Kitabı oku: «Cadenas de suministro, logística y prácticas colaborativas en el Caribe colombiano»
Catalogación en la publicación – Biblioteca Nacional de Colombia
Balza Franco, Vladimir
Cadenas de suministro, logística y prácticas colaborativas en el Caribe colombiano / Vladimir Balza Franco, Gustavo Henríquez Fuentes, Hugo Mercado Cervera. -- 1a. ed. -- Santa Marta : Universidad del Magdalena, 2020.
(Ingeniería y Tecnología. Ingeniería Industrial)
Incluye datos de los autores en la pasta. -- Contiene referencias bibliográficas al final de cada capítulo.
ISBN 978-958-746-370-5 -- 978-958-746-371-2 (pdf) -- 978-958-746-372-9 (e-pub)
1. Administración de la producción 2. Logística en los negocios 3. Distribución física de mercancías - Caribe (Región, Colombia) 4. Mango – Producción – Magdalena I. Henríquez Fuentes, Gustavo II. Mercado Cervera, Hugo José III. Título IV. Serie
CDD: 658.50098611 ed. 23
CO-BoBN– a1069052
Primera edición, diciembre de 2020
2020 © Universidad del Magdalena. Derechos Reservados.
Editorial Unimagdalena
Carrera 32 n.° 22-08
Edificio de Innovación y Emprendimiento
(57 - 5) 4381000 Ext. 1888
Santa Marta D.T.C.H. - Colombia
editorial@unimagdalena.edu.co
https://editorial.unimagdalena.edu.co/
Colección Ingeniería y Tecnología, serie: Ingeniería Industrial
Rector: Pablo Vera Salazar
Vicerrector de Investigación: Ernesto Amarú Galvis Lista
Coordinador de Publicaciones y Fomento Editorial: Jorge Enrique Elías-Caro
Diagramación: Eduard Hernández Rodríguez
Diseño de portada: Andrés Felipe Moreno Toro
Corrección de estilo: Juan Mikan
Santa Marta, Colombia, 2020
ISBN: 978-958-746-370-5 (impreso)
ISBN: 978-958-746-371-2 (pdf)
ISBN: 978-958-746-372-9 (epub)
DOI: 10.21676/9789587463705
Hecho en Colombia - Made in Colombia
El contenido de esta obra está protegido por las leyes y tratados internacionales en materia de Derecho de Autor. Queda prohibida su reproducción total o parcial por cualquier medio impreso o digital conocido o por conocer. Queda prohibida la comunicación pública por cualquier medio, inclusive a través de redes digitales, sin contar con la previa y expresa autorización de la Universidad del Magdalena.
Las opiniones expresadas en esta obra son responsabilidad de los autores y no compromete al pensamiento institucional de la Universidad del Magdalena, ni genera responsabilidad frente a terceros.
Contenido
Prólogo
Introducción
Metodología general
Capítulo 1
Modelación logística aplicada a las cadenas de suministro agroindustrial: evidencias de la cadena productiva de mango en el departamento del Magdalena
Hugo José Mercado Cervera PhD
Introducción
El cultivo de mango en el departamento del Magdalena
Modelación de cadenas físicas de distribución
Modelación de la cadena de producción y distribución de mango en el Magdalena
Conclusiones
Referencias bibliográficas
Capítulo 2
Gestión logística del suministro de mercancías: diseño de rutas para un sistema de distribución física comercial. Evidencias del departamento del Atlántico
Gustavo Henríquez Fuentes
Introducción
La logística y la cadena de suministro
Diseño de rutas de distribución física de mercancías (“última milla”)
Caso de estudio de una distribuidora de mercancías
Conclusiones
Referencias bibliográficas
Capítulo 3
Prácticas logísticas colaborativas: evidencias del sector de proveedores de servicios logísticos en el Caribe colombiano
Vladimir Balza Franco, PhD
Introducción
Logistics Services Providers: actores cruciales de la cadena de suministro
El sector logístico en Colombia
Los proveedores de servicios logísticos en el Caribe colombiano
Tipología de proveedores de servicios logísticos
Estudio descriptivo de proveedores de servicios logísticos en Colombia
Operadores logísticos y escenarios de aglomeración en el Caribe colombiano
Caracterización de los LSP del Caribe colombiano
Tipos de sistema de información para la logística
Grado de subcontratación de la operación logística
Frecuencia de actividades relacionadas a la colaboración
Frecuencia de las prácticas logísticas cooperativas
Análisis de los resultados
Prácticas logísticas cooperativas horizontales entre LSP
Actividades relacionadas a la colaboración entre LSP
Relación entre inversión en sistemas de información y prácticas cooperativas
Relación entre tamaño del LSP y prácticas cooperativas
Subcontratación de operaciones logísticas
Conclusiones
Referencias bibliográficas
Epílogo
Prólogo
En la literatura sobre gestión de la cadena de suministro y gestión logística abundan los estudios realizados por investigadores de países desarrollados de Norteamérica, Asia y Europa, mientras que los trabajos académicos sobre gestión logística que analizan a las economías emergentes, desde su propia perspectiva regional, son escasos; más aún en regiones con amplios rezagos de desarrollo como el Caribe colombiano. El presente libro surge como el resultado de tres diferentes procesos de investigación en dicho contexto y convergen en un punto central: la gestión logística en diferentes cadenas de suministro en la región Caribe.
Este libro es el resultado del esfuerzo de investigadores de la región que abordaron los siguientes problemas que conciernen a la competitividad de las cadenas de suministro: la baja competitividad de la distribución física de la cadena agroindustrial de los productores de mango en el departamento del Magdalena; la eficiencia de la distribución física de una comercializadora en Barranquilla y, por último, la competitividad de los prestadores de servicios logísticos, quienes se enfrentan a la decisión de adoptar prácticas de gestión colaborativa en tres ciudades del Caribe colombiano. Estas investigaciones tienen como denominador común su aproximación al desafío de la competitividad, pero desde diversas perspectivas teóricas y con distintos métodos de investigación.
Cada uno de los temas presentados en este libro, aunque con diversas metodologías de investigación, contribuye a generar en conjunto un mayor y más completo acervo de conocimiento de los actores de la cadena de suministro nacional, desde una perspectiva académica rigurosa. Con el tiempo, los libros que realizan compendios de esta clase de proyectos servirán de referencia para las futuras líneas de investigación, de manera que las futuras generaciones de investigadores del Caribe colombiano puedan analizar los fenómenos de la gestión empresarial propios de la región, con miras a mejorar la competitividad regional y nacional.
Introducción
La actividad logística se ha asociado históricamente con un conjunto de estrategias necesarias para poner en movimiento diversos tipos de recursos tales como tropas, armas, víveres e insumos, y con el tiempo se fue asociando a la dinámica de desarrollo comercial de los pueblos y sus intercambios de bienes y servicios. En los tiempos actuales, la logística comercial es el motor de la cadena de suministro de todo tipo de productos para satisfacer distintas clases de demanda, algunas de productos de ocio y lujo; en otros casos, de productos de primera necesidad. En los tiempos de crisis global que vivimos, satisfacer la demanda de agua, alimentos y medicinas de toda la población ya no es cuestión de competitividad, sino de supervivencia. Es en estos momentos de inflexión cuando recordamos que no podemos vivir sin los productos del campo, y que la necesidad de aprovisionamiento de frutas y verduras frescas y de otros alimentos es más importante que la obtención de artículos de lujo y confort.
Considerando lo anterior, en el primer capítulo de este libro se aborda el problema de la competitividad de las cadenas productivas agroindustriales de frutas colombianas, en particular de la cadena de suministro del mango (Mangifera indica), uno de los productos agrícolas con los que cuenta la amplia despensa del departamento del Magdalena. En dicho apartado se presenta la investigación de campo realizada en varios municipios productores de la fruta en el Magdalena, la cual se orientó a la modelación matemática del problema clásico del transporte, utilizando orígenes y destinos de la fruta entre los municipios del departamento. Esta aproximación modelística generó interesantes resultados que dan luces sobre cómo optimizar la distribución física de este producto y mejorar la productividad y competitividad de los cultivadores de la región.
El primer capítulo define un modelo de gestión logística de la cadena del mango del departamento del Magdalena, con el fin de determinar la mejor red de distribución basada en las características del producto, de los clientes y de los sistemas de información. Para su desarrollo se utilizó el modelo de transporte clásico, que resuelve los problemas de ubicación y capacidad de las instalaciones, además del número óptimo de vehículos con sus rutas, de manera que se garantice la satisfacción de las necesidades de los clientes y la entrega de sus pedidos.
La competitividad de las pequeñas y medianas empresas (pymes) es fundamental para el desarrollo económico del país. En Colombia, estas representan alrededor del 90% de las empresas existentes, generan el 30% del producto interno bruto (PIB) y, lo más importante, dan empleo al 65% de la población laboral del país. Ahora bien, en los tiempos actuales de crisis global, este sector es el más afectado y el que más ayuda y apoyo del Estado necesita. Con esto en mente, el segundo capítulo trata el caso de una empresa importadora de vestuario y productos de tecnología que atiende al mercado local en la ciudad de Barranquilla (Colombia). En este apartado se sintetizan los resultados de una investigación de campo llevada a cabo a bordo (con cronómetro en mano) de los vehículos de distribución de esta pequeña organización.
En la cadena de suministro intervienen diversos actores: productores de materias primas, transportistas, transformadores, de nuevo los transportistas y, finalmente, los consumidores. Es decir, los transportistas y los operadores logísticos son fundamentales en la cadena física de suministro, a pesar de que son precisamente los actores de la cadena que menos atención han recibido de la literatura académica. Ahora, en tiempos de crisis, sobresalen la eficiencia y la competitividad de los operadores y transportistas como factores esenciales para mantener funcionando la cadena de abastecimiento de los productos de primera necesidad. En este sentido, una de las alternativas estratégicas más reportadas por la literatura, con el fin de mejorar la competitividad del sector logístico, es la colaboración horizontal: un tema prácticamente desconocido en el contexto de la gestión logística nacional. Con esto en mente, en el tercer y último capítulo de este libro se presentan resultados de una investigación exploratoria sobre el fenómeno de la adopción de prácticas de gestión colaborativa entre operadores de servicios logísticos en tres ciudades del Caribe colombiano.
El tercer capítulo analiza entonces diversos aspectos de la operación logística: número de servicios prestados por cada operador, cubrimiento de las operaciones y tamaño de la empresa. Además, se explora la potencial presencia de prácticas logísticas colaborativas entre cuatro categorías específicas de operadores logísticos en la región Caribe colombiana. Asimismo, los resultados de la investigación empírica se contrastan con las evidencias reportadas en la literatura y con los datos cualitativos obtenidos. Entre los hallazgos de la investigación se encontró que, contrario a lo que refleja la evidencia cualitativa, las prácticas colaborativas sí se presentan en este sector, aunque son de tipo informal y de frecuencia esporádica.
Así pues, puede afirmarse que la competitividad de los actores de las cadenas productivas y de sus intermediarios logísticos en la región Caribe constituye el eje de articulación que integra los tres capítulos de este libro y que emerge como una propuesta para futuras líneas de investigación en la gestión de la cadena de suministro regional y nacional.
Metodología general
La presente obra es una compilación de tres investigaciones separadas. Los autores han desarrollado sus proyectos atendiendo distintas líneas de investigación y desde diferentes perspectivas metodológicas, pero en torno a un tema común: los actores de las cadenas de suministro en el Caribe colombiano y, a su vez, con un abordaje común: la investigación empírica. En el primer capítulo el problema de investigación se enfoca desde los métodos cuantitativos, adoptando como unidad de análisis los centros de acopio de fruta en los municipios del Magdalena. La metodología de la investigación se apoyó en la aplicación de modelos matemáticos clásicos y algoritmos para resolver el problema de optimización de las rutas de transporte de productos agrícolas entre diferentes centros de acopio y sus destinos en el departamento, con el fin de mejorar la productividad de estas cadenas productivas.
En el capítulo dos se analizan las rutas de distribución física de una empresa comercial en la ciudad de Barranquilla. La investigación en esta oportunidad se apoyó en la metodología de caso de estudio, y el acopio de datos se basó en la observación y medición directa a través de un estudio de métodos y tiempos llevado a cabo por espacio de 15 días en la zona donde la empresa realiza sus operaciones, entre las cuales están el acopio de la mercancía en los centros de distribución y los procesos de picking y distribución de esta. El capítulo presenta además una herramienta metodológica gráfica e innovadora para la medición y la planeación de las rutas de distribución, con base en el análisis de los resultados del estudio de tiempos y la programación de los envíos. Este instrumento, soportado en la recta numérica algebraica, es aplicable a proveedores de servicios logísticos de paqueteo urbano con el fin de estimar los tiempos de entrega de un sistema de distribución, en contraste con los métodos de análisis de rutas descritos por la literatura, que se enfocan más en costosas aplicaciones de software.
Por último, en el capítulo tres se adopta el enfoque metodológico de población y muestra para obtener datos de los intermediarios de la cadena de suministro. Dada la amplia variedad de esta unidad de análisis, la investigación empleó una tipología clásica de proveedores de servicios logísticos para depurar su base de datos y acotar la población. El abordaje metodológico fue mixto: se combinaron métodos cualitativos como las entrevistas semiestructuradas (con un cuestionario preestablecido) con la aplicación de encuestas (mediante una aplicación comercial de encuestas en línea) para recabar la mayor información posible de una muestra representativa de la población de los operadores logísticos en el Caribe colombiano, indagando por las características específicas de la operaciones mencionadas y de otras como el uso de sistemas de información especializados y la subcontratación de labores logísticas. De igual forma se consultó la frecuencia de cierto grupo de prácticas de colaboración horizontal y de actividades relacionadas a la colaboración reportadas por la literatura entre este tipo de operadores. Así, la investigación condujo a plantear algunas hipótesis sobre las potenciales relaciones entre las variables descritas en el estudio y la frecuencia de las prácticas logísticas colaborativas horizontales entre prestadores de servicios logísticos.
Capítulo 1
Modelación logística aplicada a las cadenas de suministro agroindustrial: evidencias de la cadena productiva de mango en el departamento del Magdalena
Hugo José Mercado Cervera PhD1
Introducción
En el marco de los proyectos liderados por el grupo de investigación Gestión de Recursos para el Desarrollo (GRD), reconocido por Colciencias en categoría C y adscrito al programa de Ingeniería Industrial de la Universidad del Magdalena, este capítulo sintetiza uno de los trabajos de la línea de investigación “Optimización y métodos cuantitativos”. El estudio se enfoca en la aplicación de métodos y modelos matemáticos para mejorar la cadena productiva de frutas y hortalizas en el Magdalena; concretamente, la producción y distribución de mango, una fruta tropical típica de la región Caribe y del microclima del interior del departamento del Magdalena.
El cultivo de mango en el departamento del Magdalena
En el mundo existen más de 30 variedades de la especie Mangifera indica, entre las cuales se destacan algunas mejoradas, como las variedades rojas Van Dike, Kent y Tommy Atkins, como se muestra en la ilustración 1. Estas fueron introducidas al país desde el sur de la Florida (Estados Unidos), y su cultivo está destinado al mercado de consumo de mango fresco. En el departamento del Magdalena se producen estas variedades de la fruta, además de la variedad criolla Magdalena River y la variedad Keitt (ilustración 2), destacadas por su alto contenido de fibra y por estar dirigidas al mercado de pulpas.
Ilustración 1. Mangifera indica
Fuente: propiedad de los autores con licencia de shuttlestock.com.
El departamento de Magdalena ha sido una región tradicionalmente agrícola y de marcada vocación agroindustrial: aproximadamente 5,5% de su PIB corresponde a la producción de frutas y vegetales. Después del banano, el café y los cítricos, el cultivo de mango tiene una participación del 20% del total de la producción agroindustrial2. Ahora bien, a pesar de su importancia y tradición para la economía del departamento, los cultivos de frutas en este territorio se caracterizan por un bajo nivel de uso de los recursos productivos. Así, se observa que el cultivo de mango cuenta con un nivel de productividad agrícola 40% inferior al de otras regiones del país como el alto Magdalena tolimense, que reporta una productividad de 13,7 toneladas por hectárea plantada3. De igual forma, los niveles de desperdicio de fruta en el cultivo de mango en el Magdalena son superiores al 50% debido a fallas en la manipulación, el almacenamiento y los sistemas de transporte.
Ilustración 2. Mango variedad Keitt
Fuente: propiedad de los autores con licencia de shuttlestock.com.
Como consecuencia, se presentan altos sobrecostos en los procesos agroindustriales, así como incumplimientos de los contratos comerciales en cuanto a las cantidades de producto entregado y a los tiempos de entrega. Estos problemas podrían resolverse mediante la aplicación de técnicas de investigación de operaciones y modelos matemáticos que determinen la ubicación de los centros de almacenamiento, la capacidad de los almacenes y las rutas de transporte de los productos de forma rentable. En otras palabras, este panorama requiere el uso de modelos logísticos para optimizar recursos a través de la minimización de los costos de almacenamiento y transporte de la fruta, desde su origen hasta su consumidor final.
Modelación de cadenas físicas de distribución
Los modelos de distribución permiten estimar el número de viajes realizados durante un cierto periodo entre las diferentes zonas de un sistema analizado. El modelo de distribución más conocido es el denominado problema de transporte o modelo de Hitchcock (1941), en el cual los bienes producidos en las fuentes indicadas se suministran a una serie de destinos a un costo mínimo. Este está formulado como un problema de programación lineal con costos constantes. Por otro lado se encuentra el modelo de distribución tradicional, esto es, según lo propuesto por Wilson (1970), el modelo gravitatorio, donde las variaciones de entropía —la función objetivo— se muestran para una variación de la generación de viajes o una variación de la unidad de atracción, respectivamente. Estos tipos de modelos de entropía han hecho grandes contribuciones al estudio de la distribución de viajes (Wang, Yao y Jing, 2006).
En los modelos de factores de crecimiento se comienza con una matriz conocida de V, a partir de la cual se busca estimar los valores de esta para un año de diseño. Así, dependiendo de la información, se pueden usar varios métodos (De Dios Ortúzar y Willumsen, 2011). En general, la predicción del número de viajes realizados a ciertos destinos es importante porque ayuda a identificar el área donde se deben generar los servicios y a evaluar los impactos de los cambios en los patrones de demanda de servicios (Blainey y Preston, 2010).
El método del factor uniforme supone que toda la matriz crecerá de manera uniforme, de acuerdo con un factor de crecimiento dado. Esta situación, sin embargo, no es muy realista a menos que sea a muy corto plazo. Por lo demás, en los métodos del factor de crecimiento de dimensión simple o doble existen dos conjuntos de factores de crecimiento para cada zona, origen y destino. Para esto se han desarrollado varios métodos iterativos, entre los cuales se destaca el método Furness (Berodia, Portilla, Dell’Olio y Zamanillo, 2006), que introduce factores de equilibrio.
La literatura reporta que, utilizando datos agregados, los diferentes modelos de distribución difieren poco, pero con datos desagregados las diferencias se hacen considerables. También se ha demostrado que el cambio en el nivel de agregación de los datos puede alterar significativamente los valores de los parámetros de los modelos (De Grange, Fernández y De Cea, 2010).
En los modelos basados en la entropía, el multiplicador de Lagrange (β) expresa la variación de la entropía para una variación unitaria en el costo total del sistema, y puede interpretarse como el costo del viaje. Esta relación se generalizó a grandes poblaciones y fue validada por Roy y Thill (2004). Luego, para la calibración del modelo gravitacional se utiliza el método iterativo de Hyman (1997), en el cual se toma un valor inicial βo para realizar un modelo gravitatorio y obtener un costo promedio modelado y una nueva β, con la cual la nueva iteración hasta el costo promedio de modelado obtenido es igual al costo promedio de la matriz inicial.
En el desarrollo de la investigación del presente capítulo se analizó la cadena logística de mango utilizando el modelo clásico de transporte (De Dios Ortúzar y Willumsen, 2011), donde los usuarios del sistema de transporte realizan sus viajes con base en un conjunto de opciones, esto es, toman la decisión de viajar —generación y atracción— a un destino —distribución—, en un modo de transporte —partición modal— y a través de una determinada ruta —asignación—. Para el propósito establecido, solo se considerarán aquí los dos primeros pasos debido a la complejidad que existe en el manejo de la carga por las iteraciones dinámicas entre los diferentes actores involucrados en los envíos y que se relacionan con factores como el tamaño, la frecuencia, los niveles de servicio esperados y los tiempos y requisitos de carga y descarga.
Para el modelado de generación y atracción, se consideran los agentes que interactúan para tomar decisiones basadas en la maximización de sus beneficios, la negociación de flujo de productos entre consumidores y productores, los precios de los mercados de las principales ciudades de Colombia, y las rutas para el transporte de la mercancía, todo bajo una plataforma de modelado basada en viajes y no en productos. Para modelar la generación de viajes se utilizan varios métodos, entre los que se encuentran los clásicos de regresión lineal, que se han desarrollado para la captura de correlaciones espaciales, y los de análisis de categorías (De Grange et al., 2010).
La metodología que se siguió para establecer el modelo de gestión logística de la cadena del mango en el Magdalena toma la expansión de la oferta para determinar el volumen óptimo que se debe distribuir a cada uno de los mercados objetivos, según su ubicación y costos de transporte, utilizando el modelo clásico de transporte de generación y distribución. Como resultado se espera determinar los niveles ideales de oferta de los municipios del departamento que posean ventajas comparativas para el cultivo, la producción y la comercialización de esta fruta en particular. Así mismo se busca establecer la ubicación y la capacidad de los centros de acopio, desde donde se enviarán los productos a los principales mercados del país a través de rutas y sistemas de transporte que minimicen los costos y maximicen las utilidades de los agentes productivos.
Modelación de la cadena de producción y distribución de mango en el Magdalena
La producción de mango en los principales 11 municipios del Magdalena, entre 2012 y 2016, se muestra en la figura 1. La información de la producción y el consumo de mango en los principales mercados del país se obtuvo de las bases de datos Agronet, desarrollada por el Ministerio de Agricultura de Colombia, del sistema de información de precios SIPSA, desarrollado por Departamento Nacional de Estadística y de entrevistas directas con los agentes de la cadena productiva del mango. Este es un producto poco diferenciado que presenta mercados de tamaño similar en los principales municipios del departamento (Luna-Amaya, Nieto-Bernal, Mercado-Cervera y Pajares-Gutiérrez, 2017).
Figura 1. Producción por municipios en el departamento del Magdalena, 2012-2016
Fuente: elaboración propia a partir de datos de Sistema Estadístico Agropecuario Agronet (2017)4.
El modelo se construye a partir de una matriz de viaje conocida o inicial, donde se supone que el crecimiento de la oferta debido a inversiones en el sector es de carácter uniforme, con un factor de crecimiento que incluye origen y destino. Para su realización se desarrollan de manera secuencial varias iteraciones con la metodología Furness (Berodia et al., 2006), que introduce factores de equilibrio y conserva los patrones de viaje futuro. Sin embargo, el número de viajes se incrementa, según el aumento de las zonas de producción y la atracción de los viajes.
Ilustración 3. Regiones del departamento del Magdalena
Fuente: propiedad de los autores con licencia de adobestock.com.
En la construcción de la matriz origen-destino se toman como factor de origen los principales municipios productores de mango del Magdalena, como son: Ciénaga y Zona Bananera (al norte del departamento), Santa Ana y El Banco (al sur) (ilustración 3). Por otro lado, como factor de destino se escogieron las principales plazas de mercados consumidoras de mango más cercanas o multimercados (Reimann, Shen y Kaufmann, 2017), que además no son productores de la fruta o cuya producción no suple sus propias necesidades; tal es el caso de los departamentos de Sucre (al sur), Santander (al este), Atlántico (al oeste) y La Guajira (al norte). Así pues, se elaboró la matriz origen-destino presentada en la tabla 1, donde se registran las demandas de los destinos (Dj) y las ofertas de los orígenes (Oi).
Tabla 1. Matriz origen-destino, oferta-demanda real en toneladas de mango
Fuente: Agronet (2017).
De acuerdo a las expectativas de crecimiento de la oferta en los municipios productores y del incremento de la demanda de los mercados estudiados, se construye la matriz aumentada de origen-destino que se observa en la tabla 2. El valor Oi meta corresponde a la oferta estimada para cada municipio productor (origen), y el valor Dj indica la demanda estimada de cada región de destino. El valor ai es la proporción en que se excede el valor meta de la oferta Oi al valor actual de la oferta de Oi. Por ejemplo, para el caso del Banco, ai=3.835 t/3.200=1,1980138.
Tabla 2. Matriz origen-destino aumentada, oferta-demanda deseable en toneladas de mango
Fuente: elaboración propia.
Dado que la matriz de valores ideales no tiene una solución factible, es necesario calcular los porcentajes de crecimiento ai y bj, que deben tener el valor de 1, con el fin de satisfacer las restricciones de origen y destino. La tabla 3 presenta el siguiente proceso iterativo.
Tabla 3. Matriz origen-destino aumentada, iteración 1
Fuente: elaboración propia.
Con los últimos valores de ai se encuentran los valores de bj, de tal manera que se satisfagan las restricciones de destino (tabla 4).
Tabla 4. Matriz origen-destino aumentada, iteración 2
Fuente: elaboración propia.
El proceso iterativo se realiza hasta lograr la convergencia entre los dos porcentajes de crecimiento. Con el fin de satisfacer las restricciones, los parámetros ai y bj deben ser calibrados en el proceso de estimación del modelo gravitacional (De Dios Ortúzar y Willumsen, 2008).
Para la calibración del modelo gravitacional se usa el método iterativo propuesto por Hyman (1997), en el cual se usa un valor inicial de βo y, mediante el modelo gravitatorio, se obtiene el costo promedio modelado y una nueva β, con la cual se realizan iteraciones sucesivas hasta obtener el costo promedio modelado igual al costo promedio de la matriz inicial. En la creación de la primera matriz se tienen en cuenta los costos de los viajes. En este caso se tomarán las distancias desde el municipio de origen a cada mercado destino para representarlo (tabla 5).
Tabla 5. Matriz de costo
Fuente: elaboración propia.
Para la aplicación del modelo de Hyman se debe calcular el valor medio del costo de la distribución de los viajes observados mediante la siguiente ecuación:
Donde:
Nij= n = número de viajes observados (y expandidos) para cada par origen-destino.
Cij= costo de los viajes.
Se inicia la primera iteración con un m = 0 y un valor inicial de C* = 316. Con el valor de 
se calcula la matriz de viajes del modelo gravitacional estándar y se obtiene la medida modelizada de los costos de viaje Co . De este modo se puede estimar como mejor valor de 
el siguiente:
Los resultados obtenidos de la matriz de viajes de modelo gravitacional estándar se pueden apreciar en la tabla 6.
Tabla 6. Parámetros primera matriz de viaje
Fuente: elaboración propia.
Se realiza nuevamente el procedimiento con un m=m-1 y utilizando el último valor hallado para β, es decir, β-1, calculando la matriz de viajes del modelo gravitacional estándar. Así se obtiene una nueva medida modelizada de los costos de viaje (Cm-1) que será contrastada con C*.
Tabla 7. Parámetros segunda matriz de viaje
Fuente: elaboración propia.
Como ambos valores no son lo suficientemente próximos, se deben realizar nuevamente los pasos antes mencionados las veces que sea necesario, es decir, hasta que la última media de los costos (Cm-1) modelizada sea suficientemente próxima el valor observado C* y se pueda calcular una mejor estimación del β a partir de la siguiente ecuación:
Después de tres repeticiones más (tabla 8), se logró una aproximación lo más cercana posible al valor medio del costo C*.
Tabla 8. Parámetros última matriz de viaje
Fuente: elaboración propia.
El resultado final, después de todas las iteraciones, que optimiza los costos de envíos desde los municipios oferentes hasta los mercados objetivos, se presenta en la tabla 9.
Tabla 9. Matriz origen-destino aumentada, resultado final
Fuente: elaboración propia.
La matriz de resultado sugiere que toda la producción del municipio de El Banco (al sur del departamento) debe ser comercializada en el departamento del Santander (al sureste): 6.808 toneladas de producto. A su vez, el municipio de Santa Ana (al sur) debe enviar su producción, 821 toneladas, para complementar los requerimientos de demanda del departamento del Santander. Por su parte, el municipio de Zona Bananera debe dividir su producción entre los mercados del departamento de Santander (al sureste), 1.073 toneladas, y La Guajira colombiana (al norte), con 1.264 toneladas. El municipio de Ciénaga, que presenta la mayor producción de mango del departamento del Magdalena, deberá suministrar 2.810 toneladas al departamento de Sucre, 2.141 toneladas a Santander, 391 toneladas al departamento del Atlántico (al este) y 2.527 toneladas a La Guajira (al norte).
Luego, de acuerdo a lo definido en el proyecto, se preestablecen cuatro municipios del Magdalena —Ciénaga, Zona Bananera, Santa Ana y El Banco—como potenciales puntos de ubicación del centro de acopio. Para determinar cuál de estos es el más adecuado, se recurre a calcular por medio de los algoritmos de Kruskal y de Dijkstra el árbol de menor recorrido y los caminos de menor coste, respectivamente (Villalobos, 2006). La variable que se evaluará por medio de los algoritmos mencionados es tonelada-kilómetro, como medida característica en el transporte de carga por largas distancias.
Para llevar a cabo este modelo se establecen las siguientes restricciones:
•Dado que el común de las plantaciones de los productores de mango en el Magdalena no lleva registros históricos de producción, se asume el valor de producción promedio publicado por Agronet.
•Se define que cada municipio es un nodo ubicado en un punto aleatorio dentro de su zona rural.
•Los puntos de acopio se ubicarán en el mismo nodo característico del municipio por evaluar. Por ejemplo, en caso de que El Banco sea evaluado como punto de acopio, en la fruta cosechada en este municipio se desprecia el flete entre este municipio y el centro de acopio.
•El transporte de la fruta es por cuenta y riesgo del proveedor, y no se consideran valores de aseguramiento de la carga.
•El parámetro definido de distancia efectiva de fruta transportada (tonelada-kilómetro) se definió de forma parametrizada en función de rangos de trayecto recorrido.
En la tabla 10 se presentan las distancias comprendidas (en dirección norte-sur) dentro de los trayectos entre los potenciales municipios disponibles para la ubicación del centro de acopio.
Tabla 10. Matriz de distancias entre trayectos
Fuente: elaboración propia.
Utilizando el software Grafos®, desarrollado por el profesor de la Universidad Politécnica de Valencia (España) Alejandro Rodríguez Villalobos (2006), se resolvieron los algoritmos propuestos por Kruskal y Dijsktra (Yan, 2014).
Como datos de entrada se tomó la distancia ubicada entre cada uno de los municipios, así como la cantidad de fruta cosechada anualmente por cada uno. De tal manera que, con el producto de estos dos datos, se determinó el parámetro de distancia efectiva para cada trayecto, como se muestra en la tabla 11.
Tabla 11. Matriz de parámetros de distancia efectiva
Fuente: elaboración propia.
Se realiza un primer modelo en el cual se asume que el trayecto que recorrerá la fruta será puntual entre dos municipios interconectados por las vías terrestres de transporte. Los trayectos son:
•Ciénaga-Zona Bananera.
•Zona Bananera-Ciénaga.
•Zona Bananera-Santa Ana.
•Santa Ana-Zona Bananera.
•Zona Bananera-El Banco.
•El Banco-Zona Bananera.
•El Banco-Santa Ana.
•Santa Ana-El Banco.
En los casos de El Banco-Ciénaga y Santa Ana-Ciénaga (ida y regreso), son trayectos que están compuestos por la conmutación de los otros trayectos: para el primer trayecto se encuentran las rutas El Banco-Zona Bananera-Ciénaga y, para el segundo, se tiene El Banco-Santa Ana-Zona Bananera-Ciénaga y Santa Ana-Zona Bananera-Ciénaga. La ilustración 4 muestra la ubicación georreferenciada de los principales centros de acopio o nodos de conexión de las rutas citadas: Ciénaga, Sevilla (Zona Bananera), Santa Ana y El Banco.
Ilustración 4. Mapa georreferenciado de los potenciales centros de acopio del departamento del Magdalena
Fuente: elaboración propia a partir de Google Earth®.
Bajo el modelo desarrollado de acuerdo al algoritmo de Kruskal y ejecutado en el software Grafos®, se determinó que el árbol de ruta mínimo óptimo define al municipio de Ciénaga como el más adecuado para la futura construcción del centro de acopio, con un indicador de masa por distancia correspondiente 413.399,3 km-t. Este municipio, al norte del departamento, resultó ser la mejor opción entre los municipios considerados debido a que está conectado con centros urbanos como Barranquilla (al este) y Santa Marta (al norte). Para tomar esta decisión se realizaron cálculos teniendo en cuenta la distancia que hay entre cada municipio productor y la cantidad de mango que generan. Así, al ser Ciénaga el mayor productor de mango, los costos totales se incrementarían si se trasladara toda su producción a alguno de los otros municipios productores considerados en el estudio.
Conclusiones
A partir de los resultados obtenidos en la matriz aumentada de origen-destino y del algoritmo de Kruskal Dijsktra, y bajo el supuesto de un crecimiento significativo en la demanda del producto mango debido a la inversión por parte de los agentes productivos en estrategias de motivación de aumento de su producción y consumo, pasando de 15.184 toneladas reales a 18.875 toneladas como mercado meta, se puede concluir que:
•El municipio de Ciénaga en el Magdalena es el más idóneo para establecer el centro de acopio y recolección de toda la fruta del departamento debido a su alto volumen de producción y su ubicación estratégica. Se requiere que tenga una capacidad para almacenar las 18.875 toneladas por año demandadas por el mercado meta, aproximadamente unas 52 toneladas en promedio diario.
•La ruta de recolección, o el árbol mínimo de recorrido que reduce u optimiza los costos de transporte, está compuesta por los trayectos El Banco-Santa Ana (93.425 km-t), Santa Ana-Zona Bananera (213.675 km-t), Zona Bananera-Ciénaga (125.299 km-t).
•Una vez recolectada la fruta en el centro de acopio de Ciénaga, se inicia el proceso de distribución hacia los principales mercados de los departamentos de Sucre (3.712 toneladas), Santander (10.844 toneladas), Atlántico (468 toneladas) y La Guajira (3.852 toneladas). Esto requiere el envío de 37 camiones para Sucre, 109 para Santander, 47 para el Atlántico y 39 para La Guajira en promedio por año.
Los resultados anteriores se pueden convertir en verdaderas estrategias de inversión para los agentes pertenecientes a la cadena productiva del mango, quienes tendrían la posibilidad de tomar decisiones acertadas basadas en los sistemas de información estadística suministrada por las entidades de apoyo del Gobierno y por modelos de investigación desarrollados por las instituciones universitarias. Este capítulo se enfocó en un eslabón importante de la cadena de suministro: los productores agroindustriales, los cuales son grandes generadores de carga y cuentan con gran importancia para la seguridad y sostenibilidad alimentaria nacional. Sin embargo, existen otras cadenas de suministro de igual importancia en la economía como las que sostienen el comercio al detal y el e-commerce en el contexto urbano. En el siguiente capítulo veremos cómo pequeñas empresas comercializadoras enfrentan los problemas propios de la cadena física de distribución urbana mediante distintos modelos y herramientas.
Referencias bibliográficas
Agronet. (2017). Estadísticas agropecuarias. Recuperado de https://www.agronet.gov.co/estadistica/Paginas/home.aspx?cod=1, acceso 12 de diciembre de 2017.
Berodia, J. L. M., Portilla, Á. I., Dell’Olio, L. y Zamanillo, Á. V. (2006). Dos modelos de distribución de viajes: Modelo de entropía (hyman) versus triproporcional a través de una aplicación en la ciudad de Concepción (Chile). Revista de Obras Públicas, 153(3462), 33-40.
Blackburn, R. A., Hart, M. y Wainwright, T. (2013). Small business performance: business, strategy and owner-manager characteristics. Journal of Small Business and Enterprise Development, 20(1), 8-27. https://doi.org/10.1108/14626001311298394
Blainey, S. P. y Preston, J. M. (2010). Modelling local rail demand in South Wales. Transportation Planning and Technology, 33(1), 55-73.
Cámara de Comercio de Santa Marta. (2018). Información de indicadores agropecuarios del Magdalena. Recuperado de https://www.ccsm.org.co/servicios-empresariales/servicios-ofertas-empresariales/estudios-economicos/investigaciones-e-indicadores-economicos/send/78-investigaciones/48705-informacion-de-indicadores-agropecuarios-magdalena.html. Acceso 7 de diciembre de 2020.html
De Dios Ortúzar, J. y Willumsen, L. G. (2008). Modelos de transporte (Vol. 1). Cantabria, España: Ed. Universidad de Cantabria.
De Dios Ortúzar, J. y Willumsen, L. G. (2011). Modelling transport. John Wiley & Sons.
De Grange, L., Fernández, E. y De Cea, J. (2010). A consolidated model of trip distribution. Transportation Research Part E: Logistics and Transportation Review, 46(1), 61-75.
DeLorme, D., Huh, J. y Reid, L. (2006). Perceived Effects of Direct-to-Consumer (DTC) Prescription Drug Advertising on Self and Others: A Third-Person Effect Study of Older Consumers. Journal of Advertising, 35(3), 47-65. https://doi.org/10.2753/JOA0091-3367350304
Hitchcock, F. L. (1941). The distribution of a product from several sources to numerous localities. Journal of Mathematics and Physics, 20(1-4), 224-230.
Hyman, G. (1997). The development of operational models for time period choice. Londres: Department of the Environment, Transport and the Regions, HETA Division.
Luna-Amaya, C., Nieto-Bernal, W., Mercado-Cervera, H. y Pajares-Gutiérrez, J. (2017). Productive development model of the fisheries chain Spanish. Dyna, 84(203), 220-225.
Ministerio de Agricultura. (2019). SIOC. Recuperado de https://sioc.minagricultura.gov.co/Mango/Documentos/2019-06-30%20Cifras%20Sectoriales.pdf, acceso 7 de diciembre de 2020.
Reimann, F., Shen, P. y Kaufmann, L. (2017). Multimarket contact and the use of power in buyer–supplier relationships. Journal of Business Logistics, 38(1), 18-34.
Roy, J. R. y Thill, J. (2004). Spatial interaction modelling. Papers in Regional Science, 83(1), 339-361.
Villalobos, A. R. (2006). Grafos: herramienta informática para el aprendizaje y resolución de problemas reales de teoría de grafos. En X Congreso de Ingeniería de Organización.
Wang, D. H., Yao, R. H. y Jing, C. (2006). Entropy models of trip distribution. Journal of Urban Planning and Development, 132(1), 29-35.
Wilson, A. G. (1970). The use of the concept of entropy in system modelling. Journal of the Operational Research Society, 21(2), 247-265.
Yan, M. (2014). Dijkstra’s algorithm. Massachusetts Institute of Technology. Regexstr.
1. Docente titular, Facultad de Ingeniería, Universidad del Magdalena (Santa Marta- Colombia). Correo: hmercado@unimagdalena.edu.co.
2. Datos recuperados de https://www.ccsm.org.co/servicios-empresariales/servicios-ofertas-empresariales/estudios-economicos/investigaciones-e-indicadores-economicos/send/78-investigaciones/48705-informacion-de-indicadores-agropecuarios-magdalena.html
3. Datos recuperados de https://sioc.minagricultura.gov.co/Mango/Documentos/2019-06-30%20Cifras%20Sectoriales.pdf
4. Datos recuperados de https://www.agronet.gov.co/estadistica/Paginas/home.aspx?cod=1
Capítulo 2
Gestión logística del suministro de mercancías: diseño de rutas para un sistema de distribución física comercial. Evidencias del departamento del Atlántico
Gustavo Henríquez Fuentes5
Introducción
En el capítulo anterior se abordó un problema de optimización de rutas de acopio y distribución de una cadena de producción agroindustrial en una amplia región geográfica mediante un modelo clásico de transporte, desde una perspectiva de economía regional. En el presente capítulo, desde una perspectiva de la economía de las pequeñas y medianas empresas (pymes), y con un enfoque didáctico, se tratará el problema de la optimización del proceso de acopio y distribución de mercancías de una pequeña comercializadora local.
La investigación de base para este capítulo se enfocó en el diseño de un modelo de medición de tiempos para el sistema de distribución física de “última milla” de una empresa importadora en la ciudad de Barranquilla. El estudio se realizó directamente con los vehículos de transporte de esta compañía, lo que permitió obtener datos primarios por observación directa de la operación de transporte y distribución de mercancías. Los resultados se detallan de forma didáctica con el fin de describir el uso de la herramienta propuesta.
El capítulo se ha dividido así: en primer lugar se presenta una revisión de literatura general, enfocada en la discusión del marco teórico de soporte a la gestión de la cadena de suministro y la logística, y en particular a la medición del desempeño de los procesos logísticos. En segunda instancia, se presenta una nueva revisión de literatura, más particular, concentrada en los modelos de distribución física y ruteo de vehículos de carga más relevantes, lo que le permite al lector ubicarse en el problema de investigación que aborda el capítulo.
En tercer lugar, se presenta la metodología, que recoge los métodos y materiales utilizados para el tratamiento de los datos obtenidos. Así se da cuenta de técnicas cuantitativas empleadas con base en un estudio de tiempos y movimientos, el cual consta de cuatro fases: 1) diagnóstico actual de la situación; 2) análisis crítico de las rutas; 3) análisis y diseño de las rutas, y 4) propuesta de mejoramiento (Henríquez, Cardona, Rada-Llanos y Robles, 2018).
Dado esto, en el cuarto apartado del capítulo se presentan y discuten los hallazgos empíricos de la investigación. Estas evidencias soportan las bases del modelo utilizado para medir los tiempos en logística de distribución que pueden emplearse en cualquier sector empresarial y que sirve de ejemplo desde el punto de vista didáctico. Para este fin se utilizó una metodología de fácil aplicación que se apoya en la muy conocida herramienta informática Excel®, de bajo costo y fácil acceso. En el último apartado se entregan conclusiones y aportes teóricos y empíricos de la investigación.
Ücretsiz ön izlemeyi tamamladınız.
