el equilibrio entre costo operativo fijo y el costo de entrega
variable, este modelo puede resolverse analíticamente. Estos modelos están estrechamente
relacionados con los problemas de cobertura. (Klose & Drexl, 2005)(C.S. ReVelle & Eiselt, 2005)
Melkote y Daskin (Melkote & Daskin, 2001a) trabajan un problema de localización de
instalaciones no capacitado, en el cual consideran algunos supuesto como: cada nodo representa
un punto de demanda, las instalaciones pueden ser localizadas en un solo nodo de la red, la
demanda es para servicio simples o mercancías. El objetivo del modelo que presentan es
minimizar la suma del costo de transporte, localización y de construcción de las instalaciones.
60
1.2.2.2.9 Problemas Capacitados
Una de las extensiones más importantes de los problemas no capacitados es el problema de
localización de instalaciones capacitado (CFLP) en el que se consideran valores exógenos para
la demanda máxima que puede ser suministrada desde cada sitio potencial (Melo et al., 2009).
Las limitaciones de capacidad destruyen la idea de que toda la demanda de un cliente debe
satisfacerse en una sola instalación, esto genera que el problema de la ubicación de la planta
capacitada sea mucho más difícil que el problema de localización simple. (C.S. ReVelle & Eiselt,
2005)
En este tipo de modelos existe un conjunto de ubicaciones potenciales para las plantas con costos
fijos, al igual que un conjunto de clientes con demandas de bienes suministrados desde estas. El
problema es encontrar el subconjunto de plantas que minimice los costos totales fijos y de
transporte de tal manera que la demanda de todos los clientes pueda ser satisfecha sin violar las
restricciones de capacidad de las plantas, debido a que cada planta tiene una capacidad
potencial, es decir un nivel máximo de servicio. El problema se divide en dos etapas, en la primera
se realiza una elección del subconjunto de las plantas para ser abierto y en la segunda se realiza
la asignación de los clientes a estas plantas. Los algoritmos exactos pueden resolver los
problemas de tamaño medio (50 plantas y 50 clientes), para problemas de mayor tamaño se
necesitan heurística robustas (Sridharan, 1995).
Sin embargo, estos modelos son insuficientes para hacer frente a muchos parámetros de
ubicación realistas. Por ello se han propuesto los problemas de localización multi-periodo, los
cuales tienen como objetivo la ubicación de nuevas instalaciones en un horizonte de tiempo finito
a fin de cubrir de forma dinámica la demanda de un determinado conjunto de clientes (Albareda-
Sambola, Fernández, Hinojosa, & Puerto, 2009). Otro enfoque que se la da a los modelos multi-
periodo es el de asignar un número de instalaciones capacitadas a un distribuidor o a un minorista
para que este sea capaz de responder a la demanda en un horizonte de tiempo finito (Mahar,
Bretthauer, & Venkataramanan, 2009).
En estos modelos los depósitos tienen una capacidad limitada y la demanda puede ser
suministrada desde más de un depósito. Cuanto se tiene un cierto conjunto de depósitos la CFLP
se reduce a un problema de transporte simple, donde el costo de transporte es proporcional a los
volúmenes de envío. Sin embargo en muchas situaciones se requiriere que cada cliente sea
satisfecho a través de un solo depósito. En este caso se convierte en un problema de ubicación
de instalaciones capacitado con abastecimiento único (CFLPSS), donde las limitaciones de
abastecimiento individuales hacen que el problema sea más difícil. (Klose & Drexl, 2005)
En algunos sistemas de distribución se requiere que las instalaciones se encuentren ubicadas en
varios niveles jerárquicamente. Para esto el CFLP y la CFLPSS deben generalizarse a un modelo
de ubicación de las instalaciones capacitado en dos etapas (TSCFLP). En general, este tipo de
modelos de varias etapas de un sistema de distribución son conocidos como problemas de
localización de instalaciones jerárquica de múltiples niveles. En particular, si esos modelos
comprenden la etapa de producción también se integra la planificación de distribución y la gestión
estratégica de la cadena de suministro. (Klose & Drexl, 2005). Para un ejemplo de programación
entera mixta para este tipo de problemas ver Melkote y Daskin (Melkote & Daskin, 2001b) los
cuales presentan un modelo general donde el objetivo es la minimización de los costos totales de
la cadena.
61
1.2.2.2.10 Problema Multi-Producto
En aquellos casos donde no sea posible agregar la demanda, la producción, la manipulación y
los costos de distribución, será necesario acudir a un modelo multi-producto (Klose & Drexl,
2005). Amin y Zhang (Amin & Zhang, 2013) desarrollan un modelo de programación entera mixta
en una cadena de suministro de ciclo cerrado en la cual se incluyen múltiples plantas, centros
de acopio, mercados de demanda, y productos. El objetivo del modelo es minimizar el costo total,
además de establecer el número de plantas y centros de acopio deben estar abiertos, y cuales
productos y en qué cantidades deben mantener en cada instalación. En la formulación del
problema se tiene en cuenta el aspecto ambiental y el uso de tecnologías limpias.
Baghalian et al. (Baghalian, Rezapour, & Farahani, 2013) desarrollaron una formulación
matemática estocástica para el diseño de una cadena de suministro de varios productos, que
comprende diversas instalaciones capacitadas tales como de producción, centros de distribución
y minoristas. Considerando la demanda y la oferta de producto bajo condiciones de incertidumbre.
El modelo considera un conjunto discreto de lugares potenciales para los centros de distribución
y los puntos de venta, adicional a esto los autores examinan el impacto de las decisiones de
localización en los niveles de inventario.
1.2.2.2.11 Problema de Múltiples Periodos
Estos modelos tienen como objetivo establecer una serie de nuevas instalaciones en un horizonte
de tiempo finito a fin de cubrir de forma dinámica la demanda de un determinado conjunto de
clientes. Se supone que una vez abierta la instalación deberá permanecer así hasta el final del
horizonte de planeación. Estos modelos se han utilizado para el diseño de estructuras de
suministro, decidiendo si las instalaciones existentes deben estar cerrados, y si es necesario abrir
alguna nueva. (Albareda-Sambola et al., 2009)
1.2.2.2.12 Problemas de Servicio Múltiples
En este tipo de problemas se distingue entre los modelos de elección del cliente, y los modelos
de asignación. En la elección del cliente, estos deciden a que instalación ir, es decir es un sistema
típicamente apropiado en el sector minorista. Por otro lado, los modelos de asignación son
apropiados cuando el planificador de instalaciones también se encarga de decidir qué instalación
suministra a un cliente determinado. Es muy natural en los modelos de asignación que los clientes
estén asignados a su ubicación más cercana, excepto en los modelos capacitados. Sin embargo,
muchos modelos de elección del cliente también asignan los clientes a su ubicación más cercana,
tal suposición tiene sentido sólo si los clientes realizan viajes por separado a la instalación y todas
instalaciones tienen características similares de las instalaciones. (C.S. ReVelle & Eiselt, 2005)
Un ejemplo de este tipo de problemas es expuesto por Datta (Datta, 2012) el cual propone un
modelo multi criterio para establecer la ubicación de diferentes tipos de instalaciones de servicios
como atención sanitaria básica o educación, en la zona rural en Niwai. Con el fin de mejorar la
atención a los habitantes de esta región.
1.2.2.2.13 Otros Tipos de Problemas de Localización
Ubicación de las instalaciones adversas: Este tipo de problemas a diferencia de los anteriores tienen como objetivo ubicar las instalaciones a una distancia amplia, por lo tanto se representan a través de problemas maxisum y maximin, requiriendo un conjunto
62
acotado de posibles ubicaciones. En estos problemas el transporte de las mercancías por lo general se lleva a cabo en la ruta menos costosa (ruta más corta). (C.S. ReVelle & Eiselt, 2005)
Localización competitiva: Los problemas de localización competitiva incorporan las decisiones de fijación de precios como variables en el modelo. En su forma más simple busca las posiciones y los precios que maximizan el mercado capturado, medido en clientes o beneficios. Los problemas de localización competitiva pueden ampliarse para incluir la entrada libre, en el que las instalaciones adicionales pueden entrar en el mercado, siempre y cuando sea rentable hacerlo. (C.S. ReVelle & Eiselt, 2005) Como ejemplo Meng et al.(Meng et al., 2009) abordan un problema de ubicación de instalaciones competitiva en una empresa que tiene la intención de entrar en una cadena de suministro descentralizada, la cual está compuesta por diferentes actores: fabricantes, minoristas y consumidores. Desarrollan un modelo matemático con limitaciones de equilibrio que puede determinar simultáneamente la ubicación de las instalaciones de la empresa y sus respectivos niveles de producción.
Captura de flujo: Para muchos tipos de servicio la demanda de los clientes no se produce enteramente en los nodos, pero si a lo largo de los arcos, dentro de la red logística. Para esto existen los modelos de ubicación y asignación de captura de flujo (FCLM), que tiene por objetico capturar o interceptar tanta demanda potencial como sea posible. (C.S. ReVelle & Eiselt, 2005)
Modelos de localización jerárquica: Este tipo de problemas se presentan cuando es necesario localizar instalaciones que tienen relación jerárquica entre ellas (múltiples capas), a lo largo de una red. Se pueden clasificar de acuerdo con algunas características tales como el flujo de producto o servicio en la red, la disponibilidad y configuración de servicio en cada nivel jerárquico y el objetivo de localización, el cual incluye la minimización de las distancias y del número de instalaciones buscando el costo mínimo tanto de construcción como de transporte (Şahin & Süral, 2007). Lu y Bostel (Lu & Bostel, 2007) presentan un modelo de programación entera mixta para un problema de localización de dos niveles con tres tipos de instalaciones que se ubicarán en un sistema de logística inversa, teniendo en cuento los flujos y sus interacciones mutuas. Grabis et al. (Grabis, Chandra, & Kampars, 2012) proponen un modelo de localización multi-objetivo el cual selecciona las posibles ubicaciones a partir de un conjunto de lugares preestablecidos de acuerdo con el número de clientes, el número de competidores y los criterios de costos inmobiliarios. La aplicación del modelo se realiza en un restaurante de comida rápida.
1.2.2.2.14 MODELOS DINÁMICOS Y CONTINUOS
Según lo expresa Drezner (Z. V. I. Drezner, 1995) el problema de localización de instalaciones
dinámico se introdujo por Wesolowsky (Wesolowsky, 1973). Las decisiones sobre ubicación de
las instalaciones se realizan sobre una base a largo plazo. Los depósitos, centros de distribución
y puntos de transbordo, una vez establecidos se utilizarán durante un par de períodos. Sin
embargo, los factores que influyen en tales decisiones varían con el tiempo. En particular, la
demanda (volumen, distribución regional) y las estructuras de costos pueden cambiar, pero la
reubicación y/o redimensionamiento de las instalaciones pueden ser muy costosos. Con el fin de
63
hacer frente a esas cuestiones se han desarrollados modelos de ubicación y asignación dinámica
(Klose & Drexl, 2005). En este tipo de modelos se considera la incertidumbre futura (Owen &
Daskin, 1998). Reflejado en los datos (costo, demanda, capacidad) que varía con el tiempo dentro
de un horizonte de planificación dado. (Klose & Drexl, 2005)
Los modelos dinámicos parecen ser apropiados para los factores que cambian en el tiempo. Sin
embargo la aplicación práctica es limitada, esto debido a que no existe un horizonte de
planificación completamente definido, a que la cantidad de datos requerida por el modelo es muy
extensa, y finalmente la complejidad de estos modelos aumenta drásticamente encomparación
con modelos estáticos y por tanto las posibilidades de solución disminuyen. (Klose & Drexl, 2005)
Según ReVelle (C.S. ReVelle & Eiselt, 2005) el campo de la localización dinámica que considera
las demandas cambiantes disminuyó considerablemente a finales de la década de 1980,
posiblemente debido a la dificultad de resolver problemas con un número excesivo de variables
lo que impedía el progreso de la investigación. El aumento de estas se produce porque las
variables tanto de instalaciones y asignación, requieren el subíndice tiempo. Otra posible razón
sugiere que la previsión de la demanda a través del tiempo es una tarea muy difícil. A raíz de esto
se presenta un enfoque en el cual se utiliza la idea de escenarios y así se elimina la necesidad
de una predicción precisa de la demanda. En particular, la idea de generar una serie de
escenarios de demanda futura podría haber reemplazado la idea de dar respuesta a la demanda
prevista a través del tiempo. (C.S. ReVelle & Eiselt, 2005)
Otra línea de investigación de la localización ha tratado las demandas que presentan ciclos a
través del tiempo, las cuales pueden ser útiles para la ubicación de plantas o almacenes, donde
las demandas de los productos cambian según la temporada. En estrecha relación con los
modelos de localización dinámicos se encuentran los problemas que involucran incertidumbre,
generalmente en la demanda (C.S. ReVelle & Eiselt, 2005). Thanh et al. (Thanh, Bostel, & Péton,
2008) proponen un modelo de programación entera mixta para el diseño y planificación de un
sistema de producción-distribución. Consideran decisiones estratégicas y tácticas tales como:
apertura, cierre o ampliación de instalaciones, selección de proveedores, y el flujo a lo largo de
la cadena de suministro. Estas decisiones son dinámicas, es decir, el valor de las variables de
decisión puede cambiar dentro del horizonte de planificación.
Por su parte los problemas de localización continua suelen ser problemas de optimización no
lineal, mientras que los problemas de localización discreta con frecuencia son problemas de
programación entera. Mas sin embargo existen un sin número de modelos híbridos. (C.S. ReVelle
& Eiselt, 2005)
Los modelos de localización continua se caracterizan por dos elementos esenciales, primero el
espacio de solución es continuo, es decir, es factible localizar instalaciones en cada punto del
plano y segundo la distancia se mide con una métrica establecida, generalmente se emplean
distancias en ángulo recto métrica, euclidianas o de línea recta. El objetivo de estos modelos es
reducir al mínimo la suma de las distancias entre las instalaciones y los puntos de
demanda.(Klose & Drexl, 2005)
64
1.2.2.2.15 Modelos Progresivos para Problemas P-Mediana Dinámicos
En estos modelos se considera una demanda variable en un horizonte de tiempo dado y las
instalaciones se construyen de uno en uno, en momentos determinados. Una vez que una nueva
instalación se construye, algunos de los clientes utilizarán sus servicios. Las instalaciones se
pueden reubicar un número determinado de veces durante el horizonte de planificación. Dado
que no se conoce el número de instalaciones adicionales que se ubicarán más tarde, se puede
utilizar el "método MiniMax" como regla de decisión. (Z. V. I. Drezner, 1995)
El objetivo es encontrar las ubicaciones de las instalaciones que minimizan el costo total de
transporte (o distancia) en el horizonte. Dado que la forma general del problema es no lineal, se
usa heurísticas para encontrar la solución. (Owen & Daskin, 1998)
Drezner (Z. V. I. Drezner, 1995) establece que el problema P-Mediana dinámico es aplicable a
todas las situaciones modeladas por el P-Mediana estándar cada vez que la demanda cambia en
el tiempo de manera predecible. Esto es aplicable en las zonas de cultivo cuando la población
presenta una tendencia de crecimiento para los próximos años, y cuando un sistema de
instalaciones se va a construir de forma secuencial en momentos predefinidos del horizonte de
planeación. En este modelo es necesario tener en cuenta el costo de reubicación de una
instalación debido a que generalmente es muy alto.
1.2.2.2.16 Modelos Dinámicos de Localización de Instalaciones Individuales
Owen (Owen & Daskin, 1998) realiza una revisión al estado del arte de los modelos dinámicos
de localización de instalaciones individuales. Según el autor el primer documento que reconoció
la limitada aplicación de modelos de localización estáticos y deterministas fue publicado por
Ballou en 1968 (R. H. Ballou, 1968). Ballou (R. H. Ballou, 1968) partió de los modelos
determinísticos utilizando una serie de soluciones óptimas para resolver el problema
dinámicamente. Sin embargo más adelante Sweeney y Tatham (Sweeney & Tatham, 1976)
demostraron que esta solución no era óptima, por lo tanto ampliaron el conjunto de sitios de
ubicación potenciales para mejorar la solución. Dicho método encuentra el mejor rango de
soluciones en cada período t a través de un proceso iterativo de resolución de programas enteros
con descomposición de Benders. Adicional a esto Owen (Owen & Daskin, 1998), expresa que
autores como Wesolowski y Drezner (Z. Drezner & Wesolowsky, 1991) plantean modelos donde
se tiene en cuenta además de la frecuencia de reubicación, el tiempo y los costos que esto
conlleva, ya sea suponiendo un horizonte de planificación finito, o una tasa de crecimiento
poblacional predecible.
1.2.2.2.17 Modelos Dinámicos de Localización de Múltiples Instalaciones
Owen (Owen & Daskin, 1998) realiza también una revisión al estado del arte de los modelos de
múltiples instalaciones, el autor hace referencian a Wesolowsky y Truscott, quienes generan un
modelo de asignación de múltiples pedidos que permite reubicar las instalaciones en respuesta
a los cambios previstos en la demanda. Igualmente habla sobre Tapiero (Tapiero, 1971) quien se
extiende aún más en el problema de ubicación y asignación dinámica, determinando las posibles
capacidades de las instalaciones y los gastos de envío. La solución óptima para este problema
de ubicación y asignación de transporte proporcionará la ubicación de las instalaciones, la
asignación de las demandas a las fuentes, y las cantidades que se enviarán entre las
instalaciones y los puntos de demanda.
65
De igual manera Owen (Owen & Daskin, 1998) menciona que Sheppard (Sheppard, 1974)
presenta una amplia gama de modelos básicos de ubicación de las instalaciones que incluyen
tanto los aspectos espaciales y temporales de los problemas del mundo real. Para determinar no
sólo la ubicación de varias instalaciones, sino también el tamaño de las instalaciones y el
momento de la construcción de plantas o expansión. Sin embargo la mayoría de sus
formulaciones son no lineales, enteras y dinámicas, por lo tanto es computacionalmente
intratable.
Según la revisión bibliográfica de Owen (Owen & Daskin, 1998), en los modelos dinámicos
también se tiene la distinción entre modelos no capacitados y capacitados. En los modelos
dinámicos también se tiene la distinción entre modelos no capacitados y capacitados. Vanroy y
Erlenkotter (Van Roy & Erlenkotter, 1982) estudiaron un problema de ubicación dinámico de
instalaciones no capacitadas en el que los bienes se expiden desde centros para satisfacer las
demandas de los clientes conocidos. Se pueden abrir nuevas instalaciones, y cerrar las ya
existentes temporalmente para una mejor asignación de los clientes a estas. El objetivo es reducir
al mínimo los costos totales, incluyendo los costos de ubicación de las instalaciones y de
funcionamiento, así como los costos de producción y distribución de las mercancías enviadas.
Por otra parte Campbell (Campbell, 1990) desarrolla un modelo de distribución continua general,
que incluye la línea de transporte y las economías de escala. El modelo considera trade-off entre
el transporte, la ubicación y los costos de reubicación, con el objetivo de minimización los costos
en general. Campbell sugiere que extensas reubicaciones pueden no ser necesarios para obtener
los costos de distribución óptimos.
1.2.2.2.18 MODELOS ESTOCASTICOS
Estos modelos proporcionan una visión general de la investigación sobre la ubicación de
instalaciones teniendo en cuenta la consideración del tiempo y la incertidumbre (Melo et al.,
2009). Se establece que se puede tener dos enfoques dentro de los modelos estocásticos, el
probabilístico y el de la planificación de escenarios. En cualquiera de los dos se puede tomar los
parámetros del sistema como inciertos, incluyendo los tiempos de viaje, costos de construcción,
los lugares de demanda, y las cantidades de demanda. El objetivo es determinar las ubicaciones
de las instalaciones robustas que tengan un buen desempeño. La principal diferencia entre los
dos enfoques es que los modelos probabilísticos consideran explícitamente las distribuciones de
probabilidad de las variables aleatorias modeladas, mientras que los modelos de planificación de
escenarios consideran un conjunto generado de posibles valores de las variables futuras.(Owen
& Daskin, 1998)
1.2.2.2.19 Modelos Probabilísticos
En la práctica, algunos de los datos de entrada de modelos de localización están sujetos a
incertidumbre. Más sin embargo este tipo de modelos requieren una gran cantidad de datos para
poder adaptar las distribuciones observadas empíricamente a lo teórico, pero por lo general dicha
información no está disponible.(Klose & Drexl, 2005)
Para situaciones en las que una red de cadena de suministro debe estar en uso durante un tiempo
en el cual muchos parámetros pueden cambiar con un comportamiento probabilístico, es
recomendable el uso de este tipo de modelos estocásticos. La incertidumbre es uno de los
problemas más difíciles de tratar en este tipo de modelos, debido a que puede presentarse en
factores tales como las exigencias del cliente, los tiempos de viaje, cantidad de retornos en la
66
logística inversa, los plazos de suministro, los costos de transporte y los costos de mantenimiento.
(Melo et al., 2009)
Algunas de las metodologías usadas para el tratamiento de estos modelos se presentan a
continuación, cada uno de ellos se presentan en el artículo de Owen (Owen & Daskin, 1998):
Formulaciones estándares: Se menciona que Ghosh y Craig (Ghosh & Craig, 1983) plantearon un método para la localización de múltiples sitio de ventas por un minorista que opera en un duopolio con potencial de mercado fijo. Berman y Odoni (Berman & Odoni, 1982) extienden el análisis al incorporar la posibilidad de reubicar una o más de las instalaciones en reacción a los cambios en los tiempos de viaje de los enlaces.
Modelos basados en teoría de colas: Según Owen (Owen & Daskin, 1998) el modelo más relevante es el de hipercubo propuesto por Larson en el año 1974, ya que fue el primero en integrar la teoría de colas en los problemas de ubicación de las instalaciones. Algunos autores lo han utilizado para tratar los problemas de ubicación con los supuestos de que los servidores funcionan de forma independiente, los servidores tienen probabilidades iguales de estar ocupados iguales, y dicha probabilidad es invariantes con respecto a la ubicación del servidor.
Entre los modelos probabilísticos, se tiene el problema P-Center con demandas inciertas.
Averbakh (Averbakh, 1998) afirma que se debe conocer una estimación de la demanda en cada
nodo, proponiendo un modelo cuyo objetivo es encontrar la solución "MiniMax de arrepentimiento
“, es decir, reducir al mínimo la pérdida. El autor menciona también que una forma de modelar la
incertidumbre es asumir cierta distribución de probabilidad sobre el espacio de todos los
escenarios posibles.
1.2.2.2.20 Modelos de Planificación de Escenarios
Al tomar decisiones de ubicación a largo plazo, rara vez es posible conocer el futuro, a través del
tiempo la población pueden fluctuar, y los datos de la vida real a menudo suponen un elemento
importante de incertidumbre. Una forma de modelar la incertidumbre es asumir cierta distribución
de probabilidad sobre el espacio de todos los escenarios posibles.(Melo et al., 2006)(Averbakh,
1998)(Ahumada & Villalobos, 2009)
La planificación de escenarios es un método en el que los tomadores de decisiones capturan la
incertidumbre mediante la especificación de un número de posibles estados futuros. El objetivo
es encontrar soluciones que funcionan bien en todos los escenarios, en algunos casos la
planificación de escenarios sustituye a la previsión como una forma de evaluar las tendencias y
los posibles cambios en el entorno empresarial. Las empresas con ello pueden desarrollar
respuestas estratégicas como preparación para afrontar el futuro. (Owen & Daskin, 1998)
1.2.2.3 Modelos de Localización Aplicados a Agroalimentos
Recientemente la preocupación por la calidad de los alimentos, la salud y el medio ambiente por
parte de los consumidores ha incrementado. Uno de los factores que influyen en la calidad de los
alimentos en especial de los productos alimenticios, es la localización adecuada de diversas
instalaciones, debido principalmente a la necesidad de mantener el producto fresco y para ello se
67
busca que el tiempo de permanencia y envió entre las locaciones sea el menor posible. (Tong,
Ren, & Mack, 2012)
El problema de localización de instalaciones agrícolas tiene gran relevancia en los países en
desarrollo, donde la producción agrícola no está concentrada y el tamaño medio de las
explotaciones es pequeño comparado con el número de agricultores que es mucho más alto. Los
problemas de localización en la agricultura son de gran alcance y tamaño, considerando a
menudo la ubicación de múltiples instalaciones e incorporando las limitaciones de capacidad.
(Lucas & Chhajed, 2004)
Los centros de distribución son nodos importantes en los sistemas logísticos (Di, Wang, Li, &
Wang, 2011)(Chen & Zhong, 2013); su ubicación determina las restricciones de las redes y
afectan directamente la eficiencia y la eficacia de la operación misma. A diferencia de un producto
industrial, el producto agrícola tiene un menor valor, mayor nivel de consumo, un proceso de
distribución más complejo, una vida útil corta y es más difícil de almacenar. Estos factores se ven
reflejados en mayores costos logísticos que a menudo conllevan a un aumento en el precio de
venta.(Di et al., 2011) Por esta razón es necesario una ubicación adecuada tanto de los
fabricantes como de almacenes dentro de la red de distribución. (Khalili-Damghani, Abtahi, &
Ghasemi, 2015)
En la revisión literaria se encontró que los autores Lucas y Chhajed (Lucas & Chhajed, 2004)
realizaron un estudio de los modelos de localización aplicados a la agricultura entre los años 1826
y 1999, publicado en el año 2004, en donde identificaron a Thünen como autor seminal con el
libro denominado “Isolated State with Respect to Agriculture and National Economy”, el cual
investigo el impacto que tenía la distancia entre los mercados y las tierras agrícolas utilizadas.
Lucas y Chhajed (Lucas & Chhajed, 2004) lograron identificar que las técnicas más utilizadas en
la solución de este tipo de problemas incluyen algoritmos de redes, descomposición de Benders,
Programación entera mixta y heurísticas. Partiendo de esta premisa se continuó la revisión de los
modelos de localización aplicados a productos perecederos más recientes.
1.2.2.3.1 PRODUCTOS PERECEDEROS
En general, un bien se dice que es perecedero si alguna de sus características presenta deterioro
con respecto a los requisitos de los productores o del cliente (Zhang & Yang, 2007). Una tarea
difícil en la industria alimentaria actual está la distribución de alimentos perecederos de alta
calidad en toda la cadena de suministro de alimentos (Govindan, Jafarian, Khodaverdi, & Devika,
2014). En este tipo de productos la gestión logística conlleva a la reducción de los costos
logísticos, permitiendo poder ofrecer mejores productos a los clientes con precios relativamente
más bajos.(Zhang & Yang, 2007)
Federgruen et al. (Federgruen, Prastacos, & Zipkin, 1986) presentan un modelo de asignación de
productos perecederos, distribuido desde un centro regional para un conjunto dado de
ubicaciones con demanda aleatoria. Consideran un problema combinado de asignación de
inventario disponible en dicho centro y la forma como se van a realizar las entregas.
Gong et al. (Gong, Li, Liu, Yue, & Fu, 2007) analizan de manera conjunta el problema de
inventarios e instalación de ubicaciones para productos perecederos agrícolas en China. A través
de la optimización por enjambre de partículas, buscan reducir al mínimo el costo total de
68
transporte, el nivel de inventarios y la cantidad de desperdicios a lo largo de la cadena de
suministro, llegando a describir la distribución de los productos.
Zhi-lin y Dong (Zhi-lin & Dong, 2007) desarrollan un modelo de optimización para la ubicación de
instalaciones. Se centran en el problema de seleccionar la mejor ubicación para el centro de
distribución logística de productos agrícolas en China, que represente el menor costo posible
además de otorgar un análisis económico en cuanto a la construcción y operación de dicho
centro.
Zhang y Yang (Zhang & Yang, 2007) plantean un modelo de optimización para la ubicación de
instalaciones en el sistema de emergencia de productos perecederos básicos. Dicho modelo tiene
como objetivo la minimización de los costos logísticos, tomando en consideración los costos de
transporte y aquellos que representan la perdida de producto a lo de la red de distribución.
Xiaohui y Wen (Xiaohui & Wen, 2009) utilizaron el modelo P-mediana para la selección del lugar
más adecuado donde se ubicarían los centros de distribución tanto para frutas y verduras en
Beijing. Además incluyeron en el modelo las consideraciones de la relación espacio-tiempo, con
el objetivo de eliminar la discrepancia en el tiempo y lugar entre el productor y el consumidor final
del producto, reduciendo a su vez los costos logísticos y los generados por desperdicios.
Huang y Xie (Huang & Xie, 2009) proponen un modelo de solución al problema de ubicación de
centros de distribución en la logística alimentaria de emergencia. En la decisión de localización
se tomó en cuenta como premisas la eficiencia, la seguridad y la fiabilidad. La correcta ubicación
de los centros de distribución es importante para asegurar que el sistema tenga alta eficiencia, lo
que significa una respuesta más rápida, menor tiempo de entrega y costo de operación más bajo
cuando ocurren eventos de emergencia.
Marulanda et al. (Marulanda, Leguizamón, & Niño Mora, 2010) trabajan el problema de
localización de plantas de producción con restricción de capacidad. Aplicado a una empresa que
produce y comercializa productos de panadería y repostería en diversas regiones de Colombia.
Se busca cubrir la mayor demanda posible con la instalación de una o más plantas de producción
al menor costo.
Hiassat y Diabat (Hiassat & Diabat, 2010) Plantean un modelo para la ubicación de las
instalaciones que afectan a la empresa durante períodos de tiempo significativamente más largos
que otros. Determinan cuantos almacenes hay que abrir, donde localizarlos y que clientes asignar
a los mismos. Existe un solo proveedor que distribuye a múltiples minoristas con demanda
determinística a través de un conjunto de centros de distribución, de un producto perecedero con
cierta vida útil. El modelo incluye la localización, los inventarios y el costo de ruteo. El objetivo es
reducir el costo.
Weimin et al.(Di et al., 2011) consideran un problema de diseño de red de distribución donde se
busca decidir los sitios en los cuales deben estar ubicados los centros de distribución de
productos agrícolas perecederos. Con la premisa de que cada centro tiene la capacidad suficiente
para servir a su zona de consumo, además de que cada zona acepta productos de sólo un centro
de distribución. El objetivo es minimizar el costo total, el cual incluye los costos de ubicación, los
costos de inventario, los costos de transporte y los costos de pérdida por deterioro. Formulan el
problema como un modelo de programación entera.
69
Zhao y Dou (Zhao & Dou, 2011) muestran un modelo de programación entera mixta para
optimizar la red de abastecimiento de productos agrícolas con el objetivo de reducir los costos de
producción y transporte de la cadena. Con el modelo buscan ubicar las instalaciones de manera
óptima, y con ello determinar la capacidad máxima de producción y posteriormente hacer la
selección del modo y medio de transporte utilizado en la distribución.
Boudahri et al. (Boudahri, Sari, Maliki, & Bennekrouf, 2011) Se presenta un modelo de
programación lineal que busca encontrar el centro de gravedad de los grupos de clientes, ubicar
y asignar los mataderos en le cadena de distribución de carne de pollo. Teniendo en cuenta la
capacidad de las instalaciones y de los vehículos. Tiene como objetivo minimizar los costos de
ubicación y de transporte.
Zhao y Lv (Zhao & Lv, 2011) Diseñan un modelo para la ubicación de instalaciones. Donde
seleccionan la capacidad de producción y el modo de transporte para el diseño de una cadena
de suministro agroalimentario. La solución se realiza a través de enjambre de partículas. El
objetivo es reducir los costos de producción y transporte.
Tong et al. (Tong et al., 2012) proponen un modelo de localización que tiene como principal
objetivo seleccionar los lugares y los horarios de servicios de los denominados mercados de
agricultores, que hace referencia a las ventas móviles realizadas directamente por los agricultores
al cliente final de la cadena de suministro. El modelo propuesto tiene en cuenta la variabilidad de
la demanda a lo largo del tiempo, así como también la distancia y número de viajes de los clientes
hacia dichos lugares de venta.
Yang et al. (Yang, Liu, & Yang, 2012) Presentan un modelo de programación entera mixta p-hub
en entornos difusos (suponen situaciones difusas entre el tiempo de viaje y entre los nodos de
origen - destino). El objetivo es minimizar el tiempo de recorrido máximo entre cada instalación.
Se resuelve a través de enjambre de partículas.
Diatha et al. (Diatha, Karumanchi, & Garg, 2012) Proponen un modelo de formulación matemática
multi-objetivo en el mercado de hongos, de ruteo y localización, solucionado a través de una
heurística. Se conocen los posibles lugares donde se ubicara los centros de distribución, y se
asignan un canal de distribución. Se busca minimizar los gastos, las distancias y los tiempos de
respuesta.
Drezner y Scott (Z. Drezner & Scott, 2013) plantean un modelo que combina decisiones de
inventario y localización de instalaciones para productos perecederos. Consideran la ubicación
de un único centro de distribución que sirve un número finito de puntos de venta. El objetivo del
modelo es reducir al mínimo el costo total, el cual se compone de los costos de transporte desde
el centro de distribución hasta los puntos de venta, así como los costos de inventario.
Chen y Zhong (Chen & Zhong, 2013) describen un algoritmo genético mejorado para la solución
de problemas de ubicación de centros de distribución logística de productos perecederos,
considerando áreas restrictivas, tales como lagos y zonas administrativas. Los autores
consideraron el impacto que tiene el carácter perecedero de los productos sobre el costo de
distribución global. En el modelo se busca además, establecer las zonas de distribución y sus
respectivas rutas de manera factible.
70
Jouzdani et al. (Jouzdani, Sadjadi, & Fathian, 2013) proponen un modelo dinámico para la
ubicación de instalaciones y la planificación de la cadena de suministro de leche. El objetivo del
modelo es la ubicación óptima de las instalaciones y la determinación de los volúmenes de
producción, con bajos costos de transporte, considerando el tráfico de las vías y la incertidumbre
de la demanda.
Neungmatcha et al. (Neungmatcha, Sethanan, Gen, & Theerakulpisut, 2013) presentan un
modelo de programación entera mixta solucionado a través de un algoritmo genético, en el cual
tienen como principal objetivo hallar la ubicación óptima para la instalación de las estaciones de
carga en el sistema de suministro de la caña de azúcar, intentando maximizar el uso de la
capacidad total de la misma. El modelo es tratado como un problema multi-servicio donde se
espera además minimizar el costo total.
Firoozi et al. (Firoozi et al., 2014) trabajan un problema de integración entre el control de
inventarios y la ubicación de instalaciones. Los autores consideran que es de gran importancia
tener en cuenta estos aspectos de manera simultánea en la toma de decisiones, principalmente
porque cualquier cambio en las decisiones de localización puede influir en el costo de transporte
y reabastecimiento y de esta manera afectar la política óptima de inventario. Plantearon un
modelo matemático no lineal entero mixto para solucionar dicho problema.
Govindan et al. (Govindan et al., 2014) propone un modelo de optimización multi-objetivo en una
cadena de suministro de alimentos perecederos, integrando la sostenibilidad con la determinación
del número y ubicación de las instalaciones, optimizando la cantidad de los productos entregados
y las rutas a través de las cuales se realiza la distribución.
Morganti y Feliu (Morganti & Gonzalez-Feliu, 2014) presentan un problema de localización Hub
enfocado a los productos perecederos en Parma. Los autores planean la ubicación de centros de
distribución urbana, teniendo en cuenta las normas de tráfico y los servicios de entrega,
mejorando así la eficiencia del sistema de distribución dentro de la ciudad.
Kaveh et al. (Khalili-Damghani et al., 2015) consideran que la ubicación de almacenes y el
enrutamiento de vehículos son cuestiones esenciales para la distribución de productos
perecederos. Proponen un modelo de programación entera mixta bi-objetivo. Donde los objetivos
a trabajar son reducir el costo total de la cadena de suministro y equilibrar la carga de trabajo en
los centros de distribución.
Etemadnia et al. (Etemadnia, Goetz, Canning, & Tavallali, 2015) examinan la ubicación de
instalaciones en una cadena de suministro de alimentos perecederos para facilitar la transferencia
entre los lugares de producción y de consumo. Para ello proponen un modelo de programación
entera mixta donde el objetivo es la minimización del costo total de la red, incluyendo los gastos
de transporte y el costo de localizar cada una de las instalaciones. Adicional a esto los autores
realizan un estudio por escenario variando parámetros tales como, las distancias de viaje y la
capacidad de cada instalación.
La siguiente Tabla 25 muestra una síntesis de los trabajos de localización realizados sobre
productos alimenticios perecederos:
71
Año
Autor Nombre de la Investigación Tipo de modelo
Productos perecederos (Alimentos)
1986 Federgruen A., Prastaco G., Zipki P.
An allocation and distribution model for perishable products
Programación entera mixta
2007 Gong W., Li D., Liu X., Yue J., Fu Z.
Improved two-grade delayed particle swarm optimization (TGDPSO) for inventory facility location for perishable food distribution centres in Beijing
Enjambre de partículas
2007 Zhi-lin S., Dong W. Location Model of Agricultural Product Distribution Center
Programación entera mixta no lineal
2007 Zhang M., Yang Jun Optimization Modeling and Algorithm of Facility Location Problem in Perishable Commodities Emergency System
Algoritmo re-making
2009 Xiaohui Q., Wen Y. Studies on spatio-temporal collaboration model for location analysis of vegetable & fruit logistics
Algoritmo Heurístico- método de extracción
continua
2009 Huang, X., Xie R.
A model on location decision for distribution centers of emergency food logistics
Heurística de red neuronal
2010 Marulanda, M., Leguizamón, G., Niño, K.
Solución al problema de localización (CFLP) a través de búsqueda tabú y relajación lagrangeana, caso de estudio: industria de productos alimentarios
Búsqueda Tabú
2010 Hiassat, A., Diabat, A.
A Location-Inventory-Routing-Problem With Perishable Products
Programación entera mixta
2011 Weimin, D., Jinfeng, W., Bingjun, L., Meijie, W.
A Location-Inventory Model for Perishable Agricultural Product Distribution Centers
Programación Entera
2011 Zhao, X., Dou J. A hybrid particle swarm optimization approach for design of agri-food supply chain network
Programación entera mixta
2011 Boudahri, F., Sari, Z., Maliki, F., Bennekrouf, M.
Design and Optimization of the Supply Chain of Agri-Foods: Application Distribution Network of Chicken Meat.
Programación Lineal
2011 Zhao, X., Lv, Q.
Optimal Design of Agri-food Chain
Network: an Improved Particle Swarm
Optimization Approach
Programación entera mixta
2012 Tong D., Ren F., Mack J. Locating farmers’ markets with an incorporation of spatio-temporal variation
Programación Lineal
72
2012 Yang, K., Liu, Y., Yang, G.
An improved hybrid particle swarm optimization algorithm for fuzzy p-hub center problem
Programación entera mixta
2012 Diatha, K; Karumanchi, R; Garg, S
Mobile enabled operations management using multi-objective based logistics planning for perishable products
Formulación matemática multi
objetivo
2013 Drezner Z., Scott C. Location of a distribution center for a perishable product
Modelo estocástico con heurísticas de solución
2013 Chen, X., Zhong, C. An Improved Genetic Algorithm for Location Problem of Logistic Distribution Center for Perishable Products
Algoritmo genético mejorado
2013 Jouzdani, J., Sadjadi, S., Fathian, M.
Dynamic dairy facility location and supply chain planning under traffic congestion and demand uncertainty: A case study of Tehran
Programación entera mixta
2013 Neungmatcha, W., Sethanan, K., Gen, M., Theerakulpisut, S.
Adaptive genetic algorithm for solving sugarcane loading stations with multi-facility services problem
Programación entera mixta
2014 Firoozi Z., Ismail N., Ariafar S., Tang S., Ariffin M., Memariani A.
Effects of Integration on the Cost Reduction in Distribution Network Design for Perishable Products
Programación Entera Mixta
2014 Govindan K., Jafarian A., Khodaverdi R., Devika K.
Two-echelon multiple-vehicle location–routing problem with time windows for optimization of sustainable supply chain network of perishable food.
Modelo multi-objetivo, Programación entera
mixta
2014 Morganti E , Feliu J City logistics for perishable products. The case of the Parma’s Food Hub
Problema de Localización Hub
2015 Damghani K. K., Abtahi A. R., Ghasemi A.
A New Bi-objective Location-routing Problem for Distribution of Perishable Products: Evolutionary Computation Approach
Programación entera mixta
2015 Etemadnia h., Goetz s., Canning P., Tavallali M.
Optimal wholesale facilities location within the fruit and vegetables supply chain with bimodal transportation options: An LP-MIP heuristic approach
Programación entera mixta
Tabla 25. Modelos Aplicados a productos Agrícolas Fuente: Autores basados en Logística de distribución de productos perecederos (Reina, 2013)
73
2 METODOLOGÍA
El siguiente gráfico muestra la estructura desarrollada la metodología.
Grafica 22. Estructura del Desarrollo de la Metodología Fuente. Elaborado por autores.
El presente proyecto de investigación se desarrolló en cuatro fases, desde el planteamiento del
problema hasta la obtención de resultados y conclusiones finales. Existe una fase inicial
denominada Fase 0 en la cual se seleccionó la cadena de suministro a trabajar de acuerdo con
los criterios definidos por el grupo de investigación. En la Tabla 26 se describen cada una de las
fases para el desarrollo del presente proyecto, especificando entradas, actividades y
requerimientos utilizados en cada uno de ellas.
Fase Entradas Actividades Requerimientos
0. Selección de la cadena de suministro
Proyectos de grado desarrollado en el
grupo GICAlyT
Selección de seis cadenas de
suministro del sector agrícola y
pecuario en Colombia
1. Identificación de alternativas de
Solución
Acceso a documentos de los
entes gubernamentales
2.Establecimiento de criterios
Paginas Gubernamentales: DANE, Banco de la
Republica, de FAOSTAT, Agronet,
Ministerio de
Establecimiento de criterios para la
selección
3. Definir la importancia relativa
de cada criterio
4. Determinación de ponderaciones de
cada criterio
Criterios de Selección
Fase 0. Selección de la
Cadena
Establecimiento de criterios
Definir la importancia relativa de cada criterio
Determinación de ponderaciones de cada
criterio
Puntaje final de cada alternativa
Fase 1. Levantamiento de Información
Identificación de las fuentes primarias y
secundarias a utilizar.
Localización y consulta.
Revisión cuidadosa y extracción de información
Análisis y compilación de la información
Fase 2. Modelamiento
Matemático
Selección del tipo de modelo e identificación de datos importantes
Estimación de parámetros, variables de
decisión
Construcción del modelo
Solución del modelo y análisis de resultados
Fase 3. Análisis de Resultados
Identificación de las nuevas locaciones y
flujos
Determinación de brechas existentes entre
lo real y lo teórico
Identificación de las principales causas
Propuestas para la mejora
74
agricultura y Desarrollo Rural,
SIOC
Evaluación de las cadenas según los
criterios
5. Normalizar
6. Obtener valor promedio
Selección de la Cadena para el
proyecto de investigación
7. Determinar el indicador de consistencia
Proceso De Análisis Jerárquico (AHP)
8. Obtener el puntaje final de cada alternativa
1. Levantamiento de Información
Primaria y Secundaria
Trabajos de grado Previos Universidad
Distrital y Universidad Nacional
Revisión de Estudios previos de la cadena frutícola
en Colombia
1. Detección de la literatura:
Identificación de las fuentes primarias y
secundarias a utilizar.
Acceso a bases de datos
Establecimiento de las principales
problemáticas de la cadena
2. Obtención de la literatura:
Localizarlas físicamente o virtualmente y
obtenerlas para posteriormente consultarlas.
Matriz Origen-Destino
Informes de : Asohofrucol, FAO ,
Ministerio de Agricultura, Min Salud
CAN, Contexto Ganadero, Agronet,
Revista Agropecuaria del Sur
Recopilación de información
económica sobre el sector
agroindustrial de frutas
Contacto directo con los agentes
Revisión de la literatura sobre los
modelos de distribución
3. Consulta de la literatura: Selección de las de utilidad y desecho las que no
sirven. Revisión cuidadosa y
extracción de información
Criterios de Búsqueda
Desarrollo del Marco Conceptual
Instrumentos de recolección de datos
Selección del área y conjunto de frutas
a trabajar
4. Ordenamiento de la información
recopilada
Acceso a información
(Asohofrucol)
Bases de datos: SCOPUS, CIENCE
DIRECT, IEEE
Determinación de la ubicación actual de las instalaciones
dentro la red logística de frutas
5. Análisis y compilación de la
información
Reuniones con Asohofrucol
Identificación de la capacidad de cada
una de las instalaciones
Tablas dinámicas en Excel
2. Modelamiento Matemático
Información recopilada en la Fase
1
Planteamiento de un modelo de localización de instalaciones capacitado
1. Selección del tipo de modelo
Herramientas estadísticas
2. Identificación de datos importantes
3. Estimación de parámetros
4. Definición de variables de decisión
75
5. Construcción de función objetivo
Herramienta de investigación de
operaciones 6. Establecimiento
de restricciones
7. Solución del modelo
Validación del modelo
1. Análisis de resultados
2. Búsqueda de fallas del modelo
3. Mejora de Fallas Software de Optimización
Implementación del modelo
3. Análisis de Resultado,
Propuestas de mejora y
estrategias para la reducción de
brechas
Información obtenida en la Fase 2
Análisis de Resultados obtenidos
1. Identificación de las nuevas locaciones y flujos
Comparación de resultados con la
situación real
2. Determinación de brechas existentes entre lo real y lo teórico
3. Identificación de las principales causas
Planteamiento de propuestas de reducción de
brechas
4. Propuestas para la mejora
Tabla 26. Metodología Fuente: Elaboración Propia
A continuación se describe a detalle el procedimiento realizado en cada una de las fases
mencionadas.
Fase 0 - Selección de la cadena de suministro
Colombia cuenta con un gran número de cadenas productivas agropecuarias que podrían ser
foco de investigación. Partiendo del proyecto de investigación denominado CARACTERIZACIÓN
DE LA LOGISTICA EN COLOMBIA desarrollado por el Grupo de Investigación en Cadenas de
Abastecimiento, Logística y Trazabilidad (GICALyT), se realizó la selección de la cadena de
suministro a estudiar en este proyecto.
Se tuvieron en cuenta seis cadenas de suministro pertenecientes al sector agrícola y pecuario en
Colombia, dos de ellas de abastecimiento (frutícola y hortícola) y 4 productivas (láctea, bovina,
porcina y avícola). Para la selección de la cadena objeto de investigación se aplicó la metodología
de priorización AHP, la cual permite la toma de decisiones a través el análisis jerárquico, en el
cual se tuvieron en cuenta los siguientes criterios:
1. Estado de la balanza comercial. 2. Participación en la producción mundial. 3. Participación en la producción nacional. 4. Consumo per cápita en Colombia.
76
5. Número de municipios de producción en Cundinamarca. 6. Generación de empleos.
Se procedió a la búsqueda, recolección y compilación de la información requerida para cada
criterio, para lo cual se tuvo en cuenta los datos promedio entre los años 2007 y 2012, que
permitieron generar intervalos de clasificación. A estos intervalos se les asigno una calificación
de 1 a 5, donde se evaluó de acuerdo a la importancia determinada por el grupo de investigación,
Tabla 27. Intervalos y clasificación correspondientes a los 6 criterios seleccionados. Fuente: Grupo GICALyT
Se definió que el criterio de mayor importancia es la balanza comercial, seguido de la participación
de la cadena en el mercado mundial y nacional, el consumo per cápita, la presencia de cultivos
en los municipios de Cundinamarca y por último la generación de empleo.
La Tabla 28 presenta las calificaciones asignadas a cada criterio. Como se mencionó
anteriormente la escala de evaluación es de 1 a 5, donde 1 representa una menor importancia y
5 una mayor importancia.
Alternativas Balanza Comercial
Participación producción
mundial
Participación producción
nacional
Consumo per Cápita
Col.
Producción en Cundinamarca
Empleo
Cadena Frutícola
5 5 1 5 5 3
Cadena Porcina
1 1 4 1 4 1
Cadena Hortícola
1 1 1 2 1 1
Cadena Bovina 5 5 4 1 3 5
Cadena Avícola 1 4 1 0 5 3
Cadena Láctea 1 1 5 5 1 3
Tabla 28. Clasificación para los criterios según intervalos Fuente: Grupo GICALyT
Por otra parte la Tabla 29 contiene los datos promedio de cada uno de los criterios evaluados
entre los años 2007 y 2012. Los datos se obtuvieron a través de la recopilación de información
disponible en las páginas web de: FAOSTAT, Agronet, Ministerio de agricultura y Desarrollo
Rural, DANE, y SIOC (Sistema de información de gestión y Desempeño de Organizaciones de
cadenas).
77
Alternativas Balanza Comercial
Participación producción mundial (%)
Participación producción nacional (%)
Consumo per Cápita
Col. (Kg/año)
Producción en Cundinamarca
(Ton) Empleo
Cadena Frutícola
Positiva 1.348 0.360 116.320 88 483.540
Cadena Porcina
Negativa 0.005 1.360 4.858 72 95.000
Cadena Hortícola
Negativa 0.116 0.020 37.720 36 3.622
Cadena Bovina
Positiva 1.562 1.600 18.761 60 950.000
Cadena Avícola
Negativa 1.210 0.120 23.1 78 450.000
Cadena Láctea
Negativa 0.000 2.030 136.932 29 497.250
Tabla 29. Datos obtenidos por cada criterio Fuente: Grupo GICALyT
La metodología AHP establece que debe existir una escala de ponderación para calificar los criterios según la importancia de los mismos para el grupo de investigación. En la Tabla 30 se presenta la escala utilizada en el proceso de jerarquización.
Escala
1 Si i es igualmente importante que j
3 Si i es algo más importante que j
5 Si i es mucho más importante que j
7 Si i es supremamente más importante que j
9 Si i es totalmente más importante que j
Tabla 30. Priorización de los criterios Fuente: Grupo GICALyT
Con esta escala se procedió a la construcción de la matriz de prioridades (Tabla 31) donde se
asignan valores numéricos que representan que tanto es más importante un criterio con respecto
a cada uno de los demás.
MATRIZ DE PRIORIDADES
Balanza Comercial
Participación producción
mundial
Participación producción
nacional
Consumo per Cápita
Col.
Producción en Cundinamarca
Empleo
Balanza Comercial
1.00 7.00 5.00 7.00 3.00 3.00
Participación producción
mundial 0.14 1.00 0.33 0.33 0.14 0.14
Participación producción
nacional 0.20 3.00 1.00 3.00 0.20 0.33
Consumo per Cápita Col.
0.14 3.00 0.33 1.00 0.14 0.20
Producción en Cundinamarca
0.33 7.00 5.00 7.00 1.00 3.00
Empleo 0.33 7.00 3.00 5.00 0.33 1.00
78
TOTAL 2.15 28.00 14.67 23.33 4.82 7.68
Tabla 31. Matriz de prioridades. Fuente: Grupo GICALyT
En la Tabla 32 se encuentra la matriz normalizada, en la cual se obtiene el vector que indica el
resultado ponderado de las prioridades asignadas.
MATRIZ NORMALIZADA
Balanza Comercial
Participación producción
mundial
Participación producción
nacional
Consumo per Cápita
Col.
Prod. en Cund.
Empleo Promedio
Balanza Comercial
1.00 7.00 5.00 7.00 3.00 3.00 0.3948
Participación producción
mundial 0.14 1.00 0.33 0.33 0.14 0.14 0.0312
Participación producción
nacional 0.20 3.00 1.00 3.00 0.20 0.33 0.0803
Consumo per Cápita Col.
0.14 3.00 0.33 1.00 0.14 0.20 0.0491
Producción en Cundinamarca
0.33 7.00 5.00 7.00 1.00 3.00 0.2740
Empleo 0.33 7.00 3.00 5.00 0.33 1.00 0.1705
Tabla 32. Matriz normalizada. Fuente: Grupo GICALyT
Con el fin de validar el método se construyó la matriz A*C que se presenta en la Tabla 33,
resultante del producto entre la matriz de prioridades y el vector columna de ponderaciones
(obtenido en la matriz normalizada).
A*C
Balanza Comercial 2,692
Participación de la producción mundial O,194
Participación en la producción nacional 0,511
Consumo per cápita en Colombia 0,2991
Municipios de producción en Cundinamarca 1,881
Empleos 1,098 Tabla 33. Matriz AC
Fuente: Grupo GICALyT
La suma de los valores del vector resultante es utilizada para calcular la razón de consistencia
(RC) (Tabla 34), que para este caso fue 0,07, lo cual indica que el procedimiento se realizó de la
manera adecuada.
Razón de Consistencia
IA=(1,98(n-2))/n 1,32
IC=(nmáx-n)/(n-1) 0,093
RC=IC/IA 0,0710
79
Tabla 34. Razón de consistencia (RC) Fuente: Grupo GICALyT
Al finalizar dicho análisis se obtuvieron los siguientes resultados, donde se muestra que la cadena
seleccionada es la frutícola:
Selección Cadena Frutícola
4,338
Balanza
Comercial
Participación producción
mundial
Participación producción
nacional
Consumo per
Cápita
Producción en Cundinamarca
Empleo
Total
Cadena Frutícola
1,974 0,156 0,080 0,246 1,370 0,512 4,338
Cadena Porcina
0,395 0,031 0,321 0,049 1,096 0,171 2,063
Cadena Hortícola
0,395 0,031 0,080 0,098 0,274 0,171 1,049
Cadena Bovina
1,974 0,156 0,321 0,049 0,822 0,853 4,175
Cadena Avícola
0,395 0,125 0,080 0,000 1,370 0,512 2,482
Cadena Láctea
0,395 0,031 0,401 0,264 0,274 0,512 1,859
Tabla 35. Elección de la cadena Resultados Finales Fuente: Grupo GICALyT
Finalizado el proceso de selección de la cadena de abastecimiento, se realizó la elección de las
frutas foco de investigación. Para ello se realizaron reuniones con ASOHOFRUCOL, en donde
se priorizaron las frutas que se producen en Colombia. En donde se utilizaron como principales
criterios el programa de transformación productiva (PTP) en el sector frutícola, el potencial en el
mercado interno y externo y el interés en abarcar frutas con mayor y menor perecibilidad.
Resultado de estos encuentros y foros, se llegó a la conclusión de seleccionar las siguientes
frutas: Mango, Mora, Uchuva y Gulupa. En donde las dos primeras están enfocadas en mayor
medida a la demanda nacional y las otras al mercado exportador.
Fase 1 – Levantamiento de Información Primaria y Secundaria
Información Secundaria
Para el levantamiento de la información secundaria se utilizó la metodología propuesta por
Roberto Hernández Sampieri en su libro “Metodología de La Investigación” (Hernández Sampieri,
1997). El desarrollo de esta fase está dividido en cinco etapas, las cuales se describen a
continuación. La primera se refiere a la detección de la literatura, en la cual se realizó la
identificación de las fuentes primarias y secundarias de información a utilizar; en la segunda parte
se obtuvo la literatura, es decir se localizó de manera física y/o virtual la información requería a
través de bases de datos, bibliotecas, entre otros; se procedió en tercer lugar a la consulta de la
literatura, en donde se seleccionaron aquellas que son de utilidad para el desarrollo del marco
80
teórico y se desecharon aquellas que no responden a las necesidades del proyecto; a
continuación se realizó la cuarta etapa en donde se ordenó la información recopilada; y por último
en la etapa cinco se analizó y compilo la información en el documento final.
Para contextualizar la situación de la cadena en el país se consultaron Trabajos de Grado previos
de la Universidad Distrital Francisco José de Caldas y de la Universidad Nacional de Colombia,
Informes de Asohofrucol, FAO, Ministerio de Agricultura, MinSalud, CAN, Contexto Ganadero,
Agronet y Revista Agropecuaria del Sur.
Para el levantamiento de la información secundaria se consultaron las siguientes bases de datos:
Science Direct, IEEE, SpringerLink, JSTOR, Scopus y Google Scholar. Las palabras clave de
búsqueda se presentan en la Tabla 36. Las búsquedas se realizaron en Title, Abstract y Keywords
en cada una de las bases de datos.
Categoría Palabra de búsqueda
Campo de aplicación Fruit Supply Chain, Supply Chain Distribution Models, Logistics, Agri Food Supply Chain, Food Supply Chain
𝑊15𝑓𝑟𝑘𝑡𝑠 = 𝐶𝑎𝑛𝑡𝑖𝑑𝑎𝑑 𝑑𝑒 𝑓𝑟𝑢𝑡𝑎 𝑓𝑟 𝑒𝑛𝑣𝑖𝑎𝑑𝑎 𝑑𝑒𝑠𝑑𝑒 𝑐𝑒𝑛𝑡𝑟𝑜 𝑡𝑟𝑎𝑛𝑠𝑓𝑜𝑟𝑚𝑎𝑐𝑖ó𝑛 𝑘 ℎ𝑎𝑠𝑡𝑎 𝑡𝑖𝑒𝑛𝑑𝑎𝑠 𝑡𝑠 𝑊16𝑓𝑟𝑘𝑝𝑙 = 𝐶𝑎𝑛𝑡𝑖𝑑𝑎𝑑 𝑑𝑒 𝑓𝑟𝑢𝑡𝑎 𝑓𝑟 𝑒𝑛𝑣𝑖𝑎𝑑𝑎 𝑑𝑒𝑠𝑑𝑒 𝑐𝑒𝑛𝑡𝑟𝑜 𝑡𝑟𝑎𝑛𝑠𝑓𝑜𝑟𝑚𝑎𝑐𝑖ó𝑛 𝑘 ℎ𝑎𝑠𝑡𝑎 𝑝𝑙𝑎𝑧𝑎𝑠 𝑝𝑙 𝑊17𝑓𝑟𝑘ℎ𝑠 = 𝐶𝑎𝑛𝑡𝑖𝑑𝑎𝑑 𝑑𝑒 𝑓𝑟𝑢𝑡𝑎 𝑓𝑟 𝑒𝑛𝑣𝑖𝑎𝑑𝑎 𝑑𝑒𝑠𝑑𝑒 𝑐𝑒𝑛𝑡𝑟𝑜 𝑡𝑟𝑎𝑛𝑠𝑓𝑜𝑟𝑚𝑎𝑐𝑖ó𝑛 𝑘 ℎ𝑎𝑠𝑡𝑎 ℎ𝑠 Una vez establecido esto se procedió a la formulación del modelo matemático final, el cual se
presenta a continuación:
3.4 Supuestos del Modelo A continuación se describen los supuestos utilizados para la ejecución del modelo propuesto:
I. Todas las cantidades y flujos de fruta están dadas en Toneladas. II. La oferta de cada fruta se calculó de manera anual y agrupada sin considerar a detalle las
temporadas de cosecha durante el año. III. Para el cálculo de la demanda de las tiendas se consideró que el 51% de la demanda de
cada localidad seria atendida por un conjunto de tiendas ubicadas en la misma. IV. Respecto a las plazas de mercado, se seleccionaron las 19 distritales existentes en la
ciudad, cada una de ellas atiende el 13% de la demanda de la localidad en la cual se ubica. En caso de existir más de una plaza por localidad se dividió en iguales partes la demanda.
V. Para los hipermercados se seleccionaron 7 de los más importantes en Bogotá, la demanda desde estos se supuso como el 36% del consumo de la localidad en donde se encuentra el hipermercado.
VI. En aquellos casos donde las localidades no contaran con alguno de los hipermercados seleccionados se dividió la demanda que este satisfacerla entre plazas y tiendas.
VII. Se calculó una capacidad máxima de almacenamiento igual para todos los centros de acopio, basado en las capacidades actuales de los centros de abastos.
VIII. Se calculó una capacidad máxima de almacenamiento igual para todos los centros de transformación, basado en visitas técnicas realizadas por el grupo de investigación.
IX. No se consideró diferentes tipos de camión para el transporte de la fruta. X. El costo de perdida por fruta se calculó como un costo de oportunidad, es decir la cantidad
de dinero que se deja de percibir por cada tonelada perdida.
Tabla 39. Zonas agrícolas de producción elegida Fuente: Los Autores
La Tabla 40 muestra las zonas potenciales de ubicación de centrales de acopio y centros de
producción las cuales son iguales dada la zonificación realizada y su identificación en el modelo
hecho en GAMS
Central de Acopio
Centro de Transformación
Identificación Central de Acopio
Centro de Transformación
Identificación
P1 PR1 Choconta P12 PR12 Soacha
P2 PR2 Girardot P13 PR13 Fusagasuga
P3 PR3 Guaduas P14 PR14 La mesa
P4 PR4 Villeta P15 PR15 Ubaté
101
P5 PR5 Gacheta P16 PR16 Fontibón
P6 PR6 San juan de Rioseco
P17 PR17 Engativá
P7 PR7 Medina P18 PR18 San Cristóbal
P8 PR8 Caqueza P19 PR19 Antonio Nariño
P9 PR9 Pacho P20 PR20 Barrios Unidos
P10 PR10 Zipaquirá P21 PR21 Santa Fe
P11 PR11 Facatativa
Tabla 40. Potencial Ubicación de centros de acopio y transformación Fuente: Los Autores
Las zonas de consumo tanto de producto fresco como de producto procesado las cuales son
iguales dada la zonificación realizada y su identificación en el modelo hecho en GAMS, se
presentan en la Tabla 41.
Producto Procesado
Producto Fresco
Identificación Producto
Procesado Producto
Fresco Identificación
DP1 DF1 Almeidas DP18 DF18 San Cristóbal
DP2 DF2 Alto Magdalena DP19 DF19 Antonio Nariño
DP3 DF3 Bajo Magdalena DP20 DF20 Barrios Unidos
DP4 DF4 Gualiva DP21 DF21 Santa Fé
DP5 DF5 Guavio DP22 DF22 Usaquén
DP6 DF6 Magdalena Centro DP23 DF23 Chapinero
DP7 DF7 Medina DP24 DF24 Usme
DP8 DF8 Oriente DP25 DF25 Tunjuelito
DP9 DF9 Rio Negro DP26 DF26 Bosa
DP10 DF10 Sabana Centro DP27 DF27 Kennedy
DP11 DF11 Sabana Occidente DP28 DF28 Suba
DP12 DF12 Soacha DP29 DF29 Teusaquillo
DP13 DF13 Sumapaz DP30 DF30 Los Mártires
DP14 DF14 Tequendama DP31 DF31 Puente Aranda
DP15 DF15 Ubaté DP32 DF32 La Candelaria
DP16 DF16 Fontibón DP33 DF33 Rafael Uribe
DP17 DF17 Engativá DP34 DF34 Ciudad Bolívar Tabla 41. Ubicación de zonas de consumo
Fuente: Los Autores
Se consideró al principal centro de acopio en Bogotá, CORABASTOS, el cual se codifico con el
código cb1. En la siguiente tabla se presentan las principales plazas de mercado de Bogotá, en
donde es posible asignar fruta para suplirá la demanda de la ciudad.
102
Plazas de Mercado
Identificación Plazas de Mercado
Identificación
PL1 Restrepo PL11 Santander
PL2 20 de Julio PL12 Lucero
PL3 La perseverancia PL13 San Carlos
PL4 Kennedy PL14 El Carmen
PL5 Fontibón PL15 Las cruces
PL6 Boyacá PL16 La concordia
PL7 Quirigua PL17 12 de
Octubre
PL8 Las Ferias PL18 Trinidad
Galán
PL9 7 de Agosto PL19 San Benito
PL10 Samper
Mendoza
Tabla 42. Plazas de mercado de Bogotá Fuente: Los Autores
La Tabla 46 contienen los hipermercados seleccionados para enviar fruta fresca y procesada
dentro de Bogotá.
Hipermercados Bogotá
Identificación
HI1 Éxito
HI2 Carulla
HI3 Surtifruver
HI4 Jumbo
HI5 Alkosto
HI6 Makro
HI7 Olímpica
Tabla 43. Plazas de mercado de Bogotá Fuente: Los Autores
El último eslabón comercial son las tiendas de barrios, para ello se supuso un agrupador de
demanda al por menor por localidad en Bogotá, a continuación se presenta la codificación
utilizada.
Tiendas Bogotá
Identificación Tiendas Bogotá
Identificación
TI1 Fontibón TI11 Bosa
TI2 Engativá TI12 Kennedy
TI3 San Cristóbal TI13 Suba
TI4 Antonio Nariño TI14 Teusaquillo
TI5 Barrios Unidos TI15 Los Mártires
103
TI6 Santa Fé TI16 Puente Aranda
TI7 Usaquén TI17 La Candelaria
TI8 Chapinero TI18 Rafael Uribe
TI9 Usme TI19 Ciudad Bolívar
TI10 Tunjuelito
Tabla 44. Tiendas de Bogotá Fuente: Los Autores
Como se mencionó anteriormente se trabajó el modelo matemático para 7 cadenas de
abastecimiento de frutas. En la siguiente tabla se muestra las frutas seleccionadas y la
codificación utilizada en GAMS.
Fruta GAMS Identificación
1 MANGO
2 MORA
3 UCHUVA
4 GULUPA
5 MANDARINA
6 NARANJA
7 FRESA
Tabla 45. Frutas elegidas Fuente: Los Autores
A continuación se explica cómo se obtuvieron los parámetros del modelo:
La oferta por fruta en Cundinamarca se calculó teniendo como base el documento “Estadísticas de Cundinamarca 2011 – 2013” en el capítulo 11 Agropecuario (Gobernación de Cundinamarca, 2013). En el Anexo 1 se encuentran los datos de producción en Toneladas de cada una de las frutas que se cultivan en la región por municipio.
La demanda se calculó teniendo como base el documento del Ministerio de Salud llamado perfil nacional de consumo de frutas y verduras 2012 (MinSalud; FAO, 2013) el cual muestra el consumo promedio por persona de las frutas, con esto y la población de potencial consumo en cada uno de los municipios se logró determinar la demanda de cada tipo de fruta. Dicha información se puede consultar en el Anexo 2.
El porcentaje de la demanda requerida por los actores en cada eslabón se calcularon en base al estudio del comportamiento de los consumidores de América Latina (The Nielsen Company, 2013), teniendo en cuenta esta información se construyó la cantidad que demanda suplida por los diferentes eslabones. En dicho documento se observó que en Bogotá el 51% de la demanda del cliente final se satisface a través de tiendas tradicionales, el 32% por plazas de mercados y el 13% por hipermercados.
Las distancias entre los centros de producción y las posibles ubicaciones de los centros tanto de transformación como de acopio se calculo a través de mapas de google tomando la distancia por ruta y no la lineal con el objetivo de que el modelo se acercara en mayor proporción a la realidad, dadas las condiciones de las carreteras colombianas. En el
104
Anexo 3 se presenta el detalle.
El deterioro de las frutas por temperatura se tomó del libro Tecnología Postcosecha de Cultivos Hortofrutícolas (Kader, 2011) como se muestra en la tabla. Para cada una de las ubicaciones se contabilizo la diferencia de temperatura, humedad Relativa y se le asignó el factor de deterioro.
Temperatura
(°C) Velocidad de
deterioro Vida de anaquel
relativa Pérdida por
Día (%)
0 1.0 100 1
10 3.0 33 3
20 7.5 13 8
30 15.0 7 14
40 22.5 4 25 Tabla 46. Efecto de la temperatura en la velocidad de deterioro
Fuente: Tecnología Postcosecha (Kader, 2011)
La temperatura y humedad relativa utilizada en la presente investigación de cada uno de los municipios trabajados se presenta en el Anexo 4.
La capacidad de los nuevos centros de acopio se calculó con una relación entre la fruta que se acopia actualmente en Corabastos y los metros cuadrados que tiene esta central. Se tomó la fruta que más se produce y de acuerdo con la relación se determinó los metros cuadrados que deberían tener los nuevos centros de acopio y de esta forma su capacidad.
N° Plazas o Centros de Acopio principales Terreno metro
cuadrado Fruta acopiada
(toneladas)
1 Central Mayorista de Antioquia (CMA) 280.000 135.967 año
2 Cavasa Valle del Cauca 290000
3 Cenabastos Cúcuta
4 Centroabastos Bucaramanga 30.000
5 Corabastos Bogotá 420000 12400 día
6 Mercasa Valle del Cauca
Tabla 47. Plazas de mercado Fuente: Caracterización de frutas (Moreno Castañeda et al., 2012)
La capacidad de los centros de transformación se establecieron de manera empírica según las visitas realizadas por el grupo de investigación a empresas del sector.
Las pérdidas en almacén se calcularon de acuerdo con las estadísticas encontradas en el libro perdidas y desperdicio de alimentos en el mundo, en la sección de frutas y verduras para América Latina (Fao, 2012). En donde el promedio de perdida postcosecha en América Latina es del 8%.
Finalmente los costos se basaron en la plaza de mercado 12 de Octubre a través de los boletines de noticias entregados por la alcaldía Local de barrios Unidos. Para información adicional y detallada sobre el coste se encuentra el anexo 1.
N° de
locales Área (m2) Comercialización
Arriendo mensual
$/m2
105
157 4 Frutas y
Verduras 4200000 $ 26.752
157 4 Frutas y
Verduras 1200000 $ 7.643
Tabla 48. Costo de un Local Plaza de Mercado 12 de Octubre Fuente: Autores basados en boletín de noticias Alcaldía Local de Barrios Unidos
3.7 Análisis de Resultados Escenario 1 A continuación se presentan los resultados obtenidos al correr el modelo matemático con los
anteriores datos de entrada en el software de optimización GAMS. El modelo se construyó con la
premisa de satisfacer la demanda de Cundinamarca y Bogotá con la producción de los
agricultores de la región. Para el caso de la mandarina y la naranja dado que existen regiones en
Colombia con mayor producción que Cundinamarca se estableció que se supliría el 30% del
consumo. En este primer escenario se relocalizaron los centros de acopio y de transformación,
pero se mantuvo la misma distribución comercial entre los eslabones de la cadena, donde
corabastos es el ente mayorista proveedor de tiendas, plazas e hipermercados.
3.7.1 Ubicación de Centros de Acopio. Como resultado del modelo se obtuvo que se deben ubicar tres instalaciones para centrales de
acopio una en el municipio de Villeta – Cundinamarca (PR4), otra en Soacha-Cundinamarca
(PR12) y la última en el municipio de La Mesa-Cundinamarca (PR14). La cantidad de fruta que
se envía desde los productores agrícolas hasta las centrales de acopio instaladas se presenta en
la Tabla 49, la cual representa la cantidad de fruta enviada para satisfacer la demanda de Bogotá,
la demanda de Cundinamarca se atenderá desde las cabeceras de los municipios. Se describe
la cantidad enviada desde los municipios de Anapoima (M3), Cachipay (M8), El Colegio(M11), El
Peñón (M12), Facatativá (M14), Fusagasugá (M17), Granada (M21), La Mesa (M27), San
Total 11.829 30.437 33.950 Tabla 49. Cantidad de fruta enviada desde los agricultores al centro de acopio
Fuente: Los Autores con los resultados del modelo
Como se observa la fruta de clima frio, es decir mora, uchuva, gulupa y fresa es enviada
únicamente a la central ubicada en Soacha por semejanzas de condiciones climáticas. La fruta
de clima caliente, mango, mandarina y naranja, es enviada tanto para la Mesa como para Villeta,
esto se debe de igual manera a los símiles de condiciones climáticas entre agricultores e
instalación, pero además la necesidad de abrir dos centros de acopio para este tipo de frutas se
da por la mayor demanda de las mismas. La cantidad de demanda a suplir para la naranja y
mandarina es del 30% del total, esto se debe a que Cundinamarca no es el mayor productor de
estas frutas.
3.7.2 Ubicación de Centros de Transformación De igual manera se ubicaron las centrales de procesamiento o de transformación de fruta fresca
a pulpas y jugos, se asignó una capacidad de 2000 toneladas al año dado que en las visitas
técnicas realizadas a empresas procesadoras del sector frutícola se determinó que es un rango
adecuado para la limitar la cantidad de fruta que reciben las instalaciones. Se obtuvo como
resultado abrir 4 instalaciones ubicadas en Girardot-Cundinamarca, San Juan de Rioseco-
Cundinamarca, Caqueza-Cundinamarca, y en la Localidad de Santa Fe-Bogotá. En las Tabla 50
se encuentra con detalle la cantidad de cada tipo de fruta que se va a enviar desde los agricultores
a las centrales de transformación. En este caso los agricultores que envían la fruta son: Arbelaez
(M6), Cachipay (M8), Girardot (M20), Granada (M21), San Francisco (M37), Sibate (M39), Tena
(M45) y Tocaima (M48).
P2 P6 P8 P21
Man
go
1,M8 1.691
1,M20 158
1,M45 169
1,M48 1.657
Mo
ra
2,M6 1.231
2,M21 121
Nar
anja
6,M37 303
Fre
sa
7,M39 1.240
Total 1.815 1.691 1.231 1.834 Tabla 50. Cantidad de fruta enviada hacia los centros de transformación
Fuente: Los Autores con los resultados del modelo
107
El flujo de fruta entre agricultores y centros de transformación esta dado también por las
restricciones climatológicas, como se puede observar la única instalación que recibe varios tipos
de fruta es la localizada en Bogotá, dado que se estableció la posibilidad de asignar los dos tipos
a la ciudad. La demanda de Uchuva y Gulupa no se consideró ya que no existe un mercado
amplio de productos procesados basados en estas frutas.
3.7.3 Asignación de Fruta Fresca entre Agricultores y Otros Eslabones Una vez establecido el lugar donde se ubicarían las nuevas instalaciones se procedió a decidir
hacia donde se debería enviar la fruta para suplir la demanda. En cuanto a Cundinamarca se
estableció que los clientes se satisfacerla directamente desde las centrales de acopio o cabeceras
principales de las provincias. Para el caso de Bogotá se tuvo en cuenta que el consumidor final
adquiere la fruta en tiendas de barrio, plazas de mercado e hipermercados. Por esta razón se
consideraron las plazas de mercado distritales ubicadas en distintos puntos de la ciudad, la
ubicación de las tiendas se estableció como un conjunto por localidad y se seleccionaron algunos
de los hipermercados más relevantes. Dichos actores sirven como centros de distribución a donde
llegarían los productos desde las centrales de acopio, centros de transformación, corabastos y
agricultores.
A continuación en la Tabla 51 se describen las toneladas enviadas por tipo de fruta desde los
agricultores ubicados en El Colegio (M11), Pasca (M30), San Bernardo (M35), Silvania (M40),
Soacha (M41), Tena (M45) hacia corabastos.
Corabastos
Man
go
1,M11 4.114
Mo
ra
2,M30 1.423
Uch
uva
3,M40 135
Gu
lup
a
4,M35 135
Man
dar
ina
5,M45 278
Nar
anja
6,M11 334
Fre
sa
7,M41 1.426
Total 7.845 Tabla 51. Cantidad de fruta enviada desde los agricultores hacia corabastos
Fuente: Los Autores con los resultados del modelo
Por otra parte en la Tabla 52 se muestra la cantidad de fruta fresca enviada directamente desde
los agricultores hasta los hipermercados, como se observa la demanda que se genera en esta
relación entre nodos es pequeña, ya que no siempre el hipermercado compra directamente a los
agricultores.
108
Éxito Carulla Surtrifuver Jumbo Alkosto Makro Olímpica
Man
go
1,M34 24,4 13,2 11,1 51,8 97,6 60,5 24,1
Mo
ra
2,M9 8,8
2,M21 35,3
2,M26 4,8 8,7
2,M39 4,0 18,7 21,9
Uch
uva
3,M21 1,9
3,M26 1,0 1,0 1,0 1,6 3,1 1,0
Gu
lup
a
4,M6 1,0 1,0 1,0 1,6 3,1 1,9 1,0
Man
dar
ina
5,M45 1,6 1,0 1,0 3,3 6,3 3,9 1,6
Nar
anja
6,M11 2,0 1,1 1,0 7,9 4,9 1,9
6,M37 4,2
Fre
sa
7,M15 18,8
7,M41 8,8 4,8 4,0 35,3 21,9 8,7
Total 47,6 26,9 23,1 100,0 188,6 116,9 47,0 Tabla 52. Cantidad de fruta enviada desde los agricultores hacia hipermercados
Fuente: Los Autores con los resultados del modelo
3.7.4 Asignación de Fruta Fresca entre Centros de Acopio y Otros Eslabones En la Tabla 53 se presenta la cantidad de fruta recibida por los hipermercados provenientes de
las nuevas centrales de acopio ubicadas en Soacha y La Mesa.
Éxito Carulla Surtrifuver Jumbo Alkosto Makro Olímpica
Man
go
1,PR14 98,1 53,1 44,5 208,1 392,1 243,2 97,1
Mo
ra
2,PR12 35,5 19,2 16,1 75,2 141,8 88,0 35,2
Uch
uva
3,PR12 3,1 1,7 1,4 6,5 12,3 7,6 3,0
Gu
lup
a
4,PR12 3,1 1,7 1,4 6,5 12,3 7,6 3,0
Man
dar
ina
5,PR14 6,3 3,4 2,9 13,4 25,2 15,7 6,2
Nar
anja
6,PR14 7,9 4,3 3,6 16,8 31,6 19,6 7,8
109
Fre
sa
7,PR12 35,5 19,2 16,2 75,3 142,0 88,1 35,2
Total 189,7 102,6 86,1 401,8 757,1 469,8 187,5 Tabla 53. Cantidad de fruta enviada desde los centros de acopio hacia hipermercados
Fuente: Los Autores con los resultados del modelo
Uno de los flujos más relevantes se da entre los centros de acopio y corabastos, debido a que la
central de abastos de Bogotá en el escenario actual es el que mayor demanda de tiendas, plazas
e hipermercados atiende. En la siguiente tabla se encuentra el detalle de las cantidades de cada
tipo de fruta enviadas desde los centros de acopio a corabastos.
Corabastos
Man
go
1,PR14 28.940
Mo
ra
2,PR12 10.005
Uch
uva
3,PR12 951
Gu
lup
a
4,PR12 951
Man
dar
ina
5,PR14 1.953
Nar
anja
6,PR4 2.352
Fre
sa
7,PR12 10.021
Total 55.172 Tabla 54. Cantidad de fruta enviada desde los centros de acopio hacia corabastos
Fuente: Los Autores con los resultados del modelo
3.7.5 Asignación de Fruta Procesada entre Centros de Transformación y Otros Eslabones Por otra parte se encuentra el producto procesado el cual se distribuye a los diversos actores de
la cadena desde los centros de transformación. En la Tabla 55 se describe la cantidad de fruta
procesada enviada desde el centro de transformación ubicado en Bogotá hacia las tiendas, esto
se debe a que es el de menor distancia, cambio condiciones climáticas y por tanto el que genera
(M21), La Mesa (M27), San Bernardo (M35), Sasaima (M38), Sibate (M39), Silvania (M40),
Soacha (M41).
3.8.2 Ubicación de Centros de Transformación Caso contrario a los centros de acopio, los centros de transformación cambian la ubicación
respecto al escenario 1, es decir se ubica en Santa Fé (P21), Caqueza (P8), Girardot (P2) y en
Villeta (P4). Los municipios de donde se reciben fruta son Anolaima (M4), Arbelaez (M6), Girardot
(M20), Granada (M21), San Francisco (M37), Sibate (M39), Tena (M45) y Tocaima (M48). En la
siguiente tabla se presenta el detalle de dichas relaciones.
P2 P4 P8 P21
Man
go
1,M4 1.709
1,M20 158
1,M45 168
1,M48 1.639
117
Mo
ra
2,M6 1.231
2,M21 121
Nar
anja
6,M37 303
Fre
sa
7,M39 1.240
Total 1.797 1.709 1.231 1.832 Tabla 64. Cantidad de fruta enviada desde agricultores hacia centros de transformación
Fuente: Los Autores con los resultados del modelo
3.8.3 Asignación de Fruta Fresca entre Agricultores y Otros Eslabones En este escenario como se mencionó anteriormente, no solo existe el flujo agricultores-centros
de acopio, agricultores-centros de transformación, agricultores-corabastos y agricultores-
hipermercados, sino que también se considera la relación agricultores-tiendas. En la Tabla 65 se
describe la cantidad de fruta que recibe corabastos desde los municipios El Colegio (M11), Pasca
(M30), San Bernardo (M35), Silvania (M40), Soacha (M41) y Tena (M45).
Corabastos
Man
go
1,M11 2.724
Mo
ra
2,M30 943
Uch
uva
3,M40 90
Gu
lup
a
4,M35 90
Man
dar
ina
5,M45 184
Nar
anja
6,M11 221
Fre
sa
7,M41 944
Total 5.197 Tabla 65. Cantidad de fruta enviada desde agricultores hacia corabastos
Fuente: Los Autores con los resultados del modelo
Por su parte en la siguiente tabla se presenta la cantidad de toneladas que se envían
directamente desde los agricultores hasta los principales hipermercados de la ciudad.
118
Éxito Carulla Surtrifuver Jumbo Alkosto Makro Olímpica
Man
go
1,M34 24,4 13,2 11,1 51,8 97,6 60,5 24,1
Mo
ra
2,M9 8,7
2,M21 18,7 35,3 21,9
2,M26 4,8
2,M39 8,8 4,0
Uch
uva
3,M21 1,9
3,M26 1,0 1,0 1,0 1,6 3,1 1,0
Gu
lup
a
4,M6 1,0 1,0 1,0 1,6 3,1 1,9 1,0
Man
dar
ina
5,M45 1,6 1,0 1,0 3,3 6,3 3,9 1,6
Nar
anja
6,M11 2,0 1,1 1,0 7,9 4,9 1,9
6,M37 4,2
Fre
sa
7,M15 18,8
7,M41 8,8 4,8 4,0 35,3 21,9 8,7
Total 47,6 26,9 23,1 100,0 188,6 117,0 47,1 Tabla 66. Cantidad de fruta enviada desde agricultores hacia hipermercados
Fuente: Los Autores con los resultados del modelo
Por último se asignó un porcentaje de alrededor del 5% de la demanda de las tiendas para ser
suplido por los agricultores directamente, sin embargo es solo una propuesta ya que por la lejanía
y la relacione entre los actores es complejo que llegue a presentarse dicho flujo. En la Tabla 67
se describe a detalle la cantidad de fruta enviada desde los siguientes municipios: Arbelaez (M6),
El Colegio (M11), Funza (M15), Granada (M21), Jerusalén (M24), La Calera (M26), Ricaurte
(M33), San Antonio del Tequendama (M34), San Cayetano (M36), San Francisco (M37), Soacha
Total 272 259 235 59 28 65 10 113 192 Tabla 67. Cantidad de fruta enviada desde agricultores hacia tiendas
Fuente: Los Autores con los resultados del modelo
3.8.4 Asignación de Fruta Fresca entre Centros de Acopio y Otros Eslabones En el escenario 1 no se consideró la posibilidad de enviar fruta desde los centros de acopio
ubicados hasta las plazas de mercado de Bogotá. Dado que la propuesta se basa en evitar el
envió a corabastos como intermediario adicional, se pretende suplir una fracción de la cantidad
que requieren las tiendas de fruta fresca en un 95% desde los centros de acopio. Lo anterior se
Total 4.950 4.677 4.231 1.078 492 1.171 122 2.038 3.506 Tabla 72. Cantidad de fruta enviada desde corabastos hacia las tiendas
Fuente: Los Autores con los resultados del modelo
La siguiente tabla es un ejemplo claro de la reducción que se genera en la cantidad de fruta que
sale desde corabastos. Las plazas serán abastecidas en mayor proporción por los centros de
acopio y en menor medida por corabastos.
PL1 PL2 PL3 PL4 PL5 PL6 PL7 PL8 PL9 PL10
Man
go
1,1 5 45 6 95 36 32 32 32 12 10
Mo
ra
2,1 2 16 2 34 13 11 11 11 4 4
Uch
uva
3,1 1 1 1 3 1 1 1 1 1 1
Gu
lup
a
4,1 1 1 1 3 1 1 1 1 1 1
Man
dar
ina
5,1 1 3 1 6 2 2 2 2 1 1
Nar
anja
6,1 1 4 1 8 3 3 3 3 1 1
Fre
sa
7,1 2 16 2 34 13 11 11 11 4 4
Total 13 86 14 183 69 61 61 61 24 22
PL11 PL12 PL13 PL14 PL15 PL16 PL17 PL18 PL19
Man
go
1,1 5 74 11 11 6 3 12 24 11
Mo
ra
2,1 2 27 4 4 2 1 4 9 4
125
Uch
uva
3,1 1 2 1 1 1 1 1 1 1
Gu
lup
a
4,1 1 2 1 1 1 1 1 1 1 M
and
arin
a
5,1 1 5 1 1 1 1 1 2 1
Nar
anja
6,1 1 6 1 1 1 1 1 2 1
Fre
sa
7,1 2 27 4 4 2 1 4 9 4
Total 13 144 23 23 14 9 24 46 23 Tabla 73. Cantidad de fruta enviada desde corabastos hacia las plazas
Fuente: Los Autores con los resultados del modelo
Por último se tiene la relación entre corabastos hasta hipermercados, el cual es un poco menor
al del escenario actual.
Éxito Carulla Surtrifuver Jumbo Alkosto Makro Olímpica
Man
go
1,1 8,5 4,6 3,9 18,2 34,2 21,3 8,4
Mo
ra
2,1 3,1 1,7 1,4 6,6 12,5 7,7 3,1
Uch
uva
3,1 1,0 1,0 1,0 1,0 1,1 1,0 1,0
Gu
lup
a
4,1 1,0 1,0 1,0 1,0 1,1 1,0 1,0
Man
dar
ina
5,1 1,0 1,0 1,0 1,2 2,2 1,4 1,0
Nar
anja
6,1 1,0 1,0 1,0 1,5 2,8 1,7 1,0
Fre
sa
7,1 3,1 1,7 1,4 6,6 12,5 7,7 3,1
Total 18,8 12,0 10,7 36,1 66,4 41,9 18,7 Tabla 74. Cantidad de fruta enviada desde corabastos hacia los hipermercados
Fuente: Los Autores con los resultados del modelo
126
3.8.6 Asignación de Fruta desde Centros de Transformación y Otros Eslabones En el escenario 2 no se presenta cambios significativos en la demanda de producto procesado,
dado que en el modelo se está considerando como fuente de estos productos solamente los
centros de transformación reubicados. En la Tabla 75 se presenta la cantidad de producto
procesado que se envía hacia corabastos, desde Engativá, Villeta y Caqueza..
Corabastos
Man
go
1,P4 1.074
Mo
ra
2,P8 742
Nar
anja
6,P21 75
Fre
sa
7,P21 735
Total 2.626 Tabla 75. Cantidad de fruta enviada desde centros de transformación hacia corabastos
Fuente: Los Autores con los resultados del modelo
Por otra parte se presenta en la Tabla 76 el flujo en toneladas enviado desde el centro de
transformación ubicado en Engativá hacia las tiendas de Bogotá.
Total 14,1 182,7 28,1 28,1 15,1 8,0 28,1 59,2 28,1 Tabla 77. Cantidad de fruta enviada desde centros de transformación hacia las plazas
Fuente: Los Autores con los resultados del modelo
Por ultimo en la Tabla 78 se muestra la cantidad de fruta procesada enviada hacia los
hipermercados.
Éxito Carulla Surtrifuver Jumbo Alkosto Makro Olímpica
Man
go
1,P21 8,4 4,5 3,8 17,8 33,5 20,8 8,3
Mo
ra
2,P21 6,0 3,3 2,7 12,9 24,2 15,1 6,0
Nar
anja
6,P21 1,0 1,0 1,0 1,2 2,3 1,4 1,0
128
Fre
sa
7,P21 6,0 3,2 2,7 12,8 24,1 15,0 5,9
Total 21,5 12,0 10,2 44,6 84,1 52,2 21,3 Tabla 78. Cantidad de fruta enviada desde centros de transformación hacia los hipermercados
Fuente: Los Autores con los resultados del modelo
En resumen de los datos anteriores se tiene: La cantidad de fruta perdida durante la distribución
a través de todos los eslabones de la cadena es de 3153 toneladas, lo cual representa un 3.6%
de perdida con respecto a la demanda. Lo cual se refleja en la cantidad de fruta que fluye a través
de los nodos, como se presenta en la Tabla 62.
Demanda Real de Bogotá (Ton)
Flujo Total Enviado (Ton)
Cantidad de Fruta Perdida
Porcentaje de perdida
83394 86547 3153 3,6% Tabla 79. Comparación entre demanda y cantidad real de envió
Fuente: Los Autores con los resultados del modelo
Con el resultado de este según escenario se logra satisfacer la demanda de Cundinamarca y
Bogotá, sin generar déficit y con un nivel de perdidas mucho más bajo que el escenario 1 y que
el promedio de América Latina el cual es de 8%, dado la cercanía de los nodos productores y de
demanda hacia las centrales de acopio y de transformación. Además dicho resultado se debe a
que al evitar que gran cantidad de la fruta llegue a corabastos se reduzca la perdida por
almacenamiento y transporte.
A continuación se presenta el mapa de Cundinamarca con los lugares donde se ubicaran las
instalaciones para centrales de acopio y de transformación. Los puntos hacen referencia a los
centros de acopio y los triángulos a los centros de transformación.
129
Ilustración 7 Mapa con centros de acopio y transformación.
Fuente. Los autores utilizando: http://mapas.cundinamarca.gov.co/
3.9 Comparación Escenarios, Reducción de Brechas y Propuesta de Mejora Como se pudo observar en el escenario 1, es decir en el actual, corabastos es la central de
abastos más relevante en la Ciudad de Bogotá y uno de los más importantes en Colombia,
acopiando fruta principalmente de Cundinamarca y del Meta. Como sustento de esto se presenta
la Tabla 80 en donde se observa el número de toneladas que se recibieron en las centrales de
abasto de Colombia en promedio desde los años 2007 al 2010,
Toneladas acopiadas en plazas mayoristas
Plaza/Año 2007 2008 2009 2010 Total general Porcentaje
Sin embargo a pesar de que las centrales de acopio presentan una gran infraestructura existen problemas en el mantenimiento de los productos estando por debajo de los estándares internacionales.(Moreno Castañeda et al., 2012). Dicho comportamiento se ve reflejado en una mayor pérdida cuando la fruta debe hacer un arribo por dichas centrales.
Lo cual puede llegar a afectar al cliente final debido a que en muchos casos los comercializadores mayoristas utilizan centros de acopio, que en el país están constituidos básicamente por las centrales de abastos de las principales ciudades del país y las plazas de mercado organizadas. Desde estos centros se distribuyen los productos frutícolas a supermercados, mayoristas, tiendas, hoteles, restaurantes y clínicas entre otros. (Moreno Castañeda et al., 2012). Es decir que existe una posibilidad de mejora en cuanto a la distribución de productos frescos a través de los nodos de la cadena de abastecimiento logística de frutas en Colombia. Adicional a esto se idéntico a través de las tesis resultantes de las caracterizaciones realizadas por el grupo de investigación GICALyT, sobre el mercado de alimentos en los municipios de Cundinamarca, que existe suficiente oferta de las frutas trabajadas en esta investigación, exceptuando mandarina y naranja, para satisfacer la demanda de producto fresco y procesado de la región Bogotá-Cundinamarca. Las condiciones mencionadas se tuvieron en cuenta para la construcción de este trabajo de investigación. Uno de los objetivos planteados fue otorgar herramientas para la reducción de brechas entre el estado actual de la cadena y el modelo propuesto, para ello se crearon dos modelos de programación entera mixta, uno donde se representara la realidad y otra donde se plantea el modelo “ideal” para un mejor funcionamiento de la red logística. El primer escenario representa el estado actual de la cadena pero con reubicación de instalaciones, es decir se propuso reubicar los centros de acopio y transformación de manera cercana a los nodos de oferta beneficiando a los agricultores de Cundinamarca. Desde dicho eslabón hacia adelante se manejaron los porcentajes de demanda y comercialización de cada uno de los actores tal cual como se presenta en la actualidad. Para simular la realidad se calculó que porcentaje de la demanda de los consumidores de Bogotá es satisfecha por plazas, tiendas e hipermercados. Una vez establecida la proporción se procedió a calcular la cantidad que debería satisfacer cada nodo de los eslabones hacia atrás de la cadena. Al correr este primer modelo se obtiene como resultado que el porcentaje de perdida en toda la cadena de abastecimiento de frutas entre Cundinamarca y Bogotá es del 6,6%, menor al 8% promedio de América Latina. Lo cual se traduce en que una primera aproximación al mejoramiento de la red logística está dado por colocar de manera estratégica los centros de acopio y transformación evitando tiempos de viaje muy largos y cambios de condiciones climáticas muy bruscos que afecten la calidad de los productos. Sin embargo este resultado podría llegar a mejorarse, para ello se construyó el escenario 2 en el cual adicional a reubicar las centrales de acopio y de transformación se propuso cambiar los porcentajes de comercialización entre eslabones, reduciendo la cantidad de fruta que comercializa corabastos hacia plazas, hipermercados y tiendas. Al ejecutar el modelo se obtuvo como resultado una reducción de tres puntos porcentuales pasando de 6.6% en el escenario 1 a 3.6%.
131
Dicho resultado es una alternativa óptima para mejorar el desempeño de la cadena de abastecimiento, es un porcentaje de perdida muy bajo dadas las condiciones de las carreteras y los pisos térmicos de Cundinamarca. En este caso además de beneficiar a los productores se beneficia también a los clientes finales los cuales recibirán una fruta de mejor calidad y al generar menor perdida los precios pueden ser menores. Complemento de estos resultados se propone una vez establecida la nueva conformación de la red y de los flujos a través de la misma, instaurar una cadena de frio desde la central de acopio hasta los distribuidores finales con el fin de reducir en mayor medida las pérdidas que en este escenario se presentan en principalmente por el recorrido entre nodos. Por otra parte un sistema de gestión de inventarios puede mejorar aún más el resultado de estas propuestas. Por ultimo enfocándose desde el productor podría llegar a aplicarse técnicas para el control de cosechas y evitar la sobreproducción en algunos meses del año y la escases en otros.
4 ESTUDIOS FUTUROS Para investigaciones futuras se propone tener en cuenta el tipo de vehículo utilizado en el transporte de los productos con el fin de determinar cuáles deberían ser sus características en cuanto a capacidad y refrigeración se refiere. Adicional a esto las decisiones de distribución en almacén y gestión de inventarios, junto a las decisiones de localización, se hacen relevantes para reducir las pérdidas durante el almacenaje de la fruta. Se propone también que el modelo se formule de tal manera que se incluya en el modelamiento
parámetros como el tiempo de transporte, la demanda en los diferentes meses del año acorde
con las temporadas de cosecha alta y baja, es decir que el modelo maneje ventanas de tiempo
dejando de ser estático a convertirse en dinámico.
Por otra parte sería interesante extender el modelo a todas las cadenas frutícolas existentes por
toda Colombia, con el fin de determinar mejoras en proceso logístico de distribución de punta a
punta
Por ultimo respecto a las condiciones climáticas de las regiones de Cundinamarca y Colombia,
se propone construir una simulación a través de dinámica de sistemas para determinar todos los
pisos térmicos que recorrería la fruta en su viaje desde la granja hasta el cliente final, lo cual
ayudaría a decidir el tipo de cuidados que se deben tener a la hora de transportar la fruta. A través
de dinámica de sistemas se podría establecer un modelo pull-push en relación cliente-proveedor
y modelar los delays o demoras existentes en cada eslabón.
132
CONCLUSIONES El interés en las cadenas agroalimentarias se ha incrementado principalmente por la importancia
que ha adquirido el consumo de productos frescos alrededor del mundo. Decisiones estratégicas
relevantes como la localización de instalaciones son de gran importancia durante el diseño de la
cadena de suministro y de su red de distribución dado el carácter perecedero de los productos
frescos. Sin embargo, el tema ha sido poco tratado debido especialmente a la dificultad para el
modelamiento de dicho carácter y al gran número de variables a considerar en este tipo de
cadenas de suministro.
Durante la revisión de la literatura se identificó claramente que el tipo de modelo matemático más
utilizado es la programación entera mixta, esto se debe a que los modelos generalmente incluyen
un número muy grande de variables, parámetros y subíndices, respondiendo a las características
complejas de las cadenas de abastecimiento de productos agrícolas perecederos. De igual
manera se puede observar que dada la robustez de los modelos en ocasiones no es posible
solucionarlos a través de software de optimización, por lo tanto se acude a la utilización de
heurísticas y Metahuristicas que se aproximen en la mayor medida posible al óptimo de cada
modelo planteado.
Por otra parte es importante destacar que el objetivo de estos modelos generalmente es la
minimización del costo total incluyendo en su mayoría costos de transporte, de inventario y de
producción. Sin embargo para este caso se optó por la minimización tanto de las distancias, fruta
deteriorada y demanda no atendida. El análisis en Cundinamarca región es relevante dado la
concentración de la demanda y de oferta de un gran número de frutas, ya que por ejemplo
Corabastos es una de las más grandes centrales de acopio del país ya que concentra alrededor
del 30% del mercado Nacional.
Es importante este tipo de estudios en Cundinamarca-Región dado la concentración de la
demanda y de oferta de un gran número de frutas, ya que por ejemplo Corabastos es una de las
más grandes centrales de acopio del país ya que concentra alrededor del 30% del mercado
Nacional.
El modelo planteado como resultado de la investigación incluye dos factores que no se habían
trabajado en la revisión literaria los cuales son las perdidas por cambios en la temperatura y en
la humedad relativa lo cual está ligado con la vida útil de la fruta y su calidad en el momento de
llegar al consumidor final. Una de las principales ventajas del modelo propuesto es que genera
un menor porcentaje de perdida comparado al promedio en américa latina reportado por la FAO
(Fao, 2012) que asciende al 8%, esto se debe principalmente a la reducción de las distancias y
al acoplamiento entre la temperatura y la humedad relativa de cada una de las zonas.
Adicional se observó que al variar la capacidad de las instalaciones los resultados varían
generando que se abran un mayor número de instalación, lo cual posibilita la aplicación del
modelo a restricciones territoriales o presupuestarias. Se evidencia la necesidad de utilizar
dinámica de sistemas, o soluciones a través de heurísticas y metahuristicas, ya que al incluir más
variables y relaciones entre ellas, acercándolo cada vez más a la realidad, se convierte en un
problema complejo.
133
Fruto de este proyecto se logró el cumplimiento de los objetivos planteados durante el desarrollo
del proyecto, adicional se realizó un artículo de revisión al estado del arte denominado
“MODELOS DE LOCALIZACIÓN PARA CADENAS AGROALIMENTARIAS: UNA REVISIÓN AL
ESTADO DEL ARTE”, en el cual se identificaron claramente los diferentes tipos de modelamiento
matemático lo que permitió encontrar una estructura que se aproximara a las necesidades del
sector frutícola en Colombia.
134
BIBLIOGRAFÍA Agronet. (2015a). Exportaciones del Sector Agropecuario. Colombia. Retrieved from