Rev. Fac. Agron. (LUZ). 1999, 16: 562-576
Modelacion de agrosistemas con programacion lineal y Monte Carlo para el
partido de Coronel Rosales, Argentina
Agrosystems modelation by linear programming and Monte Carlo in Rosales
county, Argentina
Recibido el 02-09-1997 l Aceptado
el 05-05-1999
1. Departamento de Agronomía, Universidad Nacional del Sur. 8000 - Bahía Blanca,
Argentina. E-mail: saldunga@criba.edu.ar
A. O. Gargano1, M. A. Adúriz1 y M. C.
Saldungaray1
Resumen
El objetivo de esta tercera etapa del estudio en el Partido de Coronel
Rosales (Argentina) fue la elaboración de modelos alternativos cuyos índices productivos
y económicos debían ser más altos que los hallados en los sistemas actuales. Para ello
se utilizó la secuencia Programación Lineal y Monte Carlo con la cual se podrían
obtener numerosos modelos cercanos al óptimo. Los promedios de carga animal (EV/ha),
producción de carne (kg/ha), eficiencia del ganado (%) y margen bruto total ($/ha)
fueron, respectivamente, en el área 1: 0,84; 137,3; 48,4 y 14,1; y en el área 2: 0,77;
112,7; 42,2 y 8,0. Todos los parámetros citados superaron ampliamente a los de los
sistemas reales. Los resultados demostraron la factibilidad de obtener modelos sostenibles
que mejoren productiva y económicamente a los actuales en base a tecnologías difundidas
y de bajo costo. Parte de los resultados se discutieron en función de la secuencia
metodológica utilizada y ello dio origen a una nueva hipótesis de trabajo.
Palabras clave: Modelos agropecuarios, Programación Lineal, Monte Carlo.
Abstract
The objective of this third part of the study in Coronel. Rosales
County (Argentina) was the elaboration of alternative models which productive and economic
parameters would be higher than those of the real systems. Methodological sequence Linear
Programming and Monte Carlo was employed to obtain numerous models near the optimum.
Averages stocking rate (cow equivalent/livestock ha), beef production (kg/livestock ha),
stock efficiency (%), and total gross margin ($/ha) were, in area 1: 0.84, 137.3, 48.4,
and 14.1; and in area 2: 0.77, 112.7, 42.2, and 8.0, respectively. All the parameters
exceeded real systems ones. Results showed that it is possible to obtain sustanaible
models that improve productive and economicantly the actual ones based on known
technologies and of low costs. Part of the results were discussed in function of the
methodological sequence and arised a new work hipothesis.
Key words: Farming models, Linear Programming, Monte Carlo.
Introducción
El presente trabajo corresponde a la tercera y última etapa del
Proyecto en el Partido de Coronel Rosales (Argentina) cuya hipótesis básica fue que la
productividad física de los agrosistemas predominantes actuales era inferior a la
potencial. Dada la complejidad de los estudios previstos fue necesario plantear etapas. En
la primera se tipificaron y describieron en forma general los sistemas predominantes en
base a encuestas efectuadas a los productores (11). En la segunda etapa dichas encuestas
permitieron indagar en profundidad a los "sistemas tipo» y se determinaron sus
índices físicos agropecuarios más trascendentes y sus márgenes brutos agrícolas,
ganaderos y totales (12). Asimismo, se definieron parámetros tecnológicos que serían
necesarios para establecer algunos de los supuestos de cálculo para la modelación de
sistemas.
El objetivo de esta etapa final fue la elaboración de modelos
alternativos cuyos índices productivos y económicos debían ser más altos que los
hallados en los sistemas actuales a fin de promover la adopción de los mismos por parte
de los productores. Los modelos debían responder a dos premisas principales. Una, que los
supuestos a utilizar se basarían en tecnología probada y de bajo costo, y la otra, que
deberían constituir ecosistemas sostenibles. Esto último estaría sustentado por el
efecto que tienen sobre el suelo las rotaciones de cultivos que combinan especies perennes
de leguminosas y gramíneas. Los beneficios de las rotaciones sobre las propiedades del
suelo y la productividad son vastamente reconocidas y fueron reportadas recientemente en
una amplia revisión bibliográfica (13).
Las Programaciones Lineal y Monte Carlo son dos conocidas técnicas
empleadas para modelar. Cada una tiene ventajas e inconvenientes que fueron ampliamente
explicadas por Barnard y Nix (2). Lo más destacable en tal sentido es que en cada
procesamiento o «corrida» de la matriz, la Programación Lineal determina el modelo
óptimo y Monte Carlo varios modelos subóptimos. En un trabajo previo se empleó para
modelar la secuencia Monte Carlo - Programación Lineal y si bien se consideró
recomendable esa combinación, la Programación Lineal desechó actividades debido a sus
márgenes brutos y redujo el espectro de modelos alternativos (9). A fin de evitar esa
limitante en este trabajo se empleó la secuencia inversa, Programación Lineal - Monte
Carlo, con lo que se podrían obtener numerosos modelos cercanos al óptimo.
Materiales y métodos
La tipificación de sistemas predominantes y la determinación de sus
parámetros físicos y económicos en el Partido de Coronel Rosales pusieron en evidencia
marcadas diferencias entre sus dos áreas edáficas homogéneas (11, 12). En base a estos
resultados se decidió modelar separadamente cada área. A partir de la información
proveniente de tres orígenes: las mencionadas encuestas, un trabajo inédito (3) y el
aporte de informantes calificados, se elaboraron los supuestos empleados en las matrices.
Dado que los cálculos requeridos para definir las actividades y las restricciones fueron
numerosos y extensos, se hará una sucinta presentación de los mismos.
Supuestos tecnológicos.
De acuerdo con las conclusiones del segundo trabajo (12), en el área 1
los modelos serán mixtos con predominio de ganadería vacuna para carne y agricultura
triguera en porcentaje inferior al actual (11). En el área 2 los modelos serán sólo
ganaderos de vacunos para carne. A pesar de la existencia de sistemas lecheros en esta
área (11), se decidió postergar su modelación a fin de realizarla en un estudio
regional específico que incluirá el universo de dichos sistemas en los linderos Partidos
de Coronel Rosales y Bahía Blanca. La superficie modal fue de 500 ha.
1. Destino del suelo.
En el cuadro 2 se indican las superficies rotables y no rotables y el
destino da las mismas para las dos áreas edáficas.
A partir de esa información se planearon las rotaciones y secuencias
de cultivos. A modo de ejemplo en el cuadro 1 se presenta una rotación y su secuencia
para cada una de las dos áreas.
La secuencia del área 1 se asignó a los subsistemas ganaderos de
cría-recría-engorde.
En los de cría-recría se excluyó el verdeo de verano y en los de
cría, además, una unidad de avena. Esto se compensó con un aumento de las forrajeras no
rotables.
La secuencia del área 2 más las forrajeras no rotables será
destinada a la cría-recría vacuna. Para la cría exclusiva se destinará a avena 15 a 20% de la superficie y el resto serán las forrajeras no rotables.
2. Subsistemas.
2.1. Ganaderos.
Supuestos de los vacunos de carne comunes a ambas áreas:
Servicio natural: diciembre-enero-febrero, 3% de toros.
Preñez: 90%, tacto rectal a principios de mayo.
Parición: 86%, setiembre-octubre-noviembre.
Destete: 82%, común a principios de abril y precoz a principios de
enero.
Mortandad de vacas: 2%.
Descarte de vacas: al servicio 9% de viejas y 2% de nuevas, al tacto 6%
de nuevas y 1% de viejas. Venta al tacto con los siguientes pesos: vacas nuevas entre 310
y 425 kg, vacas viejas entre 390 y 425 kg, según fechas de descarte, y toro rechazo con
545 kg.
Reposición con vaquillonas propias: 20% (18% de descarte y 2% de
mortandad) y primer servicio a los 15 meses.
Cuadro 1. Ejemplo de rotación y secuencia para cada área
Area 1 |
años |
1 |
2 |
3 |
4 |
5 |
6 |
7 |
8 |
9 |
10 |
cultivos |
P |
P |
P |
P |
P |
Av |
T |
T |
Av/VV |
T |
Area 2 |
años |
1 |
2 |
3 |
4 |
|
|
|
|
|
|
cultivos |
AvVi |
AvVi/VV |
Av |
Av |
|
|
|
|
|
|
P = pastura permanente: alfalfa (Medicago sativa),
festuca alta (Festuca arundinacea) o pasto ovillo (Dactylis glomerata) y
cebadilla criolla (Bromus unioloides). Pastoreo. Av = avena (Avena sativa).
Pastoreo. La del año 9 se rotura en octubre para sembrar el VV. Vi = vicia (Vicia
sativa). Pastoreo y rollos. VV = verdeo de verano: moha (Setaria italica) o
mijo (Panicum miliaceum). Pastoreo. T = trigo (Triticum aestivum). Cosecha.
Los requerimientos nutritivos se expresaron en Equivalentes vaca (EV)/
vientre/trimestre. El vientre representa la sumatoria de las proporciones de EV de todas
las categorías que componen el rodeo. Para calcular los EV se utilizaron tablas (5).
Pesos medios: vacas 400 kg, toros 600 kg, vaquillonas de 15 meses 280
kg y de 27 meses 400 kg, terneros al nacer 25 kg, destete común 6 meses de edad, 160
kg la hembra y 170 kg el macho, y destete precoz 3 meses y 100 kg por animal.
Suplementación.
a. Crías al pie con destete precoz: afrechillo y grano de avena
al 1% del peso vivo desde el segundo mes hasta el destete.
b. Vaquillonas de reposición: afrechillo y grano de avena al 1%
del peso vivo desde el destete hasta el primer entore.
c. Animales de engorde: afrechillo y grano de avena al 1% del peso
vivo durante el otoño e invierno desde el destete hasta la venta.
d. Utilización de rollos provenientes de las pasturas.
Cuadro 2. Superficies rotable y no rotable (%) y destino en ambas
áreas edáficas.
Superficies |
Destino |
Areas edáficas |
|
|
1 |
2 |
Rotable |
Forrajeras (1) |
40-60 |
20-35 |
|
Agricultura |
20-30 |
|
No Rotable |
Forrajeras perennes (2) |
10-15 |
45-55 |
|
Campo natural |
10-15 |
20-25 |
(1) Pasturas permanentes, verdeos invernales y estivales. (2) Pasto
llorón (Eragrostis curvula) y agropiro alargado (Thinopyrun ponticum).
Incrementos de peso de la reposición: en las terneras de destete
común y precoz 0,444 y 0,500 kg/día, respectivamente, hasta el primer servicio
y 0,333 kg/día de ambos destetes hasta el segundo servicio.
Desbaste: 4% del peso vivo.
Area 1. Subsistemas ganaderos: cría, cría-recría y
cría-recría-engorde.
Incrementos de peso a partir del destete: 0,550 y 0,650 kg/día en
hembras y machos, respectivamente.
Fechas alternativas de ventas:
1. Hembras y machos a los 6 meses.
2. Hembras a los 6 meses y machos en setiembre.
3. Machos a los 6 meses y hembras en setiembre.
4. Hembras y machos en setiembre.
5. Hembras y machos en diciembre.
6. Hembras y machos en marzo.
7. Hembras en setiembre y machos en diciembre.
8. Hembras en setiembre y machos en marzo.
9. Hembras en diciembre y machos en setiembre.
10. Hembras en diciembre y machos en marzo.
11. Hembras en marzo y machos en setiembre.
12. Hembras en marzo y machos en diciembre.
Estas alternativas se combinaron con los destetes común y precoz,
originando los subsistemas ganaderos 1 a 12 y 13 a 24, respectivamente. Los subsistemas 1
y 13 son de cría, los subsistemas 2, 3, 4, 14, 15 y 16 de cría-recría y los restantes
de cría-recría-engorde.
Area 2. Subsistemas ganaderos: cría y cría-recría.
Incrementos de peso a partir del destete: 0,500 y 0,550 kg/día en
hembras y machos respectivamente.
Fechas alternativas de ventas:
1. Hembras y machos a los 6 meses.
2. Hembras a los 6 meses y machos en setiembre.
3. Machos a los 6 meses y hembras en setiembre.
Estas fechas combinadas con los destetes común y precoz dieron origen
a los subsistemas 1 a 3 y 4 a 6, respectivamente.
Forrajeros. En el cuadro 3 se encuentra la oferta forrajera para
ambas áreas. La ración se define como el forraje necesario para satisfacer los
requerimientos energéticos de 1 EV/día. El sistema de pastoreo es rotativo.
El destino de los recursos fue: Area 1. Pasto llorón, agropiro, campo
natural y rastrojos de trigo, principalmente para vacas y toros. Pasturas y verdeos para
las otras categorías. Area 2. Las forrajeras no rotables para categorías y/o
períodos con bajos requerimientos y los verdeos para altos requerimientos.
Los rollos permitirán cubrir períodos de baja producción de forraje.
Agrícola. Los supuestos surgieron de la tecnología utilizada
por los productores de avanzada. El rendimiento de trigo promedio fue de 1.700 kg/ha.
Supuestos económicos. Se determinaron los márgenes brutos
agrícolas (MBA), MB ganaderos (MBG) y MB totales (MBT).
MB ($/ha) = Ingresos netos ($/ha) - Costos directos ($/ha).
Cuadro 3. Oferta forrajera en ambas áreas edáficas (raciones/ha).
Recursos forrajeros |
Areas |
|
1 |
2 |
Pasturas permanentes implantación |
200 |
|
Pasturas permanentes producción |
400 |
|
Pasturas permanentes degradadas |
280 |
|
Avena |
300 |
250 |
Avena (roturación octubre) |
250 |
|
Moha o Mijo |
200 |
|
Rastrojo trigo |
70 |
|
Agropiro alargado |
180 |
180 |
Pasto llorón |
320 |
320 |
Pasto llorón + alfalfa |
|
360 |
Campo natural |
100 |
100 |
Avena + Vicia |
|
310 |
Se utilizaron precios promedios históricos expresados en pesos de
1960, obtenidos de una base de datos propia elaborada con la serie de precios
agropecuarios de la asociación argentina de consorcios regionales de experimentación
agrícola (1) y la Revista CREA de la misma Asociación. Los precios fueron deflacionados
con el Indice de precios mayoristas nivel general. Los MB de los subsistemas ganaderos no
incluyeron los costos de los recursos forrajeros porque en las matrices deben estar
separados.
En primer lugar se diseñaron y procesaron las matrices de
Programación Lineal y a partir de éstas las correspondientes a Monte Carlo. A manera de
ejemplo se presenta sólo una matriz Monte Carlo para el área 1 (cuadro 4).
Resultados y discusión
En cada área se efectuaron numerosos procesamientos de las matrices de
Programación Lineal (PL) a fin de elegir los subsistemas ganaderos de más altos MBT.
Esos subsistemas fueron incorporados a la matriz Monte Carlo (MC) que fue sometida a 10
procesamientos de 2.000 iteraciones cada una y se eligieron 5 modelos o planes por
procesamiento. Como alguno de los subsistemas elegidos con PL no estaban en las salidas MC
fue necesario confeccionar otras dos matrices a fin de contar con planes que los
contuvieran. En total se calcularon 60.000 modelos y se presentarán sólo 15 y 10 para
las áreas 1 y 2, respectivamente. Esta selección final se efectuó sobre modelos que
debían responder a las siguientes premisas: altos MBT, diferentes actividades y
susistemas ganaderos, y un excedente forrajero que no superara el 10 % de la oferta total.
Cuadro 4. Matriz Monte Carlo para el subsistema de cría-recría del
área 1 de Coronel Rosales.
Márgenes brutos ($/ha) |
Actividades primarias |
|
x1 |
x2 |
x3 |
x4 |
x5 |
x6 |
x7 |
x8 |
x9 |
x10 |
x11 |
x12 |
x13 |
x14 |
x15 |
x16 |
x17 |
Restricciones |
-3,0 |
-5,4 |
0 |
0 |
0 |
-6,5 |
-6,5 |
-0,6 |
-0,8 |
0 |
25,9 |
19,8 |
17,1 |
21,5 |
17,8 |
15,1 |
19,6 |
Tierra 500 ha >= |
1 |
1 |
|
|
|
1 |
1 |
1 |
1 |
1 |
1 |
|
|
|
|
|
|
Forraje otoño 0 >= |
-70 |
-70 |
-1 |
|
|
-30 |
-30 |
-100 |
-45 |
-20 |
|
98 |
90 |
106 |
98 |
90 |
106 |
Forraje invierno 0 >= |
-35 |
-35 |
|
-1 |
|
-140 |
-140 |
-25 |
-25 |
-70 |
|
110 |
102 |
119 |
111 |
102 |
120 |
Forraje primavera 0 >= |
-115 |
-35 |
|
|
|
-130 |
-80 |
-85 |
-90 |
-10 |
|
109 |
109 |
109 |
109 |
109 |
109 |
Forraje verano 0 >= |
-70 |
-70 |
|
|
-1 |
|
|
-100 |
-20 |
|
-70 |
123 |
123 |
123 |
103 |
103 |
103 |
Rollos (raciones) 0 >= |
|
-80 |
1 |
1 |
1 |
|
|
|
|
|
|
|
|
|
|
|
|
Máx. perennes 75 ha >= |
|
|
|
|
|
|
|
1 |
1 |
|
|
|
|
|
|
|
|
Nivel mínimo |
100 |
0 |
0 |
0 |
0 |
25 |
25 |
50 |
50 |
50 |
100 |
130 |
130 |
130 |
130 |
130 |
130 |
Nivel máximo |
250 |
50 |
4000 |
4000 |
4000 |
50 |
50 |
75 |
75 |
75 |
150 |
250 |
250 |
250 |
250 |
250 |
250 |
x1: pasturas forraje; x2: pasturas forraje y rollos; x3, x4 y x5:
utilización rollos otoño, invierno y verano, respectivamente; x6: avena; x7:avena
(roturación octubre); x8: pasto llorón; x9: agropiro; x10: campo natural; x11: trigo;
x12 a x18: subsistemas ganaderos 2, 3, 4, 14, 15 y 16, respectivamente.
Descripción tecnológica de los modelos. En los cuadros 5 y 6
se presentan las descripciones de los modelos correspondientes a las áreas edáficas
homogéneas 1 y 2, respectivamente.
Los 15 modelos seleccionados para el área 1 están agrupados según
los subsistemas ganaderos de la siguiente manera: a) 1 al 8 de cría-recría-engorde
(CRE), b) 9 al 13 de cría-recría (CR) y c) 14 y 15 de cría (C). Cada grupo está
ordenado por MBT decrecientes. La agricultura fue exclusivamente triguera y ocupó,
prácticamente, toda la superficie permitida (30 %) debido a que sus MBA fueron superiores
a los MBG.
Las cadenas de pastoreo dependieron principalmente de los subsistemas
ganaderos, como se indicó en la metodología.
Los modelos provenientes del procesamiento inicial de las matrices
excluyeron al agropiro debido a que fue preferido el pasto llorón el cual combinó mayor
oferta y menor costo por unidad de superficie. La presencia del agropiro en los modelos 5
y 7 se logró merced a una modificación de la matriz que obligó su incorporación. La
presencia del campo natural en todos los modelos, con un nivel cercano al máximo
permitido en la matriz (15%), fue también obligada debido a la existencia de áreas no
arables en los sistemas de Coronel Rosales (12).
Aun cuando se seleccionaron modelos de amplio espectro en el uso
estacional de rollos, prevalecieron en el invierno por ser la estación de menor
productividad forrajera.
Cabía esperar que el número de vientres en los subsistemas de CRE
fuera inferior al de los de CR y C porque el engorde implicaba un mayor número y tiempo
de retención de terneros y terneras. Esto último, aparece también como causa central de
la marcada oscilación de los excedentes forrajeros en la CRE (1,5 a 9,1%) y un bajo
excedente representa un factor de riesgo potencial para el modelo.
El análisis de la composición de los modelos del área 2 (cuadro 6),
que fueron exclusivamente ganaderos, evidencia marcadas diferencias en los recursos
forrajeros con respecto al área 1 como consecuencia de sus mayores limitaciones edáficas
(11). Se destaca la presencia de asociaciones anuales de avena-Vicia y perennes de
pasto llorón-alfalfa, y una mayor superficie de campo natural. La inclusión del agropiro
debió forzarse en la matriz, igual que en el área 1. El número de vientres superó al
de los modelos del área 1 porque no se hace agricultura y, por último, los excedentes
forrajeros fueron comparativamente inferiores.
Indices físicos y márgenes brutos. En general, los valores de
carga animal están correlacionados con los de producción de carne (cuadro 7). Estos
índices muestran similar tendencia declinante, sobre todo dentro de cada subsistema
ganadero. En cambio, la eficiencia del ganado no siempre tuvo un comportamiento
equivalente al de los dos primeros índices. Muestra de ello es el modelo 5 que, dentro de
la CRE, tuvo los valores más bajos de carga animal y producción de carne pero su
eficiencia del ganado fue la más alta. Esto relativiza la importancia de este índice por
sí mismo en coincidencia con resultados previamente encontrados (8, 12). Los MBG también
tuvieron en general una tendencia decreciente dentro de los subsistemas. Los promedios de
carga animal, producción de carne y MBG fueron, respectivamente, en CRE: 0,85; 146,2 y
9,7, en CR: 0,84; 108,7 y 9,2 y en C: 0,80; 112 y 7,4. Quedó evidenciada la superioridad
media de la CRE pero deben destacarse los altos MBG de los modelos 9 y 10, de CR, que
demuestran que la CRE puede ser superada en términos económicos. Ello se explica
principalmente porque los costos de la cadena forrajera de la CR fueron inferiores ya que
no incluyó el mijo y empleó una mayor superficie de pasto llorón cuyo costo fue una
baja cuota de amortización. Dichas diferencias entre CRE y CR también fueron halladas en
los Partidos de Guaminí (9) y Puán (10) que poseen características climáticas y
edáficas superiores o similares, respectivamente, a las de Coronel Rosales. Debe
destacarse que la variable destete común o precoz no tuvo incidencia sobre los índices
físicos ganaderos y sus MB. Es probable que los supuestos empleados en los cálculos
hayan encubierto la incidencia de esta técnica de manejo.
Cuadro 5. Descripción tecnológica de los modelos para el área 1.
Subsistema Ganadero |
Cría-recría-engorde |
Cría-recría |
Cría |
Modelo Nº |
1 |
2 |
3 |
4 |
5 |
6 |
7 |
8 |
9 |
10 |
11 |
12 |
13 |
14 |
15 |
Actividades |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Agricultura (%) |
29 |
30 |
29 |
29 |
30 |
29 |
30 |
29 |
28 |
28 |
29 |
28 |
30 |
28 |
29 |
Trigo |
29 |
30 |
29 |
29 |
30 |
29 |
30 |
29 |
28 |
28 |
29 |
28 |
30 |
28 |
29 |
Ganaderia (%) |
71 |
70 |
71 |
71 |
70 |
71 |
70 |
71 |
72 |
72 |
71 |
72 |
70 |
72 |
71 |
Superficie rotable |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Pasturas forraje |
20 |
21 |
21 |
26 |
21 |
21 |
23 |
23 |
25 |
23 |
23 |
24 |
22 |
21 |
22 |
Pasturas forraje y rollos |
5 |
8 |
4 |
2 |
7 |
3 |
4 |
8 |
4 |
4 |
1 |
9 |
3 |
5 |
8 |
Avena |
9 |
5 |
7 |
7 |
5 |
9 |
5 |
6 |
13 |
14 |
15 |
11 |
13 |
10 |
7 |
Avena |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
(roturación octubre) |
6 |
8 |
6 |
9 |
6 |
7 |
6 |
8 |
- |
- |
- |
- |
- |
- |
- |
Mijo |
5 |
5 |
6 |
5 |
7 |
5 |
6 |
6 |
- |
- |
- |
- |
- |
- |
- |
Superficie no rotable |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Campo natural |
12 |
13 |
13 |
11 |
12 |
12 |
13 |
10 |
11 |
12 |
12 |
15 |
10 |
13 |
14 |
Pasto llorón |
14 |
10 |
14 |
11 |
7 |
14 |
7 |
10 |
19 |
19 |
20 |
13 |
24 |
23 |
20 |
Agropiro |
- |
- |
- |
- |
5 |
- |
6 |
- |
- |
- |
- |
- |
- |
- |
- |
Rollos utilización |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
(raciones) |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Otoño |
0 |
163 |
0 |
0 |
704 |
0 |
0 |
0 |
0 |
0 |
500 |
993 |
509 |
0 |
0 |
Invierno |
1537 |
1537 |
1600 |
0 |
2016 |
1040 |
1600 |
3120 |
1900 |
0 |
0 |
3603 |
421 |
2160 |
3040 |
Verano |
303 |
1500 |
0 |
800 |
0 |
0 |
0 |
0 |
0 |
1800 |
0 |
104 |
470 |
0 |
0 |
Vientres (cantidad) |
194 |
188 |
188 |
184 |
178 |
193 |
177 |
194 |
212 |
224 |
226 |
212 |
226 |
248 |
235 |
Fechas de venta |
12 |
7 |
18 |
10 |
5 |
22 |
24 |
11 |
4 |
2 |
14 |
16 |
3 |
1 |
13 |
Forraje excedente (%) |
2,8 |
8,2 |
1,5 |
3,4 |
9,0 |
3,8 |
9,1 |
6,3 |
6,6 |
5,0 |
8,4 |
6,2 |
8,3 |
2,3 |
8,9 |
Cuadro 6. Descripción tecnológica de los modelos para el área 2.
Subsistema ganadero |
Cría-recría |
Cría |
Modelo Nº |
1 |
2 |
3 |
4 |
5 |
6 |
7 |
8 |
9 |
10 |
Ganadería (%) |
100 |
100 |
100 |
100 |
100 |
100 |
100 |
100 |
100 |
100 |
Superficie rotable Avena |
12 |
16 |
11 |
16 |
11 |
13 |
10 |
14 |
12 |
14 |
Avena-Vicia |
16 |
10 |
12 |
16 |
14 |
11 |
15 |
10 |
10 |
10 |
Superficie no rotable |
|
|
|
|
|
|
|
|
|
|
Campo natural |
22 |
20 |
21 |
24 |
21 |
22 |
20 |
21 |
21 |
21 |
Pasto llorón |
0 |
34 |
45 |
0 |
16 |
20 |
21 |
24 |
23 |
16 |
Pasto llorón-alfalfa |
50 |
20 |
0 |
44 |
26 |
34 |
24 |
31 |
34 |
27 |
Agropiro |
0 |
0 |
11 |
0 |
12 |
0 |
10 |
0 |
0 |
12 |
Rollos utilización (raciones) |
|
|
|
|
|
|
|
|
|
|
Otoño |
2900 |
0 |
0 |
4210 |
1546 |
0 |
1143 |
0 |
0 |
1676 |
Invierno |
3500 |
4000 |
4880 |
2190 |
3974 |
4560 |
4857 |
2530 |
3225 |
2234 |
Verano |
0 |
0 |
0 |
0 |
0 |
0 |
0 |
1550 |
935 |
0 |
Vientres (cantidad) |
307 |
311 |
271 |
311 |
283 |
312 |
306 |
318 |
315 |
316 |
Fechas de venta |
2 |
3 |
2 |
5 |
5 |
6 |
6 |
1 |
4 |
4 |
Forraje excedente (%) |
1,8 |
1,2 |
2,8 |
2,2 |
5,1 |
6,1 |
2,9 |
4,0 |
10,0 |
2,1 |
Cuadro 7. Indices físicos, márgenes brutos y promedios de los
sistemas reales y diferencias con los óptimos del área 1.
Modelos |
Carga Animal EV/ha |
Prod. de carne kg/ha |
Efic. del ganado % |
Márgenes brutos ($/ha) |
Difer. MBT con |
|
|
|
|
Ganadero |
Agrícola |
Total |
Prog. Lineal (%) |
1 |
0,89 |
152,0 |
53,4 |
10,9 |
25,9 |
15,2 |
2,5 |
2 |
0,82 |
139,2 |
53,9 |
9,9 |
25,9 |
14,6 |
3,1 |
3 |
0,90 |
156,9 |
45,6 |
9,9 |
25,9 |
14,6 |
2,0 |
4 |
0,88 |
152,6 |
52,8 |
9,8 |
25,9 |
14,5 |
3,5 |
5 |
0,80 |
136,9 |
54,2 |
9,4 |
25,9 |
14,3 |
4,1 |
6 |
0,89 |
154,4 |
46,2 |
9,5 |
25,9 |
14,2 |
2,6 |
7 |
0,80 |
137,1 |
46,9 |
9,2 |
25,9 |
14,1 |
3,6 |
8 |
0,84 |
140,6 |
52,5 |
9,3 |
25,9 |
14,1 |
3,3 |
9 |
0,84 |
139,3 |
52,9 |
10,0 |
25,9 |
14,5 |
6,5 |
10 |
0,84 |
135,3 |
49,5 |
9,7 |
25,9 |
14,3 |
5,4 |
11 |
0,85 |
133,3 |
45,8 |
8,8 |
25,9 |
13,8 |
4,4 |
12 |
0,83 |
135,7 |
48,3 |
8,9 |
25,9 |
13,7 |
6,1 |
13 |
0,82 |
121,9 |
44,5 |
8,5 |
25,9 |
13,7 |
3,2 |
14 |
0,82 |
116,4 |
40,7 |
8,2 |
25,9 |
13,2 |
4,1 |
15 |
0,78 |
107,6 |
39,1 |
6,6 |
25,9 |
12,2 |
4,7 |
x |
0,84 |
137,3 |
48,4 |
9,2 |
25,9 |
14,1 |
3,9 |
x sist. reales |
0,62 |
88,5 |
37,3 |
7,0 |
15,4 |
10,0 |
|
Dado que el trigo fue el único cultivo de cosecha, todos los MBA
fueron idénticos y, como la superficie agrícola osciló sólo entre 1 y 2 puntos en los
modelos, las diferencias entre los MBT respondieron básicamente a los MBG.
En la última columna del cuadro 6 se presentan las diferencias entre
los MBT de los modelos obtenidos con PL y luego con MC que, en promedio, fue de 3,9% y la
matriz utilizada de 6 x 20. Este valor resultó sustancialmente inferior al promedio de 12% encontrado en el Partido de Guaminí (9) con matrices de 15 x 40 que se obtuvo mediante
la secuencia metodológica inversa, es decir, primero modelación MC y luego PL. Esta
combinación de métodos fue utilizada por Donaldson y Webster (6) quienes, con 2.000
iteraciones, hallaron diferencias que pasaron del 2,2% al 10,3% al aumentar el tamaño
de las matrices de 9 x 12 a 36 x 60. En otro análisis, estos mismos autores observaron en
una matriz de 13 x 10 una reducción de las diferencias del 3,5% al 1,4% al incrementar
el número de iteraciones de 1.000 a 4.000. A su vez, Casás (4) encontró diferencias que
oscilaron entre 11 y 26% con una matriz de 8 x 14 y 1.000 iteraciones. Estos resultados
estarían indicando que es necesario combinar matrices relativamente chicas con alto
número de iteraciones si el objetivo fuera la obtención de modelos cercanos al óptimo.
No obstante, es probable que otras dos variables hayan contribuído a alcanzar dicho
objetivo en este trabajo con respecto a los resultados obtenidos en el mencionado Partido
de Guaminí. Una, es que se utilizó la secuencia PLMC, recomendada explícitamente por
Casás (4) y la otra, que el programa MC aquí empleado fue corregido y mejorado por
Gardién (7). Sería posible dilucidar esta hipótesis mediante un nuevo procesamiento de
las mismas matrices pero modelando primero con MC y luego con PL.
Especial énfasis merece la comparación de los índices promedios de
los modelos con respecto a los provenientes de los sistemas reales. Tanto los índices
físicos como los MBT de los modelos revelaron una manifiesta superioridad que demuestra
que es factible la superación de los sistemas reales mediante la integración de
tecnología de insumos y procesos actualmente disponibles y de bajo costo.
Los índices ganaderos del área 2 evidenciaron un comportamiento
equivalente a los del área 1, inclusive en lo referente a la magnitud de la superioridad
de los promedios de los modelos respecto de los reales (cuadro 8). La principal diferencia
encontrada entre ambas áreas es que, como consecuencia de las mencionadas limitaciones
edáficas del área 2, los niveles medios de los índices fueron considerablemente
inferiores a los del área 1. Los valores de la última columna indican que estos modelos
estuvieron aún más cerca de los óptimos que los del área 1.
Cuadro 7. Indices físicos, margen bruto total y promedios de
los sistemas reales y diferencias con los óptimos del área 2.
Modelos |
Carga Animal EV/ha |
Prod. de carne kg/ha |
Efic. del ganado % |
Margen bruto total $/ha |
Difer. MBT con Prog. Lineal (%) |
1 |
0,82 |
128,1 |
47,9 |
9,6 |
2,5 |
2 |
0,78 |
116,5 |
44,1 |
8,9 |
2,1 |
3 |
0,73 |
113,1 |
47,9 |
8,8 |
4,7 |
4 |
0,81 |
123,3 |
42,6 |
8,2 |
2,2 |
5 |
0,74 |
112,2 |
42,6 |
7,7 |
3,8 |
6 |
0,77 |
112,2 |
40,3 |
7,7 |
2,7 |
7 |
0,76 |
110,0 |
40,3 |
7,4 |
2,7 |
8 |
0,76 |
107,5 |
40,7 |
8,2 |
1,2 |
9 |
0,74 |
102,1 |
37,9 |
6,9 |
0,9 |
10 |
0,74 |
102,4 |
37,9 |
6,9 |
2,4 |
x |
0,77 |
112,7 |
42,2 |
8,0 |
2,2 |
x sist. reales |
0,58 |
68,9 |
29,1 |
5,7 |
|
Conclusiones
Se aceptó la hipótesis de la existencia de una brecha entre los
índices físicos y económicos actuales y potenciales y se alcanzó el objetivo de
obtener modelos sustancialmente superiores a los actuales mediante tecnologías
disponibles para el productor y de bajos costos.
La secuencia de modelación Programación Lineal - Monte Carlo
permitió primero seleccionar numerosos modelos óptimos que evidenciaron tener
factibilidad de aplicación y posteriormente ampliar a discreción el espectro de modelos
subóptimos. Esta combinación metodológica para modelar se presenta como especialmente
recomendable en estudios de planeamiento regional donde cada productor tendría la
posibilidad de adoptar el modelo que mejor responda a sus intereses y objetivos.
Los MBT de los 25 modelos Monte Carlo presentados estuvieron, en
promedio, sólo 3,3% debajo de los óptimos de Programación Lineal. Estos resultados
mejoraron ostensiblemente los obtenidos en un trabajo previo y sugirieron la hipótesis
que la secuencia metodológica y la corrección del programa Monte Carlo, aquí
utilizados, han contribuído a las marcadas diferencias. Esto se podría dilucidar
mediante un estudio analítico complementario.
Literatura citada
1. Asociación Argentina de Consorcios Regionales de
Experimentación Agrícola. 1983. Serie de Precios Agropecuarios, 103 pp.
2. Barnard, C.S. y J.S. Nix. 1984. Otras técnicas de planificación.
In: Planeamiento y Control Agropecuarios. Ed. Ateneo, Buenos Aires, pp. 374-396.
3. Cagnoni, N. 1995. Determinación de la unidad económica en
Coronel Rosales. Ministerio de Asuntos Agrarios y Pesca de la Provincia de Buenos
Aires. Mimeo, 61 pp.
4. Casás, B.R. 1980. Aspectos económicos de la generación, difusión
y adopción de tecnologías agropecuarias. In: Enfoque de sistemas en la investigación
ganadera. Silva, G.M. y M.A. Mansilla (Eds.). Cap. XV. Santiago, Chile.
5. Cocimano, M.A., Lange, A. y E.E. Menvielle. 1983. Equivalencias
ganaderas para vacunos de carne y ovinos. Asociación Argentina de Consorcios
Regionales de Experimentación Agrícola, 32 pp.
6. Donaldson, G.F. y J.P.G. Webster. 1968. An operating procedure for
simulation farm planning. Monte Carlo method. Bulletin 18, Deparment of Economics,
Wye College. University of London, 25 pp.
7. Gardién, F.C. 1996. Simulación Monte Carlo aplicado a la
planificación agropecuaria. Seminario Proyecto de software. Univ. Nac. del Sur. Mimeo, 34
pp.
8. Gargano, A.O., Adúriz, M.A. y M.C. Saldungaray. 1989. Sistemas
de producción en la mitad norte del Partido de Villarino (Provincia de Buenos Aires). 1.
Indices físicos. Rev. Arg. Prod. Anim. 9 (2): 135-142.
9. Gargano, A.O., Adúriz, M.A. y M.C. Saldungaray. 1996.
Modelación agropecuaria mediante Programación Lineal a partir de modelos Monte
Carlo para el Partido de Guaminí (Pcia. de Buenos Aires). Rev. Facultad Agronomía
(Buenos Aires) 16 (3): 147-154.
10. Gargano, A.O., Adúriz, M.A. y M.C. Saldungaray. 1996.
Modelos agropecuarios sostenibles obtenidos con Programación Monte Carlo para el
Partido de Puán, Argentina. AgrosistemIICA 1: 81-94
11. Gargano, A.O., Adúriz, M.A. y M.C. Saldungaray. 1997.
Tipificación de los agrosistemas de Coronel Rosales, Argentina. Rev. Fac. Agron. (LUZ) 14
(5): 561-572.
12. Gargano, Saldungaray, M.C. y M.A. Adúriz. 1997. Parámetros
físicos y económicos de los agrosistemas del Partido de Coronel Rosales, Argentina.
Rev. Fac. Agron. (LUZ). 14(6): 689-700.
13. Karlen, D.L., Varvel, G.E., Bullock, D.G. y R.M. Cruse. 1994. Crop
rotations for the 21st. century. Adv. Agron. 53: 1-37.
|