MODELO DE PROGRAMACIÓN MATEMÁTICA PARA LA CADENA PRODUCTIVA DEL BIOCOMBUSTIBLE BIODIESEL, EN EL DEPARTAMENTO DEL META, COLOMBIA

MANUEL JOSÉ BARÓN MOLINA

UNIVERSIDAD CATÓLICA DE COLOMBIA FACULTAD DE INGENIERÍA MAESTRÍA EN INGENIERÍA INDUSTRIAL BOGOTÁ 2013 1

MODELO DE PROGRAMACIÓN MATEMÁTICA PARA LA CADENA PRODUCTIVA DEL BIOCOMBUSTIBLE BIODIESEL, EN EL DEPARTAMENTO DEL META, COLOMBIA

MANUEL JOSÉ BARÓN MOLINA

Trabajo de grado para optar al título de Magister en Ingeniería Industrial

Director Msc. Ing. JAVIER ARTURO ORJUELA CASTRO Magister en Investigación de Operaciones y Estadística

UNIVERSIDAD CATÓLICA DE COLOMBIA FACULTAD DE INGENIERÍA MAESTRÍA EN INGENIERÍA INDUSTRIAL BOGOTÁ 2013 2

3

NOTA DE ACEPTACIÒN

__________________________________ __________________________________ __________________________________ __________________________________ __________________________________

__________________________________ Presidente del Jurado

__________________________________ Jurado

__________________________________ Jurado

Bogotá, 18, septiembre, 2013

4

A María Lucia Molina (+)

5

AGRADECIMIENTOS Expreso un sincero agradecimiento a todos aquellos que con su ayuda han colaborado en la realización del presente trabajo, en especial al Ingeniero Javier Arturo Orjuela Castro, director del mismo, por la orientación, el seguimiento y la supervisión continúa. Especial reconocimiento merece el Ingeniero Johan Alexander Aranda Pinilla, por su apoyo en el desarrollo matemático, con quien me encuentro en deuda por el ánimo infundido y la confianza en mí depositada por él. Un agradecimiento muy especial merece la comprensión, paciencia y el ánimo recibidos de mi familia y amigos. A todos ellos, muchas gracias.

6

CONTENIDO pág. INTRODUCCIÓN

17

1. MARCO REFERENCIAL 1.1 MARCO CONCEPTUAL 1.2 OBJETO TEÓRICO 1.2.1 Logística 1.2.2 Gestión de la Cadena de Suministro 1.3 OBJETO PRÁCTICO 1.3.1 Biocombustibles 1.3.1.1 Bioetanol 1.3.1.2 Biodiesel 1.3.2 Biodiésel mezcla (ACPM, Aceite Combustible Para Motor) 1.3.3 Aceite Vegetal. 1.4 PALMA DE ACEITE (ELAEIS GUINEENSIS) 1.5 ANTECEDENTES 1.5.1Producción de Biodiesel 1.5.1.1 Costos 1.5.1.2 Materias Primas 1.6 EVOLUCIÓN Y FUTURO DEL BIODIÉSEL 1.7 ESTRUCTURA DE LA CADENA PRODUCTIVA DEL BIODIÉSEL 1.8 BIODIESEL A PARTIR DE PALMA AFRICANA EN COLOMBIA 1.9 HERRAMIENTAS MATEMÁTICAS UTILIZADAS PARA LA GESTIÓN DE LA CADENA PRODUCTIVA DEL BIODIÉSEL 1.9.1Clasificación 1.9.2 Cronología de los Modelos Matemáticos para la Gestión de la Cadena Productiva del Biodiesel 1.9.2.1 Biomasa Lignocelulósica 1.9.2.2. Cultivos de Azúcar o Almidón 1.9.2.4 Subproductos y Residuos

19 19 19 19 22 23 23 24 24 25 25 25 26 26 29 31 33 35 41

2. METODOLOGÍA 2.1 SITUACIÓN ACTUAL 2.2 DISEÑO DE LA INVESTIGACIÓN 2.3 RECOLECCIÓN DE DATOS 2.3.1 Reconocimiento e Identificación del Sistema 2.3.1.1 Cultivadores 2.3.1.2Extractoras de Aceite 2.3.1.3 Biorrefinadoras 2.3.1.4 Mezcladoras 2.3.2 Técnica de Solución

63 64 65 66 66 67 68 68 73 75

7

46 46 55 56 58 60

pág. 3. MODELO LOGÍSTICO DE PROGRAMACIÓN MATEMÁTICA PARA EL FLUJO DE RECURSOS Y AMPLIACIÓN DE CAPACIDADES 3.1 SUBÍNDICES 3.2 SUPERÍNDICES 3.3 PARÁMETROS 3.3.1 Demanda 3.3.2 Factores de Conversión 3.3.3 Costo de Transporte 3.3.4 Capacidades 3.3.4.1 Capacidades de Producción 3.3.4.2 Capacidades de Almacenamiento 3.3.4.3 Capacidades de Transporte 3.4.3.4 Capacidades de Instalación 3.3.4.5 Capacidades de Inventario 3.4 VARIABLES 3.4.1Variables de Flujo 3.4.2 Variables de Inventario 3.4.3 Variables de Incremento de Capacidad 3.4.4 Variables de Capacidad 3.5 FORMULACIÓN 3.5.1 Función Objetivo 3.5.2 Restricciones 3.6 PARAMETRIZACIÓN DEL MODELO 3.6.1 Índices 3.6.1.1 Cultivos j 3.6.1.2 Extractoras de Aceite k 3.6.1.3 Biorrefinadoras de Aceite l 3.6.1.4 Mezcladoras m 3.6.1.5 Periodos t

77 77 77 77 77 77 77 78 78 78 78 78 79 79 79 79 79 80 80 80 80 80 83 83 83 84 85 85 86

3.6.2 Dmt : Demanda de Diésel de la Mezcladora m en el año t (galones) 3.6.2.1 Determinación de la Demanda por Zonas 3.6.3 Factores de Conversión 3.6.4Costos de Transporte 3.6.5 Capacidades 3.6.6 Costos Fijos

86 87 91 91 95 97

4. RESULTADOS 4.1 FUNCIÓN OBJETIVO (MINIMIZACIÓN) p 4.2 X jt : CANTIDAD DE PALMA COSECHADA EN EL CULTIVO J EN EL PERIODO T (TONELADAS)

99 99

8

100

pág. p

4.3 Q jkt : CANTIDAD DE PALMA TRANSPORTADA DEL CULTIVO J A LA EXTRACTORA K EN EL AÑO T (TONELADAS) 100 a 4.4 Qklt : CANTIDAD DE ACEITE TRANSPORTADO DE LA EXTRACTORA K b A LA BIORREFINERÍA L EN EL AÑO T (TONELADAS) Y Qlmt : CANTIDAD DE BIODIESEL TRANSPORTADO DE LA REFINERÍA L A LA MEZCLADORA M EN EL AÑO T (TONELADAS) 103 p 4.5 I jt : NIVEL DE INVENTARIO DE PALMA EN EL CULTIVO J AL FINAL DEL AÑO T (TONELADAS) 104 a 4.6 I kt : NIVEL DE INVENTARIO DE ACEITE EN LA EXTRACTORA K AL FINAL FINAL DEL AÑO T (TONELADAS) 105 b 4.7 I lt : NIVEL DE INVENTARIO DE BIODIESEL EN LA BIORREFINERÍA L AL FINAL DEL AÑO T (TONELADAS) 105 d 4.8 I mt : NIVEL DE INVENTARIO DE DIÉSEL EN EL MEZCLADORA M AL FINAL DEL AÑO T (TONELADAS) 106 4.9 INCREMENTOS DE CAPACIDAD RESPECTO A CAPACIDADES 106 4.10 CAPACIDAD TOTAL 108 5. CONCLUSIONES

110

6. RECOMENDACIONES

112

BIBLIOGRAFÍA

113

9

LISTA DE CUADROS pág. Cuadro 1. Principales Etapas Presentes en la Producción de biocoMustibles 28 Cuadro 2. Principales Países Productores de Aceite Vegetal 31 Cuadro 3. Producción de Aceite de Palma por País 33 Cuadro 4. Principales Sistemas en la Cadena de Abastecimiento de los Biocombustibles 35 Cuadro 3. Rendimiento de las Principales Fuentes Vegetales por Tipo de Cultivo43 Cuadro 5. Capacidad de Producción de Biodiesel por Empresa en Colombia 45 Cuadro 6. Resumen artículos de SCM de biocombustibles 48 Cuadro 7. Objetivos y Herramientas utilizados en los modelos de SCM 50 Cuadro 8. Objetivos y características de los modelos desarrollados en los artículos de SCM 50 Cuadro 9. Características y Variables de los Modelos Matemáticos 52 Cuadro 11. Cultivos de Palma de Aceite Africana en la Región Oriental 84 Cuadro 12. Extractoras 85 Cuadro 13. Biorefinerías 85 Cuadro 14. Mezcladoras abastecidas por Biorrefinaerías del Departamento del Meta 86 Cuadro 15. Número de Estaciones de Servicio por Departamento 87 Cuadro 16. Demanda por Zonas 88 Cuadro 17. Demanda Asignada a cada Mezcladora 89 Cuadro 18. Demanda de Diésel por Mezcladora por Año 90 Cuadro 19. Costo de Transporte por Tonelada por Kilómetro 91 Cuadro 20. Distancias en Kilómetros de los Cultivos a las Extractoras en km 92 Cuadro 21. Costos de Transporte por Tonelada de Cultivos a Extractoras, en $/ton - km 93 Cuadro 22. Distancias de Extractoras a Biorrefinerías en km 93 Cuadro 23. Costo de Transporte por Tonelada de Extractoras a Biorrefinerías en $/ton-km 94 Cuadro 24. Distancias de Biorrefinerías a Mezcladoras en km 94 Cuadro 25. Costo de Transporte por Tonelada de Biorrefinerías a Mezcladoras en $/Ton-km 95 Cuadro 26. Capacidad de los Cultivos (Área y Producción) 96 Cuadro 27. Capacidades de Producción 96 Cuadro 28. Costo de Instalación de las Biorrefinerías 97 Cuadro 29. Resumen Regresión Lineal 98 Cuadro 30. Flujo de Palma Año 2013 101 Cuadro 31. Flujo Palma Año 2043 102 Cuadro 32. Flujo Total del Biodiésel Durante los 30 Años (Toneladas/Año) 104 Cuadro 33. Nivel de Inventario de Aceite en la Extractora k al Final del Año t (toneladas) 105

10

pág. Cuadro 34. Nivel de Inventario de Aceite en la Extractora k al Final del Año t (toneladas) 105 Cuadro 35. Nivel de Inventario de Diésel en el Mezcladora m al Final del Año t (toneladas) 106

11

LISTA DE FIGURAS pág. Figura 1. Estructura conceptual Del Marco Referencial 19 Figura 2. Usos de la Palma de Aceite 26 Figura 3. Etapas de la Cadena de Abastecimiento de los Biocombustibles 29 Figura 4. Estructura Típica de los Costos de Producción del Biodiésel. 30 Figura 5. Producción Mundial de Aceite Vegetal 1995 - 2011 31 Figura 6. Composición de la Oferta de Aceite Vegetal por Fuente 32 Figura 7. Producción Mundial de Aceite de Palma y Soja 1995 – 2011 32 Figura 8. Producción de Biodiésel en el Mundo 34 Figura 9. Cadena de Suministro de Biocombustibles 36 Figura 10. Cadena Productiva de Biocombustibles 37 Figura 11. Estructura General de la Cadena de Biocombustible 38 Figura 12. Cadena Productiva del Biodiesel CEPAL 39 Figura 13. Esquema General de la Cadena Productiva 40 Figura 14. Evolución de la Superficie de Cultivo de Palma Aceitera en Colombia 42 Figura 15. Distribución de la Superficie de Cultivo de Palma Aceitera en Colombia 42 Figura 16. Evolución de la Producción de Aceite de Palma en Colombia 44 Figura 17. Usos de la Producción Nacional de Aceite de Palma 44 Figura 18. Producción de biodiesel en Colombia 46 Figura 19. Categorización de los Artículos Relacionados a SCM de Biocombustibles 47 Figura 20. Distribución de los Artículos de Supply Chain Management por Cadena 49 Figura 21. Taxonomía de los Modelos Revisados 56 Figura 22. Categorización de los Artículos Relacionados a SCM de Combustibles Basados en Petróleo 62 Figura 23. Fases Metodológicas de esta Investigación 64 Figura 24. Distribución de Información Secundaria Consultada 65 Figura 25. Departamento del Meta 67 Figura 26. Obtención de los Racimos de Fruta Fresca de la Palma 68 Figura 27. Localización de las Biorrefinadoras 69 Figura 28. Área de ingreso Instalaciones de la Biorrefinadora Bio D (Facatativá) 70 Figura 29. Área espera transportadores Instalaciones de la Biorrefinadora Bio D (Facatativá) 70 Figura 30. Instalaciones de Biorrefinamiento (el autor, a la derecha) 71 Figura 31. Instalaciones de Biorrefinamiento 71 Figura 32. Instalaciones de Almacenamiento 72 Figura 33. Área de Matrias Primas 72 Figura 34. Pasillo de ingreso (empleados / visitantes) Instalaciones de la Mezcladora Biomax (Facatativá) 73

12

pág. Figura 35. Área Espera Transportadores Figura 36. Área de Descargue Biodiesel Figura 37. Área de Almacenamiento (ACPM) Figura 38. Proyección de la Demanda de Diésel en Colombia 2013 - 2043 Figura 39. Palma Cosechada Figura 40. Cantidad de Aceite Transportado y Cantidad de Biodiésel Transportado Figura 41. Incremento de Capacidad de la Biorrefinería Respecto a la Capacidad de la Biorrefinería Figura 42. Capacidad Versus Demanda

13

74 74 75 87 100 103 107 108

GLOSARIO ACEITE VEGETAL: compuesto orgánico obtenido a partir de semillas u otras partes de las plantas en cuyos tejidos se acumula como fuente de energía. BIOCOMBUSTIBLE: mezcla de hidrocarburos que se utiliza como combustible en los motores de combustión interna BIODIÉSEL: biocombustible líquido que se obtiene a partir de lípidos naturales como aceites vegetales o grasas animales, que se aplica en la preparación de sustitutos totales o parciales de petrodiésel, obtenido del petróleo. BIOETANOL: compuesto químico obtenido a partir de la fermentación de los azúcares que puede utilizarse como combustible, solo, o bien mezclado en cantidades variadas con gasolina; uso se ha extendido principalmente para reemplazar el consumo de derivados del petróleo. BIOMASA: cantidad de materia acumulada en un individuo, un nivel trófico, una población o un ecosistema CADENA DE SUMINISTRO: conjunto de operaciones necesarias para llevar a cabo la producción de un grupo de bienes o servicios, que ocurren de forma planificada, y producen un cambio o transformación de materiales, objetos o sistemas. CADENA PRODUCTIVA: conjunto de operaciones necesarias para llevar a cabo la producción de un bien o servicio, que ocurren de forma planificada, y producen un cambio o transformación de materiales, objetos o sistemas. DIESEL: hidrocarburo líquido, compuesto fundamentalmente por parafinas y utilizado principalmente como combustible en calefacción y en motores diesel. LOGÍSTICA: flujo de recursos que se desplazan a través de la Cadena Productiva o de Suministro, aprovechados para la productividad. PALMA DE ACEITE AFRICANA: palma alta, entre 8.3 metros y 20 metros de altura, erecta, pesada, con tronco anillado. PROGRAMACIÓN LINEAL EXTERNA MIXTA: aplicación de la programación matemática que incluye variables enteras y continúas. PROGRAMACIÓN MATEMÁTICA: aplicación de la Investigación de Operaciones para determinar la mejor decisión que optimice un cierto objetivo, considerando una serie de limitaciones

14

RESUMEN Los beneficios asociados a los biocombustibles se ven reflejados en un creciente número de países, introduciendo o planeando introducir, políticas para incrementar la proporción de su producción dentro de su matriz energética. Actualmente, sólo pequeñas cantidades de biocombustibles se transan en los mercados internacionales ya que la mayoría se consume domésticamente. Sin embargo, se espera que el comercio de biocombustibles se expanda rápidamente dado que numerosos países no tendrán la capacidad doméstica para abastecer sus mercados internos. Con base en el tendiente crecimiento del negocio de los biocombustibles, tanto a nivel mundial como local, resulta pertinente contar con herramientas técnicas que apoyen la toma de decisiones en la gestión agroindustrial para aprovechar de mejor manera un mercado por ahora naciente, pero que a mediano y largo plazo se escenifica como un gran sector productivo que podrá generar desarrollo a las regiones productivas. Esta investigación presenta un estado del arte sobre la cadena de abastecimiento del biocombustible biodiésel y un Modelo de Programación Lineal Entera Mixta, en el Departamento del Meta, Colombia, desarrollado para apoyar la toma de decisiones en la gestión de la cadena de suministro mencionada. Palabras clave: Biomasa, biocombustibles, biodiésel, gestión de la cadena de suministro.

15

ABSTRACT The benefits of biofuels have been reflected in an increasing number of countries introducing or planning to introduce policies to increase the proportion of biofuels in their energy mix. Currently, only small quantities of biofuels are traded on international markets because the most is consumed domestically. However, rapidly expand biofuels trade is expected given that many countries have no domestic capacity to supply their own demand. Based on the growth tending biofuels business, both globally and locally, it is appropriate to have the technical tools to support decision making in agribusiness management to make better use of a nascent market for now, but in the medium and long term, it is staged as a large manufacturing sector which can bring development to the productive regions. This research presents a state of the art supply chain of biodiesel and a Model of Mixed Integer Linear Programming in the Meta Department, Colombia, developed to support decision in the management of the supply chain said Key words: Biomass, Biofuels, Biodiesel, Supply Chain Management (SCM).

16

INTRODUCCIÓN Los combustibles de origen fósil han sido útiles en el desarrollo de la sociedad; en Colombia, por ejemplo, han sido históricamente su mayor fuente de energía. Sin embargo, la diversificación de fuentes de energía primarias favorece la seguridad energética al disminuirse la dependencia de una sola fuente. Se hace importante fomentar la diversificación tecnológica para usos de combustibles diferentes a los tradicionales, principalmente la referente a fuentes renovables, tales como: hidroeléctrica, geotérmica, eólica, solar, mareomotriz, biomasa, biogás y cultivos energéticos. El desarrollo de los sistemas de bioenergía requiere de la acción multidisciplinaria de diversos sectores involucrados en la cadena productiva: productos agrícolas y energéticos. Se requiere pues, plantear lineamientos y estrategias para el desarrollo de la industria del biocombustible biodiesel, lo cual depende de las condiciones locales específicas como son el clima, la disponibilidad de agua y las condiciones del suelo, infraestructura, capacidades de logística y procesamiento industrial de productos, subproductos y residuos orgánicos, necesidades del sector energía y aspectos agronómicos, económicos y socia-les implicados en el desarrollo rural sustentable. “En los últimos años, los biocombustibles han comenzado a ser considerados mundialmente como una alternativa seria frente al petróleo. Esto, básicamente, obedece a dos razones: se estima que la disponibilidad de las reservas de petróleo llegará pronto a su fin (aproximadamente 100 años) y el precio del crudo, el cual tiende a aumentar”1. Ante el panorama anterior, “el mercado de los biocombustibles surge como alternativa viable, aunque se encuentra en sus primeros estadios y se localiza principalmente a nivel nacional o regional”2. La producción, en países en vía de desarrollo (asiáticos y suramericanos) y la refinación concentrada en naciones tecnificadas industrialmente (Norteamérica y Europa del Este). “En cuanto a los países de América Latina, estos presentan condiciones ideales para la producción de biocombustibles tales como el alto porcentaje de áreas húmedas (40%) y los recursos hídricos renovables, los bajos costos de producción en las zonas tropic ales o a sus bajos costos salariales”3. “La producción refinación del biodiésel es un

1

DUFEY, Annie. (2006). Producción y comercio de biocombustibles y desarrollo sustentable: los grandes temas. Documento de Discusión Número 2 de Mercados Sustentables. Londres: Instituto Internacional para el Medio Ambiente y Desarrollo, 2006. p. 3 2 ARÍSTEGUI, Juan Pablo. (2009). Los biocombustibles desde la perspectiva del comercio internacional y del derecho de la organización mundial del comercio. En: Revista de Derecho Valdivia. Julio – agosto, 2009. vol. 22, no. 1, p. 113 3 ORJUELA, Javier y RODRÍGUEZ, Isaac. Panorama de las políticas y leyes del gobierno colombiano frente a la producción de alimentos agropecuarios y de producción de agrocombustibles. En: Estudios en Derecho y Gobierno. Junio – diciembre, 2009. vol. 2, no. 2, p. 83

17

área en progreso de la industria de los combustibles, que reclama logros tecnológicos debido a la relevancia y ventajas ambientales”4. No obstante, un aspecto que todavía es debatido en el mundo, es si “el balance energético del biodiesel es positivo en-tendido como la diferencia entre la energía que produce un kilogramo de combustible (biodiesel en este caso) y la energía necesaria para producirlo, lo cual incluye extracción (cultivo, en este caso), procesamiento, transporte y refinado de la materia prima, entre otros”5. Este trabajo trata la cadena productiva del biocombustible biodiesel, obtenido a partir de la palma de aceite, en el Departamento del Meta, Colombia, en razón a que es uno de los más promisorios en este campo agroindustrial. Aborda temas económicos, ambientales y energéticos pertinentes; no obstante se refiere a otros biocombustibles y a otras fuentes de obtener biodiesel de manera colateral, con el propósito de contextualizar. El análisis abarca la cadena productiva del biocombustible desde la producción de palma hasta su utilización como biodiesel, identificando temas que requieren atención por parte de los sectores privado y público. El capítulo uno describe el biodiésel como fuente de energía alternativa frente a los combustibles fósiles, sus diferentes formas de producción, sus ventajas y desventajas, su evolución y futuro y, finalmente, su impacto ambiental (uno de los temas más controversiales). La Cadena Productiva del Biodiésel se trata considerando sus eslabones y estructura, y los indicadores de eficiencia respectivos. El capítulo dos identifica la metodología que se llevó a cabo para formular el modelo matemático, considerando el inicio del mismo a partir de los cultivos, los cuales se hacen en fincas, algunas propiedad de las biorrefinerías y otras independientes. El capítulo tres describe la formulación del modelo matemático que incluye cuatro eslabones: cultivo, extracción, biorrefinado y mezcladoras (biodiesel y diésel) para obtener el producto a que va al mercado: ACPM (aceite combustible para motor) El capítulo cuatro muestra los resultados arrojados por el modelo, los cuales pretenden optimizar el flujo de los recursos de la cadena productiva y las conclusiones correspondientes.

4

BALAT , Mustafa. Potential alternatives to edible oils for biodiesel production – A review of current work. En: Turquía. Energy Conversion and Management. February – march, 2011. vol. 52, no. 2, p. 1479 5 INSTITUTO INTERAMERICANO DE COOPERACIÓN PARA LA AGRICULTURA IICA. Atlas de la Agroenergía y los Biocombustibles en las Américas: II Biodiesel. Costa Rica: IICA, 2010. p.3

18

1. MARCO REFERENCIAL Este trabajo trata los conceptos clave del objeto teórico (Logística y Cadena Productiva) y del objeto práctico (biocombustible biodiesel), los antecedentes relativos a los mismos y el estado del arte hasta el 2013, sobre modelos matemáticos de la gestión de la cadena productiva del biodiesel. 1.1 MARCO CONCEPTUAL El objetivo general de este trabajo es proponer un modelo matemático que apoye la toma de decisiones en la gestión de la cadena de suministro del biodiesel a partir de palma africana en el departamento del Meta, Colombia. Para ello se hace necesario establecer en primera instancia el marco conceptual sobre cadena de suministro y sobre la cadena productiva del Biodiesel (véase la Figura 1). Figura 1. Estructura conceptual Del Marco Referencial Marco referencial

Objeto práctico

Objeto teórico

Biocombustibles

Bioetanol

Logística / Cadena

Biodiesel

Productiva

Modelos matemáticos

Modelo de programación matemática Fuente. El Autor 1.2 OBJETO TEÓRICO Este trabajo tiene como objeto teórico la Logística y la Cadena de Suministro, temas sobre los cuales va a centrarse la investigación, refiriéndose al flujo de recursos de la Cadena Productiva del biocombustible biodiesel, en el Departamento del Meta, Colombia. 1.2.1 Logística. De acuerdo con Octavio Carranza 6 la logística surge en principio para acompañar a las decisiones operativas de los altos mandos militares, aplicación que se mantiene. En otros campos del conocimiento ha brindado pautas 6

CARRANZA, Octavio. Logística, mejores prácticas en Latinoamérica. México: Thompson, 2005.

19

de trabajo crecientemente adoptadas por el sector empresarial en la determinación de estándares y métodos de análisis, diseño y operación en los negocios, en la medida en que ha sido necesario planear y operar sistemas cada vez más complejos. “En 1844, la logística inicia su incursión en los negocios, incurriendo en un campo nuevo. La novedad estriba en el concepto de dirección coordinada de las actividades relacionadas, en vez de la práctica histórica de manejarlas separadamente, idea que se remonta al francés Jules Dupuit, hacia 1844”7. De acuerdo con David Servera 8 a partir del siglo pasado, la logística tiene un punto central que la divide: la segunda guerra mundial. En la primera mitad, la función logística se asociaba básicamente a las actividades de la distribución física, en especial al transporte y al almacenamiento de productos, en un tiempo donde la producción era primordialmente agrícola; después de terminada la confrontación, el surgimiento de las industrias de los países perdedores amplió la aplicación de esta disciplina al campo del marketing. A partir de este momento, las empresas se interesan por las ventajas de gestionar de forma eficiente los flujos de materiales. Es a partir de los años sesentas cuando se produce el auge de la función logística, tanto en el ámbito empresarial como en el académico. A partir de esta década, se amplía el ámbito de aplicación de la gestión logística, definiéndose el concepto de "logística integral", al tiempo que se orienta hacia las necesidades del cliente. Así, en 1961, Smykay, Browersox y Mossman publican uno de los primeros textos sobre distribución física titulado “Physical Distribution Management” en el que se discute en detalle el enfoque de sistemas en distribución física y el concepto de costo total. En 1976 el National Council of Physical Distribution Management define la distribución física como: “Término empleado en manufactura y comercio para describir el extenso rango de actividades relacionadas con el movimiento eficiente de productos terminados del final de la línea de producción hasta el consumidor, y en algunos casos incluye el movimiento de materias primas desde la fuente de suministro hasta el inicio de la línea de producción”9

7

BALLOU, Ronald. Logística - Administración de la cadena de suministro. 5 ed. México: Prentice Hall, 2004. p. 3 8 SERVERA, David. Concepto y evolución de la función logística. En: Revista Innovar. Mayo –junio, 2010. vol. 20, no. 38, p. 9 ASOCIACION PROFESIONAL DE ESTADOS UNIDOS. Definición de distribución logística en línea . Washington: Consejo Nacional de Gestión de la Distribución Física citado 10 enero, 2013 . Disponible en Internet:

20

Posteriormente, en ese mismo año, esta organización actualiza su definición de logística así: “Es la integración de dos o más actividades con el propósito de planear, implementar y controlar eficientemente el flujo de materias primas, inventario en proceso y bienes terminados desde su punto de origen, hasta su punto de consumo” En 1985, en concordancia con la transición del término de distribución física a logística, el organismo cambia su nombre al de Council of Logistic Management y propone la siguiente definición de logística: “Es el proceso de planeación, implementación y control eficiente, con eficacia en función de los costos del flujo y almacenamiento de materias primas, inventario en proceso, bienes terminados, e información relacionada, desde el punto de origen, hasta el punto de consumo, con el propósito de cumplir los requerimientos del cliente”10 En 1988, con el surgimiento de los conceptos de cadenas de suministro y de logística inversa, el Council of Logistic Management amplía la definición de logística así: “Es la parte de la gestión de cadenas de suministro que planifica, implementa y controla el eficiente y eficaz flujo y almacenaje de bienes, servicios e información relacionada, desde el punto de origen hasta el punto de consumo y viceversa para poder cumplir con los requerimientos de los clientes” 11 De otra parte, una definición sistémica de logística, la cual no considera solamente el flujo de bienes, sino de todo tipo de recursos que requiere una organización para su operación, es la siguiente: “Logística es la disciplina que estudia la gestión de los sistemas de apoyo a lo largo del ciclo logístico, considerando su interrelación con el entorno, y con los sistemas centrales de la organización, concentrándose principalmente en los intercambios de materia, energía e información que se realizan entre estos a nivel interno, local, regional o global”12 Para este trabajo, que considera el flujo de bienes a lo largo de la cadena, y no de otro tipo de recursos, se adopta la definición de logística del Council of Logistic Management dada en 1998.

10

COUNCIL OF LOGISTIC MANAGEMENT. Definición de Distribución física en línea . Michigan: Central Michigan University citado 10 enero, 2013 . Disponible en Internet: 11 COUNCIL OF LOGISTIC MANAGEMENT. Definición de cadena de Suministro en línea . Michigan: Central Michigan University citado 10 enero, 2013 . Disponible en Internet: 12 ANTÚN, Juan. (1993), Logística: Una visión Sistémica. Santafandila: Instituto Mexicano de Transporte, 1993. p.2

21

1.2.2 Gestión de la Cadena de Suministro. Debe hacerse especial diferencia entre los conceptos Cadena de Suministro (o abastecimiento) y Cadena Productiva. La primera se refiere a un grupo de productos, en tanto que la Productiva a uno solo. Para efectos prácticos, las identificaremos de la misma manera. “La Gestión de la Cadena de Suministros (SCM, por sus siglas en inglés) es un concepto que ha surgido en los últimos años y encierra la esencia de la logística integrada. Su administración enfatiza las interacciones que tienen lugar entre las funciones de mercadeo, logística y producción en una organización, y las interacciones que se llevan a cabo entre empresas independientes dentro del canal de flujo del producto”13. Las definiciones de gestión de cadena de suministro más pertinentes a este trabajo se presentan a continuación. Lambert (1997) propone la siguiente definición: “La Gestión de la Cadena de Suministro es la integración de los procesos de negocio desde el usuario final a través de los proveedores originales que abastecen productos, servicios e información que agrega valor a los clientes”14 En 1998 el Global Supply Chain Forum define la Gestión de la Cadena de Suministro así: “La gestión de la cadena de suministro es la integración desde el consumidor final hasta los primeros proveedores de los procesos clave del negocio que proporcionan los productos, servicios e información que aportan valor al consumidor final”15 Handfield y Nichols proponen las siguientes definiciones de Cadena de Suministro y de Gestión de la Cadena de Suministro: “La cadena de suministros (SC, por sus siglas en inglés) abarca las actividades relacionadas con el flujo y transformación de bienes desde la etapa de materia prima (extracción) hasta el usuario final incluyendo los flujos de información relacionados. La gestión de la cadena de suministros (SCM) es la integración de estas actividades mediante el mejoramiento de las relaciones de la cadena, para alcanzar una ventaja competitiva sustentable”16.

13

BALLOU, Op. cit., p. 56 LAMBERT, Douglas. (1997). Supply Chain Management: More than a new name for Logistics. In: The International Journal of Logistic Management. January – february, 1997. vol. 8, no. 1, p. 3. 15 GLOBAL SUPPLY CHAIN FORUM. What is Management in Supply Chain Management? – A critical review definitions. In: Journal of Management Policy and Practice. April – May, 2010. vol. 11, no. 4, p. 11. 16 HANDFIELD, Robert y NICHOLS, Ernest. (1999). Introduction to Supply Chain Management. Upper Saddle River. New Jersey: Prentice Hall, 1999. 14

22

Posteriormente Mentzer ajustan la definición así: “La Gestión de la Cadena de Suministro se define como la coordinación sistemática y estratégica de las funciones tradicionales del negocio y de las tácticas a través de estas funciones empresariales dentro de una compañía en particular, y a través de las empresas que participan en la cadena de suministros para mejorar el desempeño a largo plazo de las empresas individuales y de la cadena como un todo”17 Para este trabajo se adopta la definición de John Mentzer porque la enfoca en la coordinación de lo que representa el negocio en sí, en función de las demás compañías relacionadas, situación que es evidente para este estudio porque asocia a cuatro partes, a saber: los cultivadores, los extractores, los biorrefinadores y los mezcladores. 1.3 OBJETO PRÁCTICO El presente trabajo define una metodología basada en modelos de programación matemática para la estructuración e integración de toma de decisiones relacionadas con la producción del biocombustible biodiesel en el departamento del Meta, Colombia, con el fin de coordinar de manera estructurada cada uno de los eslabones que conforman la red de suministro para la producción de biodiesel de palma de aceite africana mezclado con petrodiésel. 1.3.1 Biocombustibles. Los biocombustibles son recursos energéticos procesados a partir de materias producidas recientemente por seres vivos, a las cuales se les denomina “biomasa”. Pueden ser líquidos, sólidos o gaseosos, y su finalidad última es liberar la energía contenida en sus componentes químicos mediante una reacción de combustión (Benjumea et al., 2009). Los biocombustibles usan la biomasa vegetal (productos agropecuarios, forestales y desechos) sirviendo de fuente de energía renovable para los motores de combustión. Su uso genera una menor contaminación ambiental y son una alternativa viable al agotamiento de energías fósiles, como el gas y el petróleo, donde además se observa un incremento constante en sus precios. Los principales biocombustibles son: biodiesel, bioetanol y biogás (An et al., 2011). Este trabajo es específico al biodiesel; no obstante, para efectos de contexto, en varios apartes se hace referencia a los otros biocombustibles.

17

MENTZER, John; DEWITT, William; KEEBLER, James; MIN, Soonhong; NIX, Nancy; SMITH, Carlo y ZACHARIA, Zach. (2001). Defining Supply Chain Management. In: Journal of Business Logistics. 2001. May – Jun, 2001. vol. 22, no. 2. p.1

23

1.3.1.1 Bioetanol. Es un alcohol producido a partir de la fermentación de los azúcares presentes en distintas materias primas vegetales. No obstante, la biomasa inicial a partir de la cual se extrae dicho contenido sacaroso no tiene necesariamente que caracterizarse por ser esencialmente azucarada, sino que también puede ser almidonada o lignocelulósica. Obviamente, en el primero de los casos el proceso de generación del etanol es mucho más directo, lo cual repercute en los costos de producción. Sin embargo, hay otros factores a considerar a la hora de decidir qué materia prima utilizar, como por ejemplo, la caracterización agronómica de la zona de cultivo. A continuación, algunas de las materias primas más comunes para la obtención de etanol: “En base a azúcares: caña de azúcar, remolacha y sorgo dulce. En base a almidón: trigo, maíz y mandioca. En base a celulosa: árboles (eucalipto, álamo, sauce), hierbas (bermudagrass, switchgrass, miscanthus) y residuos agrícolas”18. En 2011, “mediante dinámica de sistemas, se realiza un análisis de factores y variables relevantes en lo que respecta a la problemática sobre la repercusión que tienen los cultivos de caña panelera para bioetanol sobre la seguridad alimentaria de la población colombiana”19. 1.3.1.2 Biodiesel. El biodiésel se ha definido como ésteres monoalquílicos (grupo funcional orgánico monovalente, formado por la separación de un átomo de hidrógeno de un hidrocarburo saturado o alcano) de ácidos grasos de cadena larga, obtenidos a partir de lípidos (moléculas orgánicas compuestas principalmente por carbono e hidrógeno y, en menor medida, oxígeno, que tienen como característica principal ser insolubles en agua y solventes en compuestos orgánicos como bencina, benceno y cloroformo) renovables, tales como aceites vegetales o grasas animales, para su uso en encendido por compresión20.

“Se trata de un combustible biodegradable, cuyo uso disminuye las emisiones de gases de efecto invernadero y óxidos de azufre y la cantidad de hidrocarburos totales no quemados”21.

18

CEPAL. Análisis comparativo de patentes en la cadena de producción de biocombustibles entre América Latina y el resto del mundo. Santiago, Chile. Comisión económica para América Latina y el Caribe. Memorias Diálogo de Políticas sobre desarrollo institucional e innovación en biocombustibles en América Latina y el Caribe. Santiago de Chile: La CEPAL, 28 y 29 de marzo, 2011. 19 ORJUELA y RODRÍGUEZ, Op. Cit., p.83 20 KRAWCZYK, T. (1996). Biodiesel - alternative fuel makes inroads but hurdles remain. In: Book Journal. September, 2009. Vol 8, no. 1, p. 115 21 INSTITUTO INTERAMERICANO DE COOPERACIÓN PARA LA AGRICULTURA IICA, Op. cit., p. 4

24

“El biodiésel es actualmente puesto a la vanguardia como el combustible alternativo más viable para los motores de encendido por compresión, puede ser producido a partir de fuentes renovables, a través de una simple y rentable transesterificación (intercambiar el grupo alcoxi de un éster por otro alcohol, esta reacción es frecuentemente catalizada mediante la adición de un ácido o una base), siendo compatible con las infraestructuras tecnológicas existentes”22. “Puede ser usado en cualquier mezcla con el combustible diésel de petróleo, ya que tiene características muy similares, pero tiene menores emisiones de gases de escape”23. 1.3.2 Biodiésel mezcla (ACPM, Aceite Combustible Para Motor). “Se refiere a una mezcla de biodiésel con el diésel derivado del petróleo y denominado BXX, donde XX representa el porcentaje del volumen de biodiésel en la mezcla. Por ejemplo: B20 significa una mezcla con 20% de biodiésel y 80% de diésel derivado del petróleo”24. Es posible obtener este biocombustible a partir de una gran variedad de plantas (cocotero, higuerilla, aguacate, jatropha/piñón, colza/canola, maní y girasol), se ha generalizado industrialmente a partir de la palma africana. Sin embargo, la fuente de biomasa más generalizada es la palma de aceite africana, y es en la cual se fundamente este trabajo. 1.3.3 Aceite Vegetal. “El aceite vegetal es un compuesto orgánico que se obtiene a partir de semillas u otras partes de plantas en cuyos tejidos se acumula como fuente de energía. Los aceites vegetales están constituidos principalmente (95 a 99% en peso) por triglicéridos, que son moléculas resultantes de la esterificación de la glicerina con tres moléculas de ácidos grasos. La palma africana es una gran fuente de este componente”25. 1.4 PALMA DE ACEITE (ELAEIS GUINEENSIS) Es una palmera tropical que crece en climas cálidos en la franja ecuatorial de la tierra y puede llegar a crecer hasta 20 m de altura. Se puede obtener aceite de dos fuentes: del fruto (aceite de palma) y de la almendra (aceite de almendra / palmiste). Ambos tienen propiedades físicas y químicas diferentes.

22

NG, J.H.; NG, Hoon Kiat, GAN, S. (2009). Recent trends in policies, socioeconomy and future directions of the biodiesel industry. In: Clean Techn Environ Policy. September, 2009. vol. 19. no. 12, p . 213–238 23 DEMIRBAS, Ayhan. (2009). Progress and recent trends in biodiesel fuels. In: Energy Conversion and Management. January, 2009. vol. 50, no.1, p. 14 24 INSTITUTO INTERAMERICANO DE COOPERACIÓN PARA LA AGRICULTURA IICA, Op. cit., p. 4 25 BENJUMEA, Pedro; AGUDELO, John; RIOS, Luis. (2009). Biodiesel: Producción Calidad y Caracterización. Medellín: Universidad de Antioquia, 2009.

25

El ciclo de producción comienza en el tercer año y alcanza el máximo de producción entre los siete y diez años. Su aceite puede ser utilizado para diversos productos: aceites, margarinas, jabones, entre otros (véase la Figura 2). Sin embargo, su demanda ha aumentado significativamente, ya que se puede emplear como materia prima para la producción de biodiésel a un buen costo y rendimiento. Figura 2. Usos de la Palma de Aceite

Fuente. El Autor En América Latina, los principales productores son Colombia, Ecuador, Costa Rica, Honduras y Guatemala. 1.5 ANTECEDENTES Los combustibles de origen fósil han sido útiles en el desarrollo de la sociedad; en Colombia, por ejemplo, han sido históricamente su mayor fuente de energía. Sin embargo, la diversificación de fuentes de energía primarias favorece la seguridad energética al disminuirse la dependencia de una sola fuente. Se hace importante fomentar la diversificación tecnológica para usos de combustibles diferentes a los tradicionales, principalmente la referente a fuentes renovables, tales como: hidroeléctrica, geotérmica, eólica, solar, mareomotriz, biomasa, biogás y cultivos energéticos. 1.5.1Producción de Biodiesel. El biodiesel se obtiene a través de un proceso denominado transesterificación, a partir de la transformación de grasas y aceites, donde se facilita la reacción del lípido normalmente mediante un grupo alcalino; además de biodiesel, también se genera glicerina.

26

En ciertos casos, previamente a la transesterificación se realiza un pretratamiento de las materias primas, basado en la esterificación (síntesis de un éster, compuesto orgánico derivado de ácidos orgánicos o inorgánicos oxigenados) de los lípidos, el cual tiene como finalidad el convertir los mismos en ésteres. Tradicionalmente, las materias primas más utilizadas para la generación de biodiésel han sido algunos cultivos oleaginosos, entre los que destacan la soja, la palma aceitera y colza. Las principales etapas en la producción de los biocombustibles, dentro de las cuales se encuentra el biodiésel, se presentan en el Cuadro 1.

27

Cuadro 1. Principales Etapas Presentes en la Producción de biocoMustibles MATERIAS PRIMAS CULTIVOS ENERGÉTICOS PLANTAS OLEAGINOSAS

Soja Palma aceitera Colza Jatropha Caña de azúcar Sorgo dulce Remolacha

CULTIVOS AZÚCAR/ALMIDÓN Mandioca

CULTIVO

PRE-TRATAMIENTO

Cría (tratamientos genéticos) mejora del contenido en aceites, azúcar y almidón; búsqueda de variedades resistentes a la sequía; tecnología para mejora de los rendimientos

Prensado o extracción

Molienda e hidrólisis

Eucalipto

Sauce

BIOMASA LIGNOCELULÓSICA

Swichgrass

Bermudagrass

Miscanthus

RESIDUOS

Relleno sanitario Desecho animal

PROCESAMIENTO INDUSTRIAL PRODUCTO PROCESAMIENTO PRIMARIO

PROCESAMIENTO

Aceite vegetal

Azúcar

Transesterificación

Calentamiento y secado

Pirólisis

Física: conminución mecánica, explosión a vapor, explosión de fibra de amonio, pirólisis; Química: hidrólisis ácida y alcalina; Biológica: reacción a microbios (hongos blancos, marrones y de pudrición blanda).

reacciones gas - sólido

reacciones fase gas

Digestión anaeróbica

Fermentación y cofermentación

Syngas

Purificación

Etanol, butanol

Síntesis catalítica

Gas natural sintético Diesel FisferTropsch Dimetiléter Metanol

Water gas shift reaction

Hidrógeno

Purificación Biogas

Pirólisis flash Bio-oil Licuefacción hidrotermal

Hidrólisis

Azúcar

Digestión anaeróbica

Biogas

Biodiesel Bio-oil

Gasificación Cría (tratamientos genéticos) reducción del contenido de lignina; selección de las variedades con mayor adaptabilidad

PRODUCTO FINAL

Tratamiento hídrico y refinado Fermentación y cofermentación

Biodiesel

Purificación

Etanol, butanol

Biogás

Fuente. CEPAL. Análisis comparativo de patentes en la cadena de producción de biocombustibles entre América Latina y el resto del mundo. Santiago, Chile. Comisión económica para América Latina y el Caribe. Memorias Diálogo de Políticas sobre desarrollo institucional e innovación en biocombustibles en América Latina y el Caribe. Santiago de Chile: La CEPAL, 28 y 29 de marzo, 2011. 28

Según el Cuadro 1, el biodiesel puede provenir de plantas oleaginosas como soja, palma de aceite, colza y jatropha. Los procesos incluyen inicialmente el tratamiento de los cultivos; posteriormente, un prensado o extracción del aceite; y, finalmente, transesterificación. También, el biodiesel se puede obtener de biomasa lignocelulósica, pero con un proceso más complejo. Según Papapostolou26 las principales actividades - etapas usualmente incorporadas en la BSC (Biofuels Supply Chain) son los siguientes (figura 3): 1) Producción de materias primas (que se relaciona con la disponibilidad de tierras y la idoneidad, la eficiencia del suelo asociado a diferentes tipos de plantas); 2) La producción de biocombustibles (que se refiere a la transformación de las materias primas en biocombustibles a través de diversos procesos de conversión); 3) Mezcla (en el caso de que los biocombustibles se proporcionan a los consumidores finales se mezcla con los combustibles convencionales) y 4) El transporte de biocombustibles y, finalmente, el consumo en la red de distribución. Figura 3. Etapas de la Cadena de Abastecimiento de los Biocombustibles Importaciones

Cultivo Materias primas

Estado Materias primas Biocombustible

Importaciones

Producción Biocombustibles

Estado Producción Biocombustible

Exportaciones

Mezcla Biocombustibles

Estado Final Biocombustible

Exportaciones

Fuente. PAPAPOSTOLOU, Christiana; KONDILI, Emilia y KALDELLIS, John K. Development and implementation of an optimisation model for biofuels supply chain. In: Energy. October – November, 2011. vol. 36, no. 10, p. 6019 - 6026. En 2011, se presenta una caracterización de la caña panelera en Colombia, así como los proyectos vigentes y el desarrollo para la producción de biocombustibles en este país. Los datos históricos son tratados con estadística multivariada y redes neuronales, con el fin de predecir el comportamiento futuro de la producción de caña panelera. También se presenta un diagrama causal donde se identifican los factores y variables relevantes en este sistema productivo. 1.5.1.1 Costos. “El biodiésel puede ser producido económicamente en un amplio rango de lugares, tanto de asentamiento rural como urbano, y en diferentes escalas dependiendo de los requerimientos específicos: pequeñas para autoconsumo o comerciales para usos industriales”27. En consecuencia, “el biodiésel es actualmente puesto a la vanguardia como el combustible alternativo 26

PAPAPOSTOLOU, Christiana; KONDILI, Emilia y KALDELLIS, John K. Development and implementation of an optimisation model for biofuels supply chain. In: Energy. October – November, 2011. vol. 36, no. 10, p. 6019 - 6026. 27 INSTITUTO INTERAMERICANO DE COOPERACIÓN PARA LA AGRICULTURA IICA, Op. cit., p. 6

29

más viable para los motores de encendido por compresión (Diésel), que como se explicó, puede ser producido a partir de fuentes renovables a través de una simple y rentable transesterificación, compatible con las infraestructuras existentes”28. Según Arístegui 29 los costos de producción de los biocombustibles, para este caso, biodiésel, varían ampliamente de un proceso a otro y de una región a otra: estas diferencias se deben, fundamentalmente, a los costos de las materias primas, al tipo de energía usado para llevar acabo el procesamiento, tanto calórica como eléctrica, y a los precios obtenidos para los subproductos derivados durante el proceso de producción. De la propia naturaleza del biodiésel, resulta claro que su producción está ligada a la producción de lípidos, aceites y grasas de origen vegetal o animal. La importancia del complejo aceitero para la capacidad competitiva de producir biodiésel se pone manifiesta si se considera que la materia prima, es decir, el aceite, forma el 75% del costo de producción del biodiésel (véase la Figura 4). Figura 4. Estructura Típica de los Costos de Producción del Biodiésel. 80% 70% 60% 50% 40% 30% 20% 10% 0% Porcentaje

Materias prima (aceite)

Químicos

Energía

Mano de obra

Depreciación

Mantenimiento y overhead

75%

11%

2%

4%

6%

4%

Fuente. INSTITUTO INTERAMERICANO DE COOPERACIÓN PARA LA AGRICULTURA IICA. Atlas de la Agroenergía y los Biocombustibles en las Américas: II Biodiesel. Costa Rica: IICA, 2010. p.4 Las estrategias requeridas para una industria de biodiésel estable y sostenida deberán estar basadas principalmente en los principios del libre mercado con un mínimo de “intervenciones artificiales”, por lo que hacen necesarias las políticas pertinentes y los avances tecnológicos apropiados en técnicas de producción y obtención de materias primas para mantener su competitividad económica. 28 29

NG; NG y GAN, Op. cit., p. 214 ARÍSTEGUI, Op. cit., p. 113

30

1.5.1.2 Materias Primas. Aunque potencialmente se pueden usar múltiples fuentes alternativas para obtenerlo, casi la totalidad del biodiésel que se produce actualmente proviene de los aceites de origen vegetal. La producción mundial de aceite vegetal creció de forma constante durante el período 1995 – 2011 a un ritmo del 5% anual (véase la Figura 5) hasta superar en el 2007 las 128 millones de toneladas anuales. Figura 5. Producción Mundial de Aceite Vegetal 1995 - 2011 160

Producción (millones Ton)

140 120 g = 5%

100 80 60 40 20 0 1995

1996

1997 1998

1999 2000

2001

2002 2003

2004

2005 2006

2007

2008 2009

2010

2011

Año

Fuente. El Autor La producción mundial de aceite se encuentra repartida entre la UE y tres grandes países productores: Indonesia, Malasia, China. Entre los cuatro, engloban el 56% de la producción mundial. Solo tres países americanos, Estados Unidos, Argentina y Colombia (con el 7%, 6% y 5% de la producción mundial, respectivamente) se encuentran entre los primeros siete países productores de aceite del mundo (véase el Cuadro 2). Cuadro 2. Principales Países Productores de Aceite Vegetal Producción (millones de toneladas) País Indonesia Malasia China Unión Europea Estados Unidos Argentina Colombia Otros Total

2007

2008

2009

2010

2011

20,98 19,73 14,69 14,49 10,55 8,49 6,85 32,92 128,7

23,69 19,43 16,11 15,48 9,67 7,37 6,78 35,14 133,7

25,59 19,94 17,88 16,71 10,07 7,72 7,14 35,57 140,6

27,3 20,44 18,99 16,42 9,8 8,74 7,75 37,72 147,2

29,1 20,96 20,06 16,27 9,68 8,93 7,96 39,4 152,4

Fuente. El Autor

31

Participación Promedio 18,0% 14,3% 12,5% 11,3% 7,1% 5,9% 5,2% 25,7% 100,0%

El Aceite vegetal proviene de diversos cultivos, principalmente de: palma, soja y colza (figura 6). Estos tres cultivos proveen el 76% de la oferta mundial de aceite. El restante 24% se origina en cultivos como maní, algodón, oliva y girasol (IICA, 2010) (USDA 2012). Figura 6. Composición de la Oferta de Aceite Vegetal por Fuente 35% 30% 25% 20% 15% 10% 5% 0% Porcentaje

Palma

Soja

Colza

Girasol

Otros

33%

28%

15%

9%

15%

Fuente. El Autor La palma y la soja en la producción actual de biodiésel son las dos fuentes principales de aceite vegetal a escala mundial. En lo que respecta al aceite de soja, su producción creció al mismo ritmo del 5% que la producción total de aceite, mientras que la producción de aceite de palma lo hizo a un ritmo más acelerado del 7,6% anual durante el mismo período, lo que provocó que a partir del 2005 el volumen anual producido de aceite de palma fuera superior al de soja (véase la Figura 7). Figura 7. Producción Mundial de Aceite de Palma y Soja 1995 – 2011

Producción (millones Ton)

60 50 g (palma) = 7,6 % 40 g (soja) = 5 %

30

Soja Palma

20 10 0 1995 1996 1997 1998 1999 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011

Año

Fuente. El Autor

32

El nivel de producción de aceite de palma de los principales países productores se muestra en el Cuadro 3. La Mayor cantidad de producción se encuentra concentrada en tres países asiáticos: Indonesia, Malasia y Tailandia, representando 90,1% de la producción mundial. Solo un país americano y uno africano: Colombia y Nigeria, se encuentran entre los primeros cinco países productores de aceite del mundo, con una participación del 1,8% y 1,7% respectivamente. Cuadro 3. Producción de Aceite de Palma por País Producción (miles de toneladas) País 2007 Indonesia 18000 Malasia 17567 Tailandia 1050 Colombia 780 Nigeria 820 Otros 2867 Total 41084 Fuente. El Autor

2008 20500 17259 1540 795 850 3048 43992

2009 22000 17763 1345 770 850 3134 45862

2010 23600 18215 1288 775 850 3202 47930

2011 25400 18700 1450 885 850 3281 50566

Participación 2011 50,2% 37,0% 2,9% 1,8% 1,7% 6,5% 100,0%

1.6 EVOLUCIÓN Y FUTURO DEL BIODIÉSEL La producción mundial de biodiésel se mantuvo relativamente estable entre dos y tres millones de toneladas anuales hasta el 2004 (véase la Figura 8). En el 2005 la producción aumenta alcanzando un nivel de 20 mil millones de litros en el 2010 (CEPAL, 2011b) (IICA, 2010). “A pesar de que en la actualidad los biocombustibles representan poco más del 1% de la demanda total de combustible para transporte (y entre el 4% y el 7% para el 2030 según las proyecciones de la Agencia Internacional de Energía, AIE), los biocombustibles parecen una buena oportunidad frente a los elevados precios del crudo internacional”30.

30

ARISTEGUI, Op. cit., p. 115

33

Figura 8. Producción de Biodiésel en el Mundo

Fuente. CEPAL. Análisis comparativo de patentes en la cadena de producción de biocombustibles entre América Latina y el resto del mundo. Santiago, Chile. Comisión económica para América Latina y el Caribe. Memorias Diálogo de Políticas sobre desarrollo institucional e innovación en biocombustibles en América Latina y el Caribe. Santiago de Chile: La CEPAL, 28 y 29 de marzo, 2011. “Hoy en día los costos de producción del biodiésel son entre 1,5 y 3 veces más altos que para el diésel fósil. No obstante, cuando esto se haya atenuado, el biodiésel será un combustible de motor razonablemente disponible en un futuro cercano”31. Igualmente, “debido al incremento de los precios de la gasolina y el diesel fósil en todos los escenarios internacionales, y teniendo en cuenta el resto de exenciones fiscales, los biocombustibles se volverán competitivos en los próximos años”32. “El reciente aumento en el uso potencial de biodiésel se debe no sólo al incremento del número de plantas productoras, sino también al tamaño de las instalaciones utilizadas en su producción. El crecimiento en la industria del biodiésel se espera que tenga un impacto significativo en el precio de las materias primas del biodiésel. Este crecimiento en la industria del biodiésel aumentará la competencia”33. “Con la inminente disponibilidad comercial de la futura generación de biodiésel, económicamente cada vez más factible, este combustible debe permanecer como 31

DEMIRBAS, Ayhan. DINCER, K. (2008). Sustainable Green Diesel: A Futuristic View. In: Energy Sources. 2008. Part A, vol. 30, p. 1233–1241 32 AJANOVIC, A. HAAS, R. (2010). Economic challenges for the future relevance of biofuels in transport in EU countries. January – February, 2010. vol. 35, no. 8, p. 3340 33 DEMIRBAS, Op. cit., p. 3341

34

un sustituto del diesel fósil que potencialmente puede satisfacer a mediano plazo las necesidades de energía para formar parte de la solución total a la energía en todo el mundo y los problemas ambientales”34. 1.7 ESTRUCTURA DE LA CADENA PRODUCTIVA DEL BIODIÉSEL En general, las materias primas de la biomasa fuente (palma de aceite africana, cocotero, higuerilla, etc.) son transportadas en camiones desde las fincas a las plantas de biorrefinación de biocombustibles. Las instalaciones de almacenamiento son necesarias entre las fincas y las biorrefinerías. El almacenamiento de pretratamiento también se proporciona para garantizar la frescura de las materias primas y aumentar la tasa de rendimiento. En la mayoría de los casos, la materia prima o las materias primas son transportadas desde las fincas directamente a las biorrefinerías. Las materias primas de biomasa fuente se convierten en productos terminados35.

Una breve descripción del funcionamiento de los elementos o subsistemas de la cadena de suministro de biocombustibles se presenta en el Cuadro 4. Cuadro 4. Principales Sistemas en la Cadena de Abastecimiento de los Biocombustibles Sistema de la cadena de abastecimiento Producción de materias primas Logística de materias primas

Producción de Biocombustibles Distribución de los biocombustibles Uso final de los biocombustibles

Descripción de las actividades De biomasa herbácea y de madera disponible regionalmente, incluidos los residuos agrícolas y forestales, cultivos energéticos y materiales de desecho. Implementar la infraestructura para biomasa, equipos, mano de obra, y los sistemas para llevar a cabo la cosecha, recolección, almacenamiento, pre-procesamiento, y las operaciones de transporte. Implementar de forma rentable las instalaciones de conversión de la biomasa a biocombustibles, cumpliendo con todos los reglamentos de seguridad y medio ambiente para producir biocombustibles que cumplan con los estándares de calidad. Implementar la infraestructura de distribución de biocombustibles para llevar a cabo el almacenamiento, mezcla, transporte, y las operaciones de dispensación. Facilitar la disposición al público de los biocombustibles con un rendimiento similar al diesel derivado del petróleo.

Fuente. NACEPT. (2007). Strategic Framework for Biofuels Efforts. National Advisory Council for Environmental Policy and Technology. Washington: NACEPT, 2007

34

NG; NG y GAN, Op. cit., p. 215 NACEPT. (2007). Strategic Framework for Biofuels Efforts. National Advisory Council for Environmental Policy and Technology. Washington: NACEPT, 2007. 35

35

Según el IICA, se reconocen cuatro grandes sectores interrelacionados en la cadena productiva de biodiésel: 1) Un sector productor del aceite, materia prima fundamental para la obtención del biodiésel, el cual comprende dos subcomponentes: un subsector de producción de las fuentes, vegetales y animales, de aceite, y otro subsector que transforma la fuente en aceite. 2) Un sector de producción de biodiésel, en el cual se procesa el aceite para la producción de biodiésel. 3) Un sector de mercado de biodiésel, donde se documenta el consumo aparente de biodiésel a nivel nacional, definido como consumo + (importaciones -exportaciones). Y 4) El marco legal y regulatorio, fundamental para el funcionamiento de la industria de producción y consumo sostenible de biodiésel. Awudu y Zhang 36 muestran el marco general de la cadena de suministro de biocombustibles. De acuerdo con este autor, los principales elementos de la cadena de suministro de biocombustibles son los siguientes: (1) fincas, (2) instalaciones de almacenamiento, (3) plantas de biorrefinerías, (4) instalaciones de mezcla, (5) puntos de venta y el transporte (6) (véase la Figura 9). Figura 9. Cadena de Suministro de Biocombustibles Estación

Terminal para mezcla y almacenamiento

Estación

Terminal para mezcla y almacenamiento Biorrefinería de etanol

Granja Cooperativa

Granjas vecinas

Fuente. AWUDU, Iddrisu y ZHANG, Jun. (2012). Uncertainties and sustainability concepts in biofuel supply chain management: A review. In: Renewable and Sustainable Energy Reviews. February – March, 2012. vol. 16, no. 2, p. 1359– 1368.

36

AWUDU, Iddrisu y ZHANG, Jun. (2012). Uncertainties and sustainability concepts in biofuel supply chain management: A review. In: Renewable and Sustainable Energy Reviews. February – March, 2012. vol. 16, no. 2, p. 1359– 1368.

36

De una manera más simplificada, Huang 37 representa la cadena productiva de biocombustibles como una típica cadena de suministro. Por lo tanto, el problema de diseño de sistemas de biocombustibles lo considerada dentro de la categoría general de los problemas de localización de la cadena de suministro (véase la Figura 10). Figura 10. Cadena Productiva de Biocombustibles

Planta Estación

Planta

Estación Planta

Fuente. HUANG, Yongxi; CHEN, Chien-Wei y FAN, Yueyue. (2010). Multistage optimization of the supply chains of biofuels. In: International Journal. March, 2010. vol. 46, no. 6, p. 820-830 Para An38 la estructura de flujo de red basada en materias primas de biomasa agrícola se muestra en la Figura 11. Esta red multinivel muestra las potenciales ubicaciones y capacidades de las fincas (F) y sitios de almacenamiento de la biomasa (S); pre-instalaciones de procesamiento (P), biorrefinerías (R), centros de distribución (D); y estaciones de servicio (G), que abastecen a los clientes (C). Los posibles lugares para los inventarios se denotan por I (Ss, Ds y Gs son los inventarios por naturaleza).

37

HUANG, Yongxi; CHEN, Chien-Wei y FAN, Yueyue. (2010). Multistage optimization of the supply chains of biofuels. In: International Journal. March, 2010. vol. 46, no. 6, p. 820-830 38 AN, Heungjo. WILHELM, Wilbert E. SEARCY, Stephen W. (2011). Biofuel and petroleum-based fuel supply chain research: A literature review. In: Biomass and Bioenergy. October, 2011. vol. 35, no. 9, p. 3763 – 3774.

37

Figura 11. Estructura General de la Cadena de Biocombustible

F I Parte superior de la cadena (Upstre am)

S I P I

Parte media de la cadena (Midstr eam)

I R I

Parte inferior de la cadena (Downst ream)

D G C

Fuente. AN, Heungjo. WILHELM, Wilbert E. SEARCY, Stephen W. (2011). Biofuel and petroleum-based fuel supply chain research: A literature review. In: Biomass and Bioenergy. October, 2011. vol. 35, no. 9, p. 3763 – 3774. Según el informe de la CEPAL (2007), para producir biodiesel con la calidad necesaria para los motores diesel, de forma sostenible, el proceso de producción requiere la participación integrada de los tres sectores productivos: el sector primario (agrícola), el sector secundario (industrial) y el sector terciario (servicios). La Figura 12 presenta la cadena productiva completa del biodiesel.

38

Figura 12. Cadena Productiva del Biodiesel CEPAL

Fuente. A partir de CEPAL (2007) El sector primario está representado por los proveedores de los insumos agrícolas y por la producción de las oleaginosas propiamente dichas: semillas o frutos. Además de producir oleaginosas, el sector agrícola también realiza otras funciones tales como el tratamiento básico y el almacenamiento del producto hasta su transporte al sector industrial. Una buena productividad agrícola es fundamental para que el aceite tenga costos bajos. El sector industrial, en principio, se divide en dos subsectores: el dedicado a la extracción del aceite de las oleaginosas y el encargado de la producción del biodiesel. En general, estas dos gremios no están integrados. La etapa de extracción de aceite constituye una industria que está orientada a la producción de aceites en grados comerciales, y tiene varios procesos con la finalidad de obtener la calidad necesaria para cada uno de los usos del aceite, dictados por el mercado a ser atendido. La segunda etapa industrial es la producción del biodiesel a partir del aceite. En primer lugar, la materia prima debe ser preparada para una reacción eficiente. Para que la transformación de triglicéridos en biodiesel sea eficiente; es necesario poner considerable exceso de metanol, el cual quedará en la fase de la glicerina. El biodiesel producido en la transesterificación necesita ser purificado. Para que los subproductos puedan ser aprovechados, el metanol debe ser recuperado de la fase de producción de glicerina; a su vez, ésta debe ser purificada para poder ganar condiciones de comercialización.

39

Después de producido, el biodiesel necesita llegar hasta los biorrefinadores. Para la comercialización amplia, es necesario que los distribuidores de combustibles y estaciones de servicio estén integrados al proceso y preparados para almacenar el biodiesel, hacer la mezcla con diesel y atender a los consumidores individuales. Por su parte, Gualteros 39 a partir de la información recopilada de la cadena productiva del biodiésel en diferentes países y del estado actual de la cadena en Colombia, propone un esquema de la cadena productiva del biodiésel a partir de palma africana, en el cual se incluyen no solo los eslabones de producción de biodiésel sino el entorno institucional y organizacional de la cadena, con el fin de tener una visión global del proceso y poder, además, identificar los posibles actores de la cadena que puedan participar en el estudio de la misma. La Figura 13 describe la estructura detallada de la cadena. En ella se destacan los diferentes eslabones pertenecientes al proceso productivo, a la comercialización del biodiésel y a sus interacciones (Gualteros, 2011). Figura 13. Esquema General de la Cadena Productiva CADENA PRODUCTIVA DEL BIODIESEL A PARTIR DE PALMA AFRICANA Sector primario o agrícola

Proveedores

Semillas y plántulas

Cultivadores

Sector secundario o industrial

Extractores

Que | Agroindustria

Fertilizantes y agroquímicos

Industriales

Que NO incorporan tecnología

ENTORNO GUBERNAMENTAL

Plantas de transesterificación

Sector terciario: distribución y ventas

Comercializadores

Instalaciones de almacenamiento y mezcla

Biorrefinerías locales Consumidor Internacional

Estaciones de Servicio

ENTORNO GREMIAL

Consumidores

Consumidor Nacional

ENTORNO INSTITUCIONAL

Fuente- GUALTEROS S, Juan Manuel. Estudio prospectivo de la cadena productiva del biodiésel a partir de palma africana en Colombia. Bogotá: Universidad Nacional, 2011 39

GUALTEROS S, Juan Manuel. Estudio prospectivo de la cadena productiva del biodiésel a partir de palma africana en Colombia. Bogotá: Universidad Nacional, 2011

40

Como se puede apreciar en el esquema, la cadena productiva se divide en tres grandes sectores: el Agrícola, el Industrial y el de Servicios; y cada uno de ellos se subdivide en otros eslabones los cuales conforman la totalidad de la cadena. En el primer sector se encuentra, al inicio de la cadena, el eslabón de los proveedores. Ellos son los encargados del suministro de insumos a los cultivadores y de su buen desempeño depende la obtención de semillas, plántulas, fertilizantes y agroquímicos de calidad y a precios competitivos, también es importante destacar que la gran mayoría de integrantes de este eslabón no participan de forma exclusiva en la cadena, sino que por su razón social pertenecen a su vez a diferentes cadenas agrícolas. El otro eslabón del primer sector de la cadena es el de los cultivadores. El sector secundario o industrial se divide en dos eslabones: el primero de ellos es el de los Industriales, dedicados a la extracción del aceite crudo de palma, actividad comúnmente desarrollada en locaciones o centros de acopio cercanos a los cultivos. De este eslabón es necesario comentar que el producto entregado a la cadena Aceite crudo de palma es compartido entre la cadena del biodiésel y la industria de los alimentos y cosméticos, pues dicha materia prima también es base para la producción de artículos en dichas industrias. El segundo componente del sector son las plantas industriales que se encargan de producir el biodiésel a partir de procesos de transformación química al aceite de palma (transesterificación). Finalmente es necesario comentar que las dos actividades que componen el sector podrían llegar a integrarse dentro de un único bloque industrial. Por último, el sector terciario está conformado por todas las empresas que participan en el proceso de distribución y venta a los usuarios de combustible diésel, es decir plantas de almacenamiento y mezcla, centros de distribución y estaciones de servicio a las cuales acuden los usuarios a adquirir el producto final de la cadena, mezcla Diésel-Biodiésel para sus vehículos. 1.8 BIODIESEL A PARTIR DE PALMA AFRICANA EN COLOMBIA Colombia es el primer productor de palma de aceite en América Latina y el cuarto en el mundo. Tiene como fortaleza un gremio que cuenta con sólidas instituciones, ya que desde 1962 fue creada la FEDEPALMA. En cuanto a su historia, la palma se introdujo en el país en 1932 y fue sembrada con fines ornamentales en la estación agrícola de Palmira (Valle del Cauca). El cultivo comercial solo comenzó en 1945 cuando se estableció una plantación en la zona bananera del departamento de Magdalena40 40

FEDEPALMA. Palma en línea . Bogotá: La Federación citado 20 enero, 2013 . Disponible en Internet:

41

La expansión del cultivo ha mantenido un crecimiento sostenido. “A mediados de la década de los sesentas, existían 18 mil hectáreas en producción y de superficie de siembra es de 427 mil hectáreas aproximadamente, de las cuales un 62.5% se encuentra en estado de producción y el 37.5% restante está en su fase de desarrollo”41. En la figura 14 se muestra la evolución de área productiva y área en desarrollo. Figura 14. Evolución de la Superficie de Cultivo de Palma Aceitera en Colombia Superficie de cultivo (miles de hectáreas)

450 400 350 300 250 200 150 100 50 0 Desarrollo

2001

2002

2003

2004

2005

2009

2010

2011

31,1

43,4

60

85,7

106,3 114,7 107,1 115,2 126,2

2006

2007

2008

153

160,4

Producción 130,1 141,8 146,8 153,2 163,8 177,9 199,4 220,2 234,3 250,7

267

Fuente. FEDEPALMA. Palma en línea . Bogotá: La Federación citado 20 enero, 2013 . Disponible en Internet: La producción de aceite de palma se distribuye en cuatro zonas productivas, como se muestra en la Figura 15. Figura 15. Distribución de la Superficie de Cultivo de Palma Aceitera en Colombia

Fuente. FEDEPALMA. Palma en línea . Bogotá: La Federación citado 20 enero, 2013 . Disponible en Internet: 41

FEDEPALMA. Palma en línea . Bogotá: La Federación citado 20 enero, 2013 . Disponible en Internet:

42

A continuación se citan los departamentos con cultivo de palma aceitera según la región: Norte: Magdalena, Cesar (Norte), Atlántico, Guajira. Central: Santander, Norte de Santander, Cesar (Sur), Bolívar. Oriental: Meta, Cundinamarca, Casanare, Caquetá. Occidental: Nariño. De acuerdo con cifras de la FEDEPALMA, los departamentos que poseen más área sembrada en palma de aceite son en su orden: Meta (1), Cesar (2), Santander (3), Magdalena (4), Nariño (5), Casanare (6), Bolívar (7), Cundinamarca (8) y Norte de Santander (9). En Colombia la principal fuente de aceite es la palma aceitera. Sin embargo, existen otros ocho cultivos que pueden proveer aceite para la fabricación de biodiésel: coco, higuerilla, aguacate, jatropha, colza, maní, girasol y soya. En la Tabla 3 se muestran los rendimientos potenciales de algunas fuentes potenciales de aceite como materia prima para la elaboración de biodiesel (fedepalma 2009). Cuadro 3. Rendimiento de las Principales Fuentes Vegetales por Tipo de Cultivo

Fuente. INSTITUTO INTERAMERICANO DE COOPERACIÓN PARA LA AGRICULTURA IICA. Atlas de la Agroenergía y los Biocombustibles en las Américas: II Biodiesel. Costa Rica: IICA, 2010. La producción de aceite de palma ha crecido de forma constante desde 1995, pero es desde el 2004 cuando la tasa de crecimiento se duplica del 4% al 8% promedio anual, marcando el inicio de una nueva tendencia creciente de la producción. El incremento de la producción de aceite de palma se muestra en la Figura 16.

43

Figura 16. Evolución de la Producción de Aceite de Palma en Colombia Producciónde Aceite de palma (miles de toneladas)

1000 900 800 700 600 500 400 300 200 100 0 Prod.

2000

2001

2002

2003

2004

2005

2006

2007

2008

2009

2010

2011

520

544

525

525

630

660

714

733

776

801

846

942

Fuente. FEDEPALMA. Palma en línea . Bogotá: La Federación citado 20 enero, 2013 . Disponible en Internet: Se puede observar que entre los años 2004 (año de inicio de la nueva tendencia de crecimiento) y 2011, el incremento anual promedio de la producción de aceite de palma fue de 52.000 toneladas. Los productos de la palma se utilizan en la industria agroalimentaria, la industria química, cosmética y alimentación animal. Respecto al aceite de palma, su uso industrial se dirige principalmente hacia el mercado tradicional (descrito anteriormente) y el mercado de los biocombustibles. En la figura 17 se presenta la distribución de los destinos de aprovechamiento del aceite de palma. Figura 17. Usos de la Producción Nacional de Aceite de Palma 1000 900

176

Miles de Toneladas

800

146

700

230

600 500

90

254

236

111

145

454

414

380

376

424

2001

2002

2003

2004

2005

400

251

302

325 153

9

41

463

422

410

418

2006

2007

2008

2009

337

385

300 200

363

381

2010

2011

100 0

Mercado Tradicional

Biodiesel

Otros usos y mercados

Fuente. FEDEPALMA. Palma en línea . Bogotá: La Federación citado 20 enero, 2013 . Disponible en Internet: 44

“El crecimiento sostenido de esta actividad ha sido el resultado de la dinámica de crecimiento de la agroindustria de la palma de aceite en Colombia, la cual ha mostrado capacidad para atender volúmenes crecientes de exportaciones, así como el desarrollo de nuevos mercados locales, alternativos al mercado tradicional, principalmente el aprovisionamiento de materia prima para la elaboración de biodiesel”42 (IICA 2010). En Colombia se observa una tendencia favorable para los productores de biocombustibles en cuanto a legislación y políticas (Rodríguez et al., 2009). En 2011, se produjeron 442.000 toneladas de biodiesel y se constituyó en el principal mercado local para el aceite de palma. Las plantas de refinación de biodiesel y sus capacidades se presentan en el Cuadro 5. Cuadro 5. Capacidad de Producción de Biodiesel por Empresa en Colombia Empresa

Región

Oleoflores

Codazzi, Cesar Santa Marta, Magdalena

Odin Energy Biocombustibles sostenibles del Caribe Bio D Manuelita Clean Energy Ecodiesel Biocastilla

Santa Marta, Magdalena Facatativá, C/marca San Carlos de Guaroa, Meta Barranquilla, Atlántico Barrancabermeja, Santander Castila la Nueva, Meta Total

Capacidad (toneladas/año) 70.000

Capacidad (litros/día) 169.000

Fecha entrada en operación Enero 2008

36.000

121.000

Junio 2008

100.000

337.000

Marzo 2009

100.000

337.000

Febrero 2009

100.000

337.000

Julio 2009

40.000

134.976

Octubre 2009

100.000

337.000

Junio 2010

10.000

33.744

Diciembre 2009

556.000

1.806.720

Fuente. El Autor Adicionalmente existen dos plantas de una producción mucho menor: una en Tumaco (Nariño), con una capacidad de 3.000 litros/día, y otra en Zulia (Norte de Santander) con una capacidad de 20.000 litros/día. La producción de biodiesel en Colombia se presenta en la Figura 18. Como se observa, la producción de Biodiesel comienza en el año 2008 y su nivel ha aumentado hasta superar las 440.000 toneladas en el año 2011. La producción para el año 2012 se estima en más de 500.000 toneladas.

42

INSTITUTO INTERAMERICANO DE COOPERACIÓN PARA LA AGRICULTURA IICA, Op. cit. p. 5,

45

Figura 18. Producción de biodiesel en Colombia

Producción (Miles de Toneladas)

600 500 400 300 200 100 0

2007

2008

2009

2010

2011

2012

0

22,73

163,07

337,71

443,03

506

Producción

Fuente. El Autor También es relevante la clara intención gubernamental por ganar mercado y competitividad en el campo internacional. Sin embargo, se evidencias los conflictos entre las políticas agrícolas y las de biocombustibles. 1.9 HERRAMIENTAS MATEMÁTICAS UTILIZADAS PARA LA GESTIÓN DE LA CADENA PRODUCTIVA DEL BIODIÉSEL El uso de la Investigación de Operaciones y, específicamente, las técnicas de optimización, han tenido éxito en las últimas décadas en su aplicación a la agroindustria en diferentes países. La clasificación y aplicación de modelos se presenta continuación. 1.9.1Clasificación. An en su artículo de revisión sobre modelos aplicados a la cadena productiva de biocombustibles y combustibles fósiles, concluye que los estudios sobre biodiésel se relacionan principalmente con los procesos en los niveles superiores de la cadena, o los procesos “upstream”, (es decir, de los proveedores de biomasa a las plantas de conversión) especialmente a niveles de decisión operacional o integrados (de estratégico a operacional). La razón es que inicialmente las investigaciones se han enfocado en evaluar varios tipos de materias primas y probar la eficiencia de la logística del mismo. En la revisión de la literatura no se encontraron estudios que optimicen las operaciones de conversión, en los niveles medios de la cadena o “midstream”, porque muchas tecnologías están todavía siendo desarrolladas y evaluadas. Adicionalmente, los autores afirman que varios estudios se han basado en un modelo de programación lineal entera mixta (MILP por sus siglas en inglés) de producción / distribución.

46

Una clasificación de los 30 artículos revisados por An se muestra en la Figura 19. En la figura se clasifican los modelos matemáticos según el nivel de la cadena productiva (upstream, midstream y downstream) y nivel de decisión (estratégico, táctico, operativo e integral). Figura 19. Categorización de los Artículos Relacionados a SCM de Biocombustibles 20 15 10 5

Operativa Táctica Estratégica Integrada

0

Fuente. AN, Heungjo. WILHELM, Wilbert E. SEARCY, Stephen W. (2011). Biofuel and petroleum-based fuel supply chain research: A literature review. In: Biomass and Bioenergy. October, 2011. vol. 35, no. 9, p. 3763 – 3774. En este estudio se revisaron 26 artículos sobre modelos matemáticos para apoyar la toma de decisiones en cadenas de biodiesel, y cadenas productivas con características semejantes a las de la cadena del biodiesel (bioetanol y biomasa en general), hasta abril de 2012. Los artículos, país y herramienta matemática utilizada se recopilan en el Cuadro 6.

47

Cuadro 6. Resumen artículos de SCM de biocombustibles N° 1 2

Autor Chien y Yueyue Kim et.al.

Año 2011 2011

País USA USA y Corea

3

Orjuela et. al.

2011a

Colombia

4 5 6 7 8 9 10 11 12 13

Orjuela et. al. Papapostolou et. al. Zhang et.al. Zhu et. al. Eksioglu y Petrolia Flórez Huang et. al. Zapata et. al. Eksioglu et. al. Constantino, et. al

2011b 2011 2011 2011 2010 2010 2010 2010 2009 2008

Colombia Grecia China y Portugal USA USA Colombia USA Colombia USA Portugal

14

Lejars et. al.

2008

Francia

15 16 17 18

Ravula et.al. Dunnett et. al. Kumar y Sokhansanj Sokhansanj et. al.

2008 2007 2007 2006

USA Inglaterra USA y Canadá USA y Canadá

19

Martins et. al.

2005

Portugal

20 21 22

Troncoso y Garrido Gunnarsson et. al. Higgins y Postma

2005 2004 2004

Chile Suecia Australia

23

Gigler et. al.

2002

Holanda

24

De Mol et. al.

1997

Holanda

25 26

Cundiff Gallis

1996 1996

USA Grecia

Herramienta MISP MILP Dinámica de sistemas Análisis multivariado Redes neuronales Dinámica de Sistemas MILP MILP MILP MILP Dinámica de sistemas MILP Dinámica de sistemas MILP Programación entera Paquete de simulación MAGI Simulación discreta MILP Modelo IBSAL Modelo IBSAL MILP, column generation MILP MILP MILP Programación dinámica (DP) Simulación (Prosim) Programación entera mixta (MIP) Programación lineal Simulación

MISP: programación estocástica entera mixta. MILP: Programación lineal entera mixta. IBSAL: Logística y análisis de la Cadena de Biomasa Integrada (Integrated Biomass SupplyAnalysis and Logistics)

Fuente. El Autor En la medida de los años recientes se ha notado un incremento en el número de artículos escritos con modelos matemáticos para SCM de biocombustibles y afines (biomasa, bioetanol, entre otras), tal como se presenta en el Cuadro 6. En ella se observa que el país con mayor cantidad de estudios es USA, con un total de 10 artículos (38% del total de artículos revisados), mientras que la mayoría de los artículos restantes son de países de Europa (38%). El porcentaje restante (24%) 48

se distribuye entre el Pacífico Sur y Suramérica. Algunos estudios fueron realizados colaborativamente entre dos países: USA - Canadá, USA – Corea del sur y Portugal – China. (En este caso se han asignado al país con más artículos). En los dos últimos casos, se observa una participación de países asiáticos como China y Corea del sur. Dentro de los artículos revisados, nueve van destinados a cadenas de Biomasa Lignocelulósica y ocho a biomasa de residuos. Estas biomasas pueden ser utilizadas para la obtención de biodiesel, bioetanol, generación de calor u otros usos. Cinco artículos estudian la biomasa procedente de cultivos de azúcar y almidón, para la producción de bioetanol y alimento. Finalmente, cuatro artículos se refieren a biomasa de plantas oleaginosas para la producción de biodiesel y alimento. En la Figura 20 se representa el porcentaje correspondiente a las cadenas tratadas en los artículos. Figura 20. Distribución de los Artículos de Supply Chain Management por Cadena

Fuente. El Autor En el Cuadro7 se observa que la herramienta más utilizada para la formulación de modelos matemáticos es la programación matemática, y dentro de esta, la más utilizada es la programación lineal entera mixta (MILP) (con un 50% de los artículos revisados). En segunda instancia, la herramienta más utilizada es la simulación y dinámica de sistemas (31%), teniendo en cuenta que se han desarrollado en diferentes aplicaciones computacionales. El diseño y gestión de la cadena es el objetivo utilizado con mayor frecuencia en los modelos de SCM evaluados (35% del total de artículos revisados). En segunda instancia se encuentran modelos con objetivos varios (Otros) los cuales corresponden a análisis y cuantificación de variables en las cadenas productivas, evaluadas principalmente por las herramientas simulación y dinámica de sistemas.

49

Cuadro 7. Objetivos y Herramientas utilizados en los modelos de SCM Herramienta Objetivo IBSA Simulació DP LP MILP MISP DS L n Diseño 2 1 Diseño y gestión 7 1 1 Gestión 1 2 Programación 3 1 cosechas Otros 1 2 4 Total 1 2 1 13 1 4 4

Total 3 9 3 4 6

DP: Programación Dinámica IBSAL: Logística y análisis de la Cadena de Biomasa Integrada (Integrated Biomass Supply Analysis and Logistics) LP: Programación lineal MILP: Programación lineal entera mixta MISP: Programación estocástica entera mixta DS: Dinámica de Sistemas

Fuente. El Autor Los objetivos de los modelos matemáticos encontrados se presentan detalladamente en el Cuadro 8. Se observa que la mayoría de los modelos se dirigen a optimizar los costos o ganancia de la cadena, independientemente si el modelo busca el diseño, gestión o programación de la cadena. Cuadro 8. Objetivos y características de los modelos desarrollados en los artículos de SCM Autor Año Chien y Yueyue 2012

Objetivo Diseño y gestión de la cadena del bioetanol Minimización los costos de la cadena Kim et.al. 2011 Diseño y gestión de la cadena de biocombustibles Maximización ganancia total de la cadena Orjuela et. al. 2011a Pronostico del comportamiento de la producción de bioetanol Identificación de factores y variables relevantes en el sistema Orjuela et. al. 2011b Identificación y análisis de factores y variables relevantes en lo que respecta a la problemática de la dicotomía en el uso del suelo. Papapostolou 2011 Diseño y gestión de la cadena de biocombustibles et. al. Maximización el rendimiento total de la cadena Zhang et.al. 2011 Gestión de la cadena forestal Maximización el beneficio económico de los boques Minimización el impacto negativo en el hábitat forestal Zhu et. al. 2011 Gestión de la cadena de biomasa Maximización ganancia Eksioglu y 2010 Diseño y gestión de la cadena de biocombustibles Petrolia Minimización del costo de la cadena Flórez et. al. 2010 Análisis de políticas actuales de producción de biocombustibles y de cambios posibles para alcanzar la producción deseada.

50

Cuadro 8. (Continuación) Autor Huang et. al.

Año 2010

Zapata et. al.

2010

Eksioglu et. al.

2009

Constantino, et. 2008 al Lejars et. al. 2008 Ravula et.al. Dunnett et. al. Kumar Sokhansanj

2008 2007 y 2007

Sokhansanj et. 2006 al. Martins et. al.

2005

Troncoso y 2005 Garrido Gunnarsson et. 2004 al. Higgins y 2004 Postma Gigler et. al. 2002 De Mol et. al.

1997

Cundiff

1996

Gallis

1996

Objetivo Gestión de la cadena de suministro en un horizonte de planeación Minimización el costo de la cadena Búsqueda de políticas que contribuyan al aumento de la oferta de biodiesel proveniente de palma de aceite. Diseño de la cadena de suministro y gestión de una biorrefinería Minimización el costo de la cadena Secuenciación de la cosecha Programación de cosechas de la caña de azúcar Maximización ganancia Disminución el tiempo de transporte del sistema Diseño de la cadena de Biomasa Minimización el costo total de la cadena Diseño de la cadena de Biomasa Asegurar una producción neta de energía con una huella de carbono aceptable Diseño de un modelo operacional para el abastecimiento y transporte de la biomasa que cuantifique los recursos necesarios y el costo de operación Programación de cosechas Maximización el volumen de madera cortada Diseño y gestión de la cadena Minimización el valor presente del costo de la cadena Gestión de la cadena Minimización costo total Secuenciación de las cosechas Maximización rentabilidad Ruteo y asignación de actividades Minimización el costo total de la cadena Diseño de la cadena Minimización coto de la cadena Evaluación de costos y consumo de energía Gestión de la cadena de suministro Minimización los costos de la cadena Evaluación de los efectos de variables logísticas sobre el costo

Fuente. El Autor Las características y variables de decisión de cada uno de los modelos evaluados se relacionan en el Cuadro 9. Se encuentra que la mayoría de modelos incluyen variables relacionadas con el flujo de mercancía (materias primas, productos intermedios y productos terminados) a través de la red, y variables relacionadas con la ubicación y tamaño (capacidad) de las instalaciones.

51

Cuadro 9. Características y Variables de los Modelos Matemáticos Autor Chien Yueyue

Año y 2012

Características El modelo busca definir: tamaño y lugares de las biorefinerías y las terminales, estrategia de asignación de recursos como materia prima, plan de producción de etanol, y plan de transporte de la materia prima y del combustible.

Kim et.al.

2011

El modelo se aplica para diseñar un sistema de refinamiento distribuido y uno más centralizado. El estudio evalúa los beneficios totales, valores, costo, y los diseños de la red de suministro de ambos sistemas.

Orjuela et. al.

2011ª

El modelo busca la predicción del comportamiento futuro de la producción de caña panelera. La dinámica de la cadena productiva frente a la problemática es estudiada a partir de la identificación de factores y variables relevantes y su diagrama causal. Orjuela et. al. 2011b Con el modelo se analiza la problemática de la producción de bioetanol a partir de la caña panelera y la repercusión que tiene en la seguridad alimentaria de la población colombiana. Papapostolou 2011 Facilita y apoya la toma de et. al. decisiones en la planificación de diversas cuestiones operacionales, tales como las inversiones en infraestructura, las cantidades de materias primas que se cultivan, las cantidades de biocombustibles que se producen en el mercado nacional o importados, identificando la mejor solución disponible para el diseño óptimo y el funcionamiento de la cadena de suministro de biocombustibles

52

Variables Localización de las biorefinerías Localización de las terminales Capacidad (galones) de las biorrefinerías Galones de etanol producidos en las biorrefinerías Toneladas de Materias primas enviadas de las fuentes a las biorrefinerías Galones transportados de las biorrefinerías a las terminales Galones transportados de las terminales a las ciudades Déficit de galones en las ciudades Número óptimo, localización y tamaño de varios tipos de plantas de procesamiento La cantidad de biomasa, productos intermedios y producto final a ser transportado entre las locaciones en cada periodo de tiempo Producción Rendimiento Participación de la caña panelera en la valoración de la producción Participación del número de personas en el sector Variación y superficie cosechada Sector Población Empleo Parque Automotor Combustible Panela y Siembra Cantidad de producción de cada cultivador en cada escenario de clima Cantidad transportada de cada cultivador a la planta central, en cada momento de tiempo, proveniente de cada tipo de bodega, en cada escenario de clima Capacidad de cada tipo de almacenaje, en cada periodo de tiempo, de cada cultivador, en cada escenario de clima Exceso de capacidad de almacenaje a la intemperie, en cada periodo de tiempo,

de cada cultivador, en cada escenario de clima. Déficit en la biomasa enviada a la planta central en cada periodo, en cada escenario de clima

Cuadro 9. (Continuación) Autor

Año

Zhang et.al.

2011

Zhu et. al.

2011

Eksioglu Petrolia

y 2010

Características

Variables

El modelo considera la maximización del valor presente neto de los bosques, sujeto a restricciones de área de explotación total en cada período, y en la sostenibilidad de los flujos de madera aserrada. Sistema logístico de biomasa para la producción de biocombustible. Abarca desde la siembra y la cosecha hasta la entrega a la biorrefinería, incluyendo el manejo de residuos, centrándose en la integración de las decisiones estratégicas en el diseño de la cadena de suministro y las decisiones tácticas sobre el programa de operación anual Análisis del impacto de una instalación intermodal en las decisiones de localización y transporte para las plantas de producción de biocombustible, en este caso Etanol proveniente de maíz.

Selección (si o no) de los sitios de recolección, planta de energía, sitios de pretratamiento Cantidad de flujo en la red

Cantidad de biomasa cosechada en cada periodo Cantidad de biomasa procesada en cada periodo en cada refinería Cantidad de biocombustible producido en cada periodo en cada refinería Niveles de inventario de biomasa y residuos en cada periodo Flujo de Biomasa y residuos en la cadena

Flórez et. al.

2010

El modelo permite el análisis de la cadena productiva de biocombustibles, teniendo en cuenta el cultivo de las materias primas y la refinación de los biocombustibles.

Huang et. al.

2010

El modelo matemático desarrolla la planeación estratégica, en un horizonte de tiempo, para la producción de biocombustibles a partir de diferentes biorresiduos.

Localización y capacidad de las biorrefinerías Localización y capacidad de los sitios de recolección Cantidad de biomasa cosechada en cada sitio, en cada periodo de tiempo Cantidad de biomasa y combustible almacenado en cada facilidad, en cada periodo de tiempo Cantidad de flujo en la red, en cada periodo de tiempo Modo de transporte utilizado Cantidad de biocombustible producido en cada biorrefinería en cada unidad de tiempo Capacidades Rentabilidad Inversión Demandas Incentivos Precios Cantidad de flujo en la red en cada periodo Capacidad asignada a las biorrefinerías Asignación de biorrefinerías en cada periodo

Zapata et. al. 2010

El modelo estudia el comportamiento del aceite de palma y se propone diferentes políticas que ayuden a que se produzca un incremento en la oferta de biodiesel sin afectar lo que se dedica para el consumo humano.

Hectáreas sembradas de palma Hectáreas disponibles de palma Precios Costos Incentivos del gobierno Demandas Demandas no atendidas Inversiones

53

Cuadro 9. (Continuación) Autor

Eksioglu al.

Año

et. 2009

Constantino, et. al

2008

Lejars et. al.

2008

Ravula et.al.

2008

Dunnett et. al. 2007

Kumar y 2007 Sokhansanj

Sokhansanj et. al.

2006

Martins et. al.

2005

Troncoso Garrido

y 2005

Características

Determina el número, tamaño y ubicación de los bio-refinerías necesarias. Determina la cantidad de biomasa enviada, procesada e inventariada cada período de tiempo (Multiperiodo) Solución del modelo con Branch and bound (bifurcación y acotamiento) Restricciones de área máxima Planificación de la cosecha de caña de azúcar para mejorar la productividad y la ganancia

Variables Importaciones y exportaciones de palma Número de Ubicación de las Capacidad de las Flujo de la biomasa Niveles de inventario

biorrefinerías biorefinerías biorrefinerías en la red

Flujo en la agrocadena Asignación de actividades a los actores de la cadena Cierre y reubicación de zonas de entrega Políticas de manejo del flujo de la caña en la cadena Técnicas utilizadas de cosecha y procesamiento Secuenciación de las operaciones Asignación de Cosecha de cada región, de transporte usando un número por cada vía, en cada día de cosecha limitado de equipos especializados para la cosecha de la biomasa (algodón) Determinar la selección de las Utilización (o no) de cada facilidad facilidades logísticas, la capacidad y logística en cada fase (momento) la asignación de tareas a las Asignación de tareas a cada facilidad facilidades. logística Capacidad de cada refinería asignada en cada momento de tiempo Producción de cada refinería en cada momento de tiempo Costos, energía de entrada y Localización de cada tipo de planta emisiones de carbono Capacidad de cada tipo de planta Tasa de flujo de materia prima, producto intermedio y producto final en la red Cantidad de producto intermedio consumido en cada planta Simular la recolección, Estado (húmedo o seca) y forma de almacenamiento y operaciones de recolección de la materia prima. transporte para el abastecimiento de Estado (húmedo o seca) y forma en que biomasa agrícola a la biorefineria se transporta de la materia prima. Modelo de programación entera Estructura de la zona de suministro del para un problema de cosecha ingenio forestal no-temporal con Duración de las temporadas de restricciones en el tamaño de la tala procesamiento rasa y en el área total de parcelas Capacidad de la cadena por unidad de de edad madura con un tamaño tiempo mínimo requerido. Reglas de asignación de despachos Localización y tamaños óptimos de Posibilidad de cosecha de cada sección las facilidades logísticas forestales. de cada tipo de bosque Adicionalmente los niveles de producción y flujos a generar en un horizonte de planeación.

54

Cuadro 9. (Continuación) Autor Gunnarsson et. al.

Higgins Postma

Año 2004

y 2004

Gigler et. al.

2002

De Mol et. al.

1997

Características Cuándo y dónde los residuos forestales deben ser convertidos en combustible y cómo deben ser transportados y almacenados Incrementar la utilización de la infraestructura de transporte a través de la mejora en la secuenciación de las cosechas en la ferrovía y la carretera, suministrando la posibilidad de reducir los costos de transporte y cosecha. Incluye dos características de los productos: Presentación (influenciada por la manipulación) y Calidad (influenciada por procesamiento, transporte y almacenamiento) Desarrollo de dos modelos para obtener información sobre los costos y el consumo energético de la logística: uno de simulación y uno de optimización. La cadena estudiada incluye facilidades como: cultivos, recolección, transbordo, pretratamiento y plantas de energía.

Cundiff

1996

Considera los problemas de almacenamiento, programación de cosechas y transporte

Gallis

1996

Varios escenarios observados se utilizaron para definir el efecto del tiempo de inventario, la tasa de interés, y la pérdida de valor debido al deterioro de la fibra y los sistemas operativos sobre el costo por unidad y el costo total

Variables Volumen de flujo en la red de cada presentación del producto Lugar de procesamiento de los productos Momento en que los módulos (dispositivos de proceso primario) son recogidos del campo de cultivo a la planta de proceso Días de programación del camión que recoge los módulos Asignación de recursos (mano de obra, equipo y estructura) Cantidad de biomasa producida y transportada

Cantidad de hectáreas que se cortan por período en cada uno de las áreas de cultivo disponibles. Flujo en la red por periodo Ubicación de las instalaciones capacidad de las instalaciones Número de camiones utilizados por periodo Capacidad de expansión adicional en cada periodo Flujo de biomasa en la cadena en cada momento de tiempo Capacidad de cada tipo de almacenamiento (almacén cubierto y a la intemperie) Cantidad de exceso y faltante de biomasa Tiempo de inventario Tasa de interés Estado de la fibra Costo unitario y total

Fuente. El Autor 1.9.2 Cronología de los Modelos Matemáticos para la Gestión de la Cadena Productiva del Biodiesel. A partir de la revisión de la literatura sobre modelos matemáticos para la gestión de la cadena de biodiesel y cadenas afines que este documento ha considerado, se presenta una taxonomía de los mismos, basándose en la clasificación dada por CEPAL . En la Figura 21, las líneas punteadas representan estudios aplicados a una cadena productiva específica, por lo que va referida a un número, que corresponde al número del artículo (véase el

55

Cuadro 6). Las líneas continuas representan la clasificación genérica de los tipos de biomasa y sus usos. Figura 21. Taxonomía de los Modelos Revisados

Fuente. Los Autores En el Cuadro 9, se presentan los autores, las herramientas y el tipo de biomasa trabajados en los modelos estudiados en este trabajo. 1.9.2.1 Biomasa Lignocelulósica. En este grupo se muestran nueve artículos, de los cuales cinco tratan de biomasa forestal, entendiéndose ésta como biomasa de bosque. Los otros artículos, se refieren a cadenas de Sauce y Switchgrass (conocido también como pasto varilla o pasto alto). A su vez, la mayoría de estos modelos se enfocan en la cadena productiva de la biomasa, sin especificar el uso final; sólo tres se dirigen a usos concretos, como obtención de bioetanol, generación de calor y la industria de la madera (clasificados como otros usos). Biomasa Forestal. En 1996 Gallis, en Grecia, realizó un modelo de simulación de la cadena de biomasa forestal de Grecia, que constituye uno de los recursos renovables existentes de las materias primas no sólo para la generación de energía, sino también para la industria de transformación de la madera. El objetivo fue evaluar los efectos de variables logísticas sobre el costo de la cadena mediante la observación de varios escenarios.

56

En 2005, Troncoso y Garrido, en Chile, proponen un modelo MILP de producción y logística de la industria forestal, donde se consideran variables de decisión sobre: el flujo de la cadena; el diseño de la cadena, como tamaño y ubicación de las facilidades logísticas; y de producción, como el momento de cosecha de cada sección (parcela) de cada tipo de terreno. De manera independiente, en 2005, en Portugal, Martins43 proponen un modelo MILP para la programación de cosechas, con el fin de maximización del volumen de madera cortada. A diferencia de los anteriores estudios realizados, este modelo se centra en la parte operativa de la cadena productiva de la madera. Para resolver el mismo problema de programación de cosechas de madera, en 2008, Constantino et al. presentaron un nuevo modelo que comprende un número polinomial de variables y restricciones, utilizando la técnica “bifurcación y acotamiento” para solucionarlo. Como último estudio realizado en cadenas forestales se encuentra el de Zhang44 en 2011, en el cual presentan un modelo MILP para el diseño y gestión de la cadena maximizando su Valor Presente Neto, disminuyendo el impacto causado al hábitat forestal y asegurando la sostenibilidad de los flujos de madera. Cundiff 45 en 1996, plantea su modelo de programación lineal para la minimización del costo de la cadena de biomasa herbácea, aplicándolo en la cadena de switchgrass, considerando los costos de transporte, almacenamiento, y los costos de incertidumbre (faltante y exceso) de la producción causada por la variación del clima. En 2007, Kumar y Sokhansanj 46, describen un modelo IBSAL (Integrated Biomass Supply Analysis and Logistics) para cuantificar variables ecológicas como energía utilizada y huella de carbono en la cadena de biomasa de switchgrass. Zhu 47 en 2011, proponen un modelo matemático para la gestión de la cadena de biomasa a la biorrefinería, para la producción de biocombustible, en el cual se integran decisiones estratégicas para la planeación (a un año) y decisiones tácticas de programación de cosechas. Incluye características propias de la 43

MARTINS, Isabel; CONSTANTINO, Miguel and BORGES, José G. A column generation approach for solving a non-temporal forest harvest model with spatial structure constraints. In: European Journal of Operational Research. February – March, 2005. vol. 161, no. 2, p. 478-498 44 ZHANG, Huizhen; CONSTANTINO, Miguel and FALCÃO, André. Modeling forest core area with integer programming. Portugal: Centro de Investigação Operacional Universidade de Lisboa, 2011. p.41–55. 45 CUNDIFF, John S.; DIAS, Neil and SHERALI, Hanif D. A linear programming approach for designing a herbaceous biomass delivery system. In: Bioresource Technology. Bioresource Technology. January, 1997. vol. 59, no.1, p. 47–55 46 KUMAR, Amit and SOKHANSANJ Shahab. Switchgrass (Panicum vigratum, L.) delivery to a biorefinery using integrated biomass supply analysis and logistics (IBSAL) model. In: Bioresource Technology. June, 2007. vol. 98, p. 1033–1044. 47 ZHU, Xiaoyan. LI, Xueping. YAO, Qingzhu. CHEN, Yuerong. Challenges and models in supporting logistics system design for dedicated-biomass-based bioenergy industry. In: Bioresource Technology. January, 2011. vol. 102, p. 1344–1351.

57

cadena de switchgrass: frecuencia y temporada de cosecha, variación del contenido de la biomasa según las condiciones del tiempo, efectos del clima y la distribución dispersa de los cultivos. En 2002, Gigler 48 desarrollaron un modelo de programación dinámica (PD) para la optimización de costos de agrocadenas, aplicándolo a biomasa de Sauce. Este modelo se basa en dos características propias de los productos agrícolas: Presentación en cada etapa de la cadena (árbol, tronco, trozos o astillas) y Calidad del producto, influenciada por las actividades de procesamiento, transporte y almacenamiento de la biomasa. 1.9.2.2. Cultivos de Azúcar o Almidón. En este grupo se enuncian cuatro artículos, de los cuales dos tratan la cadena productiva de la caña de azúcar para la producción de azúcar (alimentos). El otro se refiere a la cadena productiva de maíz para la producción de bioetanol. En 2004, Higgins y Postma 49 de Australia, presentaron un modelo de MILP para la programación de cosechas, procesamiento primario y transporte de caña de azúcar, con el objetivo de maximización la rentabilidad, haciendo el mejor uso de sus recursos. Lejars 50 de Francia, en 2008 utilizaron simulación para planificar la cosecha de caña de azúcar con el fin de mejorar el rendimiento de esta, y por lo tanto, aumentar la ganancia de la cadena. Posteriormente, en 2010, Eksioglu y Petrolia 51 de USA, desarrollaron otro modelo para el diseño y coordinación de la cadena de biomasa para la producción de biocombustibles, pero esta vez analizaron el impacto de diferentes modos de transporte en la cadena. El modelo se aplicó para la producción de bioetanol a partir de maíz. Igualmente en 2010, Flórez 52 exponen un modelo de dinámica de sistemas para analizar las políticas actuales de producción de biocombustibles y los cambios

48

GIGLER, J.K. HENDRIX, E.M.T. HEESEN, R.A. VAN DEN HAZELKAMP, V. MEERDINK, G. (2002). On optimisation of agri chains by dynamic programming. Wageningen. In: European Journal of Operational Research. March, 2002. vol. 139, p. 613–625. 49 HIGGINS, Andrew J. POSTMA, Steve. (2004). Australian Sugar Mills Optimise Siding Rosters to Increase Profitability. In: Annals of Operations Research. April, 2004. vol. 128, no. 1, p. 235–249. 50 LEJARS, Caroline. LE GAL, Pierre-Yves. AUZOUX, Sandrine. (2008). A decision support approach for cane supply management within a sugar mill area. In: computers and electronics in agricultura. March, 2008. vol. 60, no. 2, p. 239–249 51 EKŞIOĞLU, Sandra D. PETROLIA, Daniel. (2010). Analyzing the Impact of Intermodal Facilities to the Design and Management of Biofuels Supply Chain. In: State University. April, 2010. vol. 10. p.14 52 FLÓREZ B. Ana M.; FRANCO C. Carlos J. yDYNER, Isaac. Análisis de la producción de biocombustibles en Colombia. Universidad Nacional de Colombia. 8º Congreso Latinoamericano y 8º Encuentro Colombiano de Dinámica de Sistemas. Bogotá: 2010

58

posibles para alcanzar la producción esperada. En este modelo se trabaja la producción de biocombustibles, siendo fuente de etanol la caña y la yuca. En 2011, Orjuela, de Colombia, presentan una caracterización de la caña panelera en Colombia, así como los proyectos vigentes y el desarrollo para la producción de biocombustibles en este país. Los datos históricos son tratados con estadística multivariada y redes neuronales, con el fin de predecir el comportamiento futuro de la producción de caña panelera. También se presenta un diagrama causal donde se identifican los factores y variables relevantes en este sistema productivo. En el mismo año, Orjuela, mediante dinámica de sistemas realizan un análisis de factores y variables relevantes en lo que respecta a la problemática sobre la repercusión que tienen los cultivos de caña panelera para bioetanol sobre la seguridad alimentaria de la población colombiana. te grupo se muestran dos artículos. Uno hace referencia a la cadena de biomasa de algodón, sin especificar su uso final; el otro trata la cadena productiva de biodisel de primera generación a partir de diferentes materias primas. En 2008, Ravula 53 de Estados Unidos, desarrollaron un modelo de simulación discreta de la cadena de biomasa de algodón, con el fin de disminuir el tiempo de recolección (desde los cultivos hacia las instalaciones de procesamiento) de la biomasa con restricciones de equipos especializados para la cosecha. Flórez en 2010, en su modelo de dinámica de sistemas sobre producción de biocombustibles en Colombia, también consideran la producción de biodiesel a partir de palma de aceite. Igualmente, Zapata et al. hacen un análisis en dinámica de sistemas específico sobre la producción de biodiesel en Colombia a partir de palma de aceite. Éste modelo pretende probar políticas nacionales que contribuyan al aumento de la oferta de biodiesel buscando no afectar lo que se dedica para el consumo humano. Kim et al., en 2011, plantearon un modelo MILP para el diseño y gestión de la cadena de biocombustibles, esta vez aplicado a la producción de biodiesel a partir de fuentes como residuos forestales, raleo, podas, hierbas y virutas. A diferencia del modelo de Papapostolou, este modelo se enfocó en biomasa lignocelulósica, la cual requiere un proceso diferente del biodiesel de primera generación.

53

RAVULA, Poorna P. GRISSO, Robert D, CUNDIFF John S. (2008). Cotton logistics as a model for a biomass transportation system. In: Biomass and Biological Systems Engineering. June, 2008. vol. 32, no. 4, p. 314 – 325.

59

1.9.2.4 Subproductos y Residuos. En este grupo se encuentran ocho artículos, de los cuales seis tratan la cadena productiva de biomasa de residuos; uno la de subproductos (rastrojo de maíz); y el otro, trata conjuntamente la de residuos y subproductos. A su vez, la mayoría de estos modelos dirigen la biomasa a un uso específico: en esta caso para la producción de biodiesel, bioetanol o para generación de calor. Sokhansanj 54 en 2006, describen un modelo IBSAL para cuantificar los recursos necesarios y el costo de operación en el abastecimiento y transporte de la biomasa. Este modelo fue aplicado a la biomasa del rastrojo de maíz. En 2009, Eksioglu proponen un modelo matemático para la cadena de biomasa dirigida a biorrefinerías para la producción de biocombustibles. En este modelo se toman en cuenta variables de decisión a largo plazo (diseño de la cadena) y a mediano y corto plazo (gestión de la cadena), integrando estos dos niveles de decisión. El modelo es aplicado para la obtención de bioetanol a partir de rastrojo de maíz y biomasa leñosa (residuos forestales, pulpa de madera y madera de aserrío). En 1997 De Mol 55, desarrollaron dos modelos: uno de simulación, para cuantificar los costos y consumo de energía en la cadena, y otro de optimización MILP, para minimización el costo de la cadena. El objetivo de los modelos era el diseño de cadenas de biomasa de diferentes residuos de papel, madera, podas, raleo y sanitario para plantas de energía. Gunnarsson 56 en 2004, en Suecia, desarrollaron un modelo de programación lineal entera mixta (MILP por sus siglas en inglés) donde también trabajo la cadena de biomasa forestal para obtener combustible forestal, pero esta vez la fuente fue residuos forestales. El objetivo de este modelo fue minimización el costo total generando una estrategia de distribución y procesamiento de los residuos. Dunnet57 de Inglaterra, en 2007, presentaron un modelo MILP enfocado al diseño de la cadena de biomasa para centrales de combustión en la que se asignan las facilidades logísticas a utilizar en cada momento de tiempo, especificando sus 54

SOKHANSANJ Shahab, KUMAR Amit, TURHOLLOW, Anthony F. (2006). Development and implementation of integrated biomass supply analysis and logistics model (IBSAL). In: Biomass and Bioenergy. April, 2006. vol. 30, no. 10, p. 838–847. 55 DE MOL, R.M. JOGEMS, M.A.H. VAN BEEK, P. GIGLER, J.K. (1997). Simulation and optimization of the logistics of biomass fuel collection. In: Netherlands Journal of Agricultural Science. March, 1997. vol. 45, p. 219-228. 56 GUNNARSSON, Helene. RÖNNQVIST, Mikael. LUNDGREN, Jan T. (2004). Supply chain modelling of forest fuel. In: Linköping Institute of Technology European Journal of Operational Research. June, 2004. vol. 158, p. 103–123. 57 DUNNETT, A. ADJIMAN, C. SHAH, N. Biomass to heat supply chains Applications of Process Optimization. Centre for Process Engineering, Department of Chemical Engineering, Imperial College, London, UK., 2007

60

capacidades y tareas asignadas: recolección, almacenamiento y transporte de la biomasa.

compresión,

secado,

Por su parte, Huang 58 de USA, en 2010, formularon un modelo MILP para la planeación de operaciones en un horizonte de tiempo determinado, para la producción de biocombustibles a partir de biorresiduos. Este modelo se aplicó para evaluar el potencial económico y las necesidades de infraestructura para la producción de bioetanol a partir de residuos de biomasa en California, USA. Así mismo, Papapostolou, en Grecia, en 2011, propusieron un modelo MILP genérico aplicado al diseño y gestión de la cadena de biocombustibles, considerando opciones de producción o importación de materias primas. El modelo se implementó en Grecia, en la cadena de biodiesel de primera generación, proveniente de materias primas como colza, algodón, girasol, cynara y soya. Por último Chen y Fan59 de USA, en 2011, plantearon un modelo de programación estocástica entera mixta para soportar la planeación estratégica de cadenas productivas de bioetanol a partir de residuos. Este modelo involucra tanto el diseño de la cadena (localización y capacidad de refinerías y terminales) y coordinación de la cadena (plan de transporte) en un ambiente de decisión, bajo incertidumbre. An en 2011, en su artículo de revisión, evalúan artículos referentes a modelos matemáticos aplicados a cadenas productivas de combustible basado en petróleo. Al igual que con los modelos de biocombustibles, los artículos son categorizados de acuerdo a dos dimensiones (nivel en la cadena de suministro y nivel de decisión) como se muestra en la Figura 22.

58

HUANG, Yongxi. CHEN, Chien-Wei. FAN, Yueyue. (2010). Multistage optimization of the supply chains of biofuels. In: Journal Transportation Research Part E. November, 2010. vol. 46, no. 6, p. 820–830. 59 CHEN, Chien-Wei. FAN, Yueyue. (2011). Bioethanol supply chain system planning under supply and demand uncertainties. In: Journal Transportation Research Part E. june, 2011. vol. 48, p.150–164.

61

Figura 22. Categorización de los Artículos Relacionados a SCM de Combustibles Basados en Petróleo

Fuente. El Autor Los modelos matemáticos desarrollados para la toma de decisiones en las cadenas productivas de combustible basado en petróleo se enfocan principalmente con los niveles medio y bajo de la cadena, es decir, “midstream” y “downstream”, correspondientes a los procesos de refinado y distribución a las estaciones de servicio. Adicionalmente, se evidencia una mayor concentración en modelos que apoyan las decisiones a nivel táctico; sin embargo, también se presentan modelos para los niveles operativo e integrado y ninguno para el nivel estratégico.

62

2. METODOLOGÍA El contexto de este trabajo investigativo aplica en diversos enfoques, en concordancia con el punto de vista de diferentes autores. Debido a que se identifica una situación particular, es pertinente plantear motivos y correlaciones en los sucesos tomados en cuenta. De acuerdo con lo anterior, se presenta un escenario que toma en cuenta los eventos inherentes a la misma solución; según Sampieri 60 éste tipo de estudios son Explicativos. Por otra parte, Hurtado61 establece una taxonomía más detallada y titula como Investigación Proyectiva (elaboración de una propuesta, un plan, un programa o un modelo, como solución a un problema o necesidad de tipo práctico, ya sea de un grupo social, de una institución, o de una región geográfica, en un área particular del conocimiento, a partir de un diagnóstico preciso de las necesidades del momento, los procesos explicativos o generadores involucrados y de las tendencias futuras, es decir, con base en los resultados de un proceso investigativo…) a los trabajos que además de lo anterior, generan una propuesta factible. En este trabajo en particular, el objeto principal consiste en proponer un modelo matemático que optimice la logística del flujo de los recursos de la Cadena Productiva del biocombustible biodiesel; se pretende, también, explicar el tratamiento actual que se da a los mismos y presentar una propuesta de mejoramiento; con base en esto, es pertinente citar a Bunge (1960): “…La ciencia es explicativa: intenta explicar los hechos en términos de leyes, y las leyes en términos de principios. Los científicos no se conforman con descripciones detalladas; además de inquirir cómo son las cosas, procuran responder al por qué: por qué ocurren los hechos como ocurren y no de otra manera…”62 Este trabajo investigativo se realizó según las fases metodológicas que se presentan en la Figura 23, las cuales parten de la caracterización de un objeto práctico y de un objeto teórico, sus interrelaciones y diferenciación entre sí.

60

SAMPIERI H., Roberto; FERNÁNDEZ-COLLADO, Carlos y BAPTISTA, Lucio. Metodología de la Investigación. México: Mc Graw Hill, 2006. p. 25 61 HURTADO DE BARRERA, Jacqueline. Metodología de la Investigación Holística. 3 ed. Caracas: Fundación Sypal, 2000. p. 45 62 BUNGE, Mario. La Ciencia. Su método y su filosofía. México: Siglo XXI, 1960. p. 35

63

Figura 23. Fases Metodológicas de esta Investigación Fase I

Recopilación y análisis de la información, primaria (visitas de campo) y secundaria (publicaciones especializadas) Fase II

Identificación del sistema (interrelaciones de los objetos práctico y teórico) Fase III

Diseño del Modelo de Programación Matemática (determinación de la herramienta) Fase IV

Corrida del Modelo (utilización de GAMS, General Algebraic Modeling System), anexo Fuente. HURTADO DE BARRERA, Jacqueline., Metodología de la Investigación Holística. 3 ed. Caracas: Fundación Sypal, 2000. p. 51 2.1 SITUACIÓN ACTUAL Se inició con una revisión documental y del estado del arte de la situación actual del sector de los biocombustibles. Como punto de partida, se tomaron informes de diferentes estamentos gremiales y de dos empresas que están instaladas en la región objetivo, el departamento colombiano del Meta: Biocastilla S. A (Castilla La Nueva) y Aceites Manuelita, S.A. (San Carlos de Guaroa), las cuales aportaron datos e información pertinentes para el desarrollo de este trabajo. Se realizaron dos visitas; una a la Biorrefinadora Bio D y otra a la mezcladora Biomax, ambas localizadas en el complejo industrial Mansilla, en Facatativá (Cundinamarca), donde se recopilaron datos procedentes de funcionarios idóneos que contribuyeró a la descripción de los objetos práctico y teórico de esta investigación.

64

En cuanto al objeto teórico, se revisaron: bases de datos científicas (Science Direct, SpringerLink, EBSCO-HOST, Scielo y Scopus), de congresos (Latinoamericano de Dinámica de Sistemas y Mundial de Investigación de Operaciones); de los ministerios colombianos de Agricultura y del Medio Ambiente; de entes nacionales como Fedebiocombustibles y Fedepalma; de entes internacionales como USDA (Departamento de Agricultura de Estados Unidos) y NACEPT (Consejo Consultivo Nacional de Políticas Ambientales y Tecnología); y, de organizaciones multinacionales como IICA (Instituto Interamericano de Cooperación para la Agricultura) y CEPAL (Comisión Económica para América Latina y el Caribe) (véase la Figura 24). Figura 24. Distribución de Información Secundaria Consultada

Fuente. El Autor En cuanto al objeto práctico, se realizó la revisión, análisis y clasificación de modelos matemáticos de SCM (Supply Chain Management) para cadenas productivas de biodiesel y cadenas afines: bioetanol, y otras de biomasa (caña de azúcar, cultivos forestales, entre otros). La fuente de información utilizada fueron las bases de datos científicas enunciadas. 2.2 DISEÑO DE LA INVESTIGACIÓN En el Cuadro 10 presenta los aspectos relevantes tenidos en cuenta en ésta investigación.

65

Cuadro 10. Diseño de la Investigación Temporalidad de la Fuentes de Datos investigación Registros, documentos e Diseño transeccional, información histórica abarca el momento sobre biocombustibles. presente, a partir de un de la Reuniones con diagnóstico actual; se funcionarios de empresas situación de biocombustibles genera una propuesta (de (biorrefinadoras y optimización, en este caso). mezcladoras

Amplitud de la investigación Diseño de una propuesta de optimización del flujo de los recursos (Logística), para una fuente de energía, en el Departamento del Meta, Colombia

Fuente. HURTADO DE BARRERA, Jacqueline., Metodología de la Investigación Holística. 3 ed. Caracas: Fundación Sypal, 2000. p. 52 2.3 RECOLECCIÓN DE DATOS Finalizada la búsqueda bibliográfica, y contextualizados los datos provenientes de las visitas, se procedió a realizar la caracterización en términos generales de la Cadena Productiva del biodiesel en el Departamento del Meta, Colombia, para reconocer e identificar el sistema y su funcionamiento. 2.3.1 Reconocimiento e Identificación del Sistema. El departamento colombiano del Meta (véase la Figura 25) se encuentra ubicado en la Región Oriental del país, conformando un área geográfica denominada “Llanos orientales”, de gran extensión territorial. Sus tierras son aptas para el cultivo de la palma africana debido a su acidez (el pasto no es tan verde, como el de la Sabana de Bogotá y tiende más bien a un color amarillo).

66

Figura 25. Departamento del Meta

Fuente. ALCALDIA SAN MARTIN DE LOS LLANOS – META. Mapa Departamento de Meta en línea . San Martin de los Llanos: La Alcaldía citado 20 febrero, 2013 . Disponible en Internet: Las cadenas productivas de ACPM, producto de la mezcla de petrocombustible y biodiesel (a partir de palma africana), identifican a los siguientes integrantes (nodos): Cultivadores (obtienen los Racimos de Futa Fresca de la palma; se les llama “palmeros”), Extractoras (obtienen el aceite del fruto de la palma), Biorrefinadoras (obtienen el biodiesel producto del aceite) y Mezcladoras (obtienen el ACPM producto de la mezcla de biodiésel y petrodiésel). Para el Departamento del Meta, región objetivo de este trabajo de investigación, los nodos y sus particularidades son (ver 1.7 ESTRUCTURA DE LA CADENA PRODUCTIVA DEL BIODIÉSEL): 2.3.1.1 Cultivadores. Las áreas en desarrollo la palma están entre los 3 primeros años de vida, produciendo rendimientos menores que en las áreas en producción, en las cuales las plantaciones tienen entre 4 y 20 años de vida (el rendimiento de aceite es proporcional a la edad de la palma). Se asume también que las áreas disponibles para próximos cultivos se encuentran adecuadas para la siembra y poseen los recursos necesarios para el establecimiento de los mismos (disponibilidad de agua, calidad del suelo, etc.).

67

Los cultivos se encuentran localizados en: Meta: San Carlos de Guaroa, Acacías, Cumaral, Barranca, Castilla, Villavicencio, Cabuyaro, Fuente de oro, Granada, Puerto López, Puerto Gaitán, Puerto Lleras, Puerto Rico, Restrepo, San Juan de Arama, San Martín y Vistahermosa. Cundinamarca: Medina y Paratebueno. Casanare: Yopal, Villanueva, Maní, Orocué, Aguazul, Tauramena. Figura 26. Obtención de los Racimos de Fruta Fresca de la Palma

Fuente. CORPORACIÓN COLOMBIANA DE INVESTIGACIÓN AGROPECUARIA CORPOICA. La Palma Aceitera en el Perú y los Biocombustibles en línea . Bogotá: CORPOICA CITADO 20 JUNIO, 2013 . Disponible en Internet: 2.3.1.2Extractoras de Aceite. Las biorrefinadoras cuentan con su planta de extracción en las mismas instalaciones de biorrefinado, considerándose una distancia de 0 (cero) unidades; por efectos de pérdida de capacidad de extracción de aceite por exposición al ambiente de los Racimos de Fruta Fresca (RFF) recién obtenidos de la palma, las plantas de extracción se encuentran a una distancia no mayor de 8,96 kilómetros de los cultivos (Adarme 2011) (véase la Figura 23). 2.3.1.3 Biorrefinadoras. El Departamento colombiano del Meta cuenta con 2 biorrefinadoras: Biocastilla S. A., localizada en Castilla La Nueva y Aceites Manuelita S. A., localizada en San Carlos de Guaroa, hacia el Oriente (véase la Figura 27).

68

Figura 27. Localización de las Biorrefinadoras

Fuente. GOBERNACION DEL META. línea . Villavicencio: La Gobernación Internet:

Localización de las Biorrefinadoras en citado 20 junio, 2013 . Disponible en

Las fotografías representan una evidencia de la información primaria recolectada. Fueron tomadas con la autorización de los funcionarios de las compañías respectivas y, simplemente, pretenden describir más gráficamente los eslabones de la Cadena Productiva que se estudia en esta investigación: la del biodiesel. Las Figuras 28, 29, 30, 31, 32 y 33 representan el tercer eslabón de la Cadena Productiva, “biorrefinadoras”; y las figuras 34, 35, 36 y 37 pertenecen al último eslabón, mezcladoras.

69

Figura 28. Área de ingreso (Facatativá)

Instalaciones de la Biorrefinadora Bio D

Fuente. El Autor Figura 29. Área espera transportadores Instalaciones de la Biorrefinadora Bio D (Facatativá)

Fuente. El Autor

70

Figura 30. Instalaciones de Biorrefinamiento (el autor, a la derecha)

Fuente. El Autor Figura 31. Instalaciones de Biorrefinamiento

Fuente. El Autor

71

Figura 32. Instalaciones de Almacenamiento

Fuente. El Autor Figura 33. Área de Matrias Primas

Fuente. El Autor

72

2.3.1.4 Mezcladoras. Pertenecientes a diversas compañías petroleras, localizadas en: Antioquia: Medellín, La Pintada, Rionegro, Sebastopol, Turbo; Valle del Cauca: Guadalajara de Buga, Yumbo, Cartago, B/ventura; Risaralda: Pereira; Caldas: Manizales; Putumayo: Puerto Asís; Huila: Neiva; Tolima: Gualanday – Coello, Mariquita; Cundinamarca: Bogotá, Facatativá (Mansilla); Guaviare: San José del Guaviare. Figura 34. Pasillo de ingreso (empleados / visitantes) Instalaciones de la Mezcladora Biomax (Facatativá)

Fuente. El Autor

73

Figura 35. Área Espera Transportadores

Fuente. El Autor Figura 36. Área de Descargue Biodiesel

Fuente. El Autor

74

Figura 37. Área de Almacenamiento (ACPM)

Fuente. El Autor 2.3.2 Técnica de Solución. La Programación Matemática es una aplicación de la Investigación de Operaciones que se vale de herramientas matemáticas para determinar la mejor decisión que optimice un cierto objetivo (denominado Función Objetivo), considerando una serie de limitaciones (denominadas restricciones), las cuales se modelan basándose en ecuaciones o inecuaciones. Las decisiones tomadas son las variables del problema y sus relaciones se generan a partir de la propia naturaleza de la situación y por las restricciones impuestas por la presencia de recursos limitados. Esta investigación propone un modelo de Programación Matemática escenificando variables enteras y continuas, denominado por ello como Programación Lineal Entera Mixta, el cual permite configurar una Cadena Productiva de flujo de recursos, donde los nodos de origen son las fincas con los cultivos de producción de palma africana y los nodos de destino son las instalaciones de abasto o mayoristas de mezcla (biodiésel más diésel proveniente del petróleo) para, finalmente, obtener diésel (ACPM) mezclado. Se identifican, además, los flujos y niveles de producción de palma (racimos de fruta fresca), de aceite, de biodiesel y de diésel. La Programación Lineal ha sido clasificada como uno de los avances científicos más importantes de mediados del siglo XX. Es una herramienta de Programación Matemática que asigna “la mejor posible” (optimización). Más

75

precisamente, consiste en elegir el nivel de ciertas actividades que compiten por recursos escasos y que son necesarios para realizarlas. Posteriormente, los niveles de actividad que se eligen proporcionan la cantidad de recursos que consumirá cada una de ellas63.

La variedad de situaciones a las que se puede aplicar esta descripción es amplia, ya que abarca desde la asignación de instalaciones de producción hasta la asignación de recursos a las necesidades, independiente del tipo de negocio; como tal, entonces, es pertinente para este trabajo. De acuerdo con Taja “la Programación Lineal se aplica a modelos de optimización donde las funciones objetivo y las restricciones son estrictamente lineales, tal como lo presenta esta investigación”64.

63

HILLIER, Frederick y LIEBERMAN, Gerald. Introducción a la Investigación de Operaciones. 9 ed. México: Mc Graw Hill, 2010. p. 63 64 TAJA, Hamdy. Investigación de Operaciones. 7 ed. México: Pearson, 2004. p. 74

76

3. MODELO LOGÍSTICO DE PROGRAMACIÓN MATEMÁTICA PARA EL FLUJO DE RECURSOS Y AMPLIACIÓN DE CAPACIDADES Este trabajo estudia la configuración de la Cadena Productiva de biodiésel en el Departamento del Meta, Colombia. Se basa en una metodología presente en modelos matemáticos que integran la toma de decisiones. Como consecuencia, se diseña el presente modelo que conlleva la coordinación de manera estructurada de cada uno de los eslabones que conforman dicha Cadena Productiva, integrando las etapas de producción agrícola, de procesos agroindustriales y, finalmente, de la obtención del biocombustible (ACPM). A continuación se relacionan las consideraciones para el modelo de programación matemática de esta investigación: 3.1 SUBÍNDICES t: m: l: k: j:

Año Mezcladoras Biorrefinerías Extractora de Aceite Cultivo

3.2 SUPERÍNDICES p: a: b: d:

Palma de Aceite Africana (palma) Aceite de Palma Africana (aceite) Biodiesel de Aceite de Palma Africana (biodiésel) ACPM; Aceite Combustible Para Motor, mezcla de Biodiesel de Aceite de Palma Africana y ACPM fósil (diésel)

3.3 PARÁMETROS Los parámetros que se consideran para el modelo de programación matemática que trata este trabajo de investigación son los siguientes: 3.3.1 Demanda

Dmt : Demanda de diésel de la mezcladora m en el año t (toneladas) 3.3.2 Factores de Conversión

f

pa

: Factor de conversión de palma a aceite (tonelada de aceite / tonelada de palma)

77

f

ab

: Factor de rendimiento de aceite a biodiésel (tonelada de biodiésel / tonelada de aceite) bd f t : Factor de rendimiento de biodiesel a diésel en el año t (toneladas de diésel / tonelada de biodiésel) 3.3.3 Costo de Transporte

CTjktp : Costo de transporte de palma desde el cultivo j hasta la extractora k en el año t por tonelada. CT : Costo de transporte de aceite desde la extractora k hasta la biorrefinería l el año t por tonelada. b CTlmt : Costo de transporte de biodiésel desde la biorrefinería l hasta la mezcladora m en el año t por tonelada. a klt

3.3.4 Capacidades 3.3.4.1 Capacidades de Producción

C jp0 : Capacidad inicial de producción (en toneladas por año) del cultivo j C ka0 : Capacidad inicial de producción (en toneladas por año) de la extractora k C lb0 : Capacidad inicial de producción (en toneladas por año) de la biorrefinería l

C md 0 : Capacidad inicial de producción (en toneladas por año) de la mezcladora m

3.3.4.2 Capacidades de Almacenamiento

CAjp : Capacidad de almacenamiento de palma en el almacén del cultivo j (toneladas) CA : Capacidad de almacenamiento de aceite en el almacén de la extractora k (toneladas) CAlb : Capacidad de almacenamiento de biodiesel en el almacén de la biorrefinería l (toneladas) CAmd : Capacidad de almacenamiento de diésel en el almacén de la mezcladora m (toneladas) a k

3.3.4.3 Capacidades de Transporte p U jkt : Capacidad de transporte de palma del cultivo j a la extractora k en el año t

(toneladas)

78

U kalt : Capacidad de transporte de aceite de la extractora k a la biorrefinería l en el

año t (toneladas) b : Capacidad de transporte de biodiesel de la biorrefinería l a la mezcladora m U lmt

en el año t (toneladas) 3.4.3.4 Capacidades de Instalación

CFjtp : Costo fijo de instalación por tonelada de capacidad por del cultivo j en el año t : CF Costo fijo de instalación por tonelada de capacidad de la extractora k en el año t CFltb : Costo fijo de instalación por tonelada de capacidad de la biorrefinería l en el año t a kt

3.3.4.5 Capacidades de Inventario htp : Costo de mantener en inventario una tonelada de palma durante el año t hta : Costo de mantener en inventario una tonelada de aceite durante el año t

htb : Costo de mantener en inventario una tonelada de biodiesel durante el año t htd : Costo de mantener en inventario un galón de diésel durante el año t

3.4 VARIABLES Las variables que se definieron para el modelo de programación matemática que trata este trabajo de investigación son las siguientes: 3.4.1Variables de Flujo

X jtp : Cantidad de palma cosechada en el cultivo j en el periodo t (toneladas) p Q jkt : Cantidad de palma transportada del cultivo j a la extractora k en el año t

(toneladas) Q : Cantidad de aceite transportado de la extractora k a la biorrefinería l en el año t (toneladas) b : Qlmt Cantidad de biodiesel transportado de la refinería l a la mezcladora m en el año t (toneladas) a klt

3.4.2 Variables de Inventario

I jtp : Nivel de Inventario de palma en el cultivo j al final del año t (toneladas)

79

I kta : Nivel de Inventario de aceite en la extractora k al final del año t (toneladas) I ltb : Nivel de Inventario de biodiesel en la biorrefinería l al final del año t (toneladas) d : Nivel de Inventario de diésel en el mezcladora m al final del año t (toneladas) I mt

3.4.3 Variables de Incremento de Capacidad

C jtp : Incremento de capacidad del cultivo j en el año t (toneladas de palma/año) C ktb : Incremento de capacidad de la extractora k en el año t (toneladas de aceite/año) b C lt : Incremento de capacidad de la biorrefinería l en el año t (toneladas de biodiesel/año) C mtb : Incremento de capacidad de la mezcladora l en el año t (toneladas/año) 3.4.4 Variables de Capacidad

C jtp : Capacidad del cultivo j en el año t (toneladas de palma/año) C kta : Capacidad de la extractora k en el año t (toneladas de aceite/año)

C ltb : Capacidad de la biorrefinería l en el año t (toneladas de biodiesel/año) d C mt : Capacidad de la mezcladora m en el año t (toneladas de diésel/año)

3.5 FORMULACIÓN Con base los parámetros y las variables establecidos, a continuación se presentan las relaciones matemáticas de optimización. 3.5.1 Función Objetivo J

K

T

K

L

T

L

CT jktp Q jktp

Min Costo j 1 k 1 t 1 J

T

T

htp I jtp j 1 t 1 J

L

K

j 1 t 1

M

T

htd I mtd m 1t 1

L

T

CFt a C kta k 1 t 1

N

T

CFt b C ltb l 1 t 1

3.5.2 Restricciones Balance de masa de cultivos

80

d d CTmnt Qmnt m 1n 1 t 1

T

htb I ltb l 1 t 1

CFt p C jtp

M

l 1 m 1t 1 T

hta I kta k 1 t 1

T

T b CTlmtb Qlmt

k 1 l 1 t 1 K

M

CTklta Qklta

(1)

K

X jtp

I jp( t

p (Q jkt )

1)

I jtp

(2)

j, t

l k

Balance de masa de las extractoras de aceite J

f

pa

L p jkt

(Q ) I

a k ( t 1)

a (Qklt ) I kta

j 1

k, t

(3)

l 1

Balance de masa de las biorrefinerías K

M

f ab

a (Qklt )

I lb( t

b (Qlmt )

1)

k 1

I ltb

l, t

(4)

m 1

Balance de masa de las mezcladoras L

f t bd

b (Qlmt )

I md ( t

1)

d I mt

Dmt

(5)

m, t

l 1

Capacidad Cultivos

X jtp C jtp

j, t (6)

p jt

C

C

p j (t 1)

C

p Q jkt

C kta

p jt

j, t

Capacidad Extractoras J

f

pa

k, t

j 1

(7) a kt

a k (t 1)

C

a kt

C

C

k, t

Capacidad Biorrefinerías K

f ab

a Qklt

Cltb

l, t

k 1

(8) b lt

C

b l (t 1)

C

b lt

C

l, t

d C mt

l, t

Capacidad Mezcladoras L

f t bd

b Qlmt l 1

81

Cmtd Cmd (t 1)

Cmtd

82

m, t

(9)

Capacidad Almacenamiento

I jtp CAjp

j, t

I kta

CAka

k, t

I ltb

CAlb

l, t

CAmd

m, t

(10)

d I mt

Capacidad Transporte p p Qjkt U jkt a Qklt

b Qlmt

j, k , t

a U klt

b U lmt

k , l, t

(11)

l , m, t

3.6 PARAMETRIZACIÓN DEL MODELO La Cadena Productiva del biodiesel, según se ha determinado, consta de cuatro eslabones, cada uno de ellos con su respectiva justificación. A continuación se estructura la información para encontrar los datos de referencia necesarios para correr el modelo. 3.6.1 Índices 3.6.1.1 Cultivos j. La determinación de los cultivos se realizó consultando los reportes departamentales relacionados con la producción agrícola de cada uno de ellos. En el Cuadro 11 se relacionan, enumerados.

83

Cuadro 11. Cultivos de Palma de Aceite Africana en la Región Oriental N° Departamento Cultivos (municipio) San Carlos de 1 Guaroa 2 Acacías 3 Cumaral 4 Barranca de Upía 5 Castilla La Nueva 6 Villavicencio 7 Cabuyaro 8 Fuente de oro Meta 9 Granada 10 Puerto López 11 Puerto Gaitán 12 Puerto Lleras 13 Puerto Rico 14 Restrepo 15 San Juan de Arama 16 San Martín 17 Vistahermosa C/marca Medina18 Oriente Páratebueno 19 Yopal 20 Villanueva 21 Maní Casanare 22 Orocué 23 Aguazul 24 Tauramena Total C/marca 25 C/marca Centro Centro Fuente. El Autor 3.6.1.2 Extractoras de Aceite k. Las extractoras existentes en el Departamento del Meta son Aceites Manuelita S. A. (Manuelita) y Biocastilla. Fue necesario incluir a Bio D (aunque no se localiza en el departamento del Meta), porque esta extractora abarca mercado de Bogotá y C/marca de las otras dos. No obstante, para no afectar la linealidad del modelo, se le asignaron costos cero (0) y distancias (0), así como restricciones de distribución. En el Cuadro 12 se relacionan enumeradas.

84

Cuadro 12. Extractoras N° Empresa Extractora 1 Orocué Manuelita 2 San Carlos de Guaroa 3 Biocastilla Castilla La Nueva 4 Bio D Facatativá (Mansilla) Fuente. FEDERACION NACIONAL DE BIOCOMBUSTIBLES. Extractoras en línea . Bogotá: FEDEBIOCOMBUSTIBLES citado 20 junio, 2013 . Disponible en Internet: 3.6.1.3 Biorrefinadoras de Aceite l. Las plantas de conversión de aceite de palma africana a biodiésel, en la región oriental, se relacionan en el Cuadro 13. Cuadro 13. Biorefinerías Ubicación N° Empresa (municipio) San Carlos de Manuelita 1 Guaroa 2 Biocastilla Castilla La Nueva 3 Bio D Facatativá (Mansilla) Fuente. FEDERACIÓN NACIONAL DE CULTIVADORES DE PALMA DE ACEITE FEDEPALMA. Biorefinerias en lìnea . Bogotá: FEDEPALMA citado 25 junio, 2013 . Disponible en Internet: Estas biorrefinerías tenderán a mantener el 43% de participación en el mercado (Región Oriental), donde la de Bio D será del 19,8%; las otras dos van a crecer según la participación que tienen actualmente. 3.6.1.4 Mezcladoras m. La Resolución número 18 2367, de diciembre 29 de 2009, emitida por el Ministerio de Minas y Energía de Colombia, relaciona las mezcladoras existentes en el país (a la fecha de elaboración de esta investigación). Las instalaciones de mezcla que son abastecidas por las productoras de biodiésel del departamento del Meta, se relacionan enumeradas en el Cuadro 14.

85

Cuadro 14. Mezcladoras abastecidas por Biorrefinaerías del Departamento del Meta Mezcladoras N° Zona (municipio) 1 Medellín 2 La Pintada 3 Rionegro Noroeste 4 Sebastopol 5 Girardota 6 Turbo 7 Guadalajara de Buga 8 Yumbo Suroeste 9 Cartago 10 Buenaventura 11 Pereira Eje Cafetero 12 Manizales 13 Puerto Asís 14 Neiva Tolima Grande 15 Gualanday - Coello 16 Mariquita 17 Bogotá Centro 18 Faca (Mansilla) Oriente 19 San José del G. Fuente. COLOMBIA. MINISTERIO DE MINAS Y ENERGÍA. Mezcladoras abastecidas por biorrefinaerías del departamento del Meta. Bogotá: El Ministerio, 2009 3.6.1.5 Periodos t. Se consideran los años desde 2012 (t=0), siendo el primer año de planeación el año 2013 (t=1), hasta el año 2043 (t=31). 3.6.2 Dmt : Demanda de Diésel de la Mezcladora m en el año t (galones). Los datos referentes a la demanda se toman a partir de cálculos realizados por la UPME (2012), para los veinte primeros años: “…la proyección de demanda de combustibles líquidos combina modelos de series de tiempo, econométricos y de optimización. Su aplicación está asociada a la dinámica de su consumo, disponibilidad de información y la prospectiva de desarrollo del mercado de cada energético.” Es de anotar que la fuente, UPME, calcula tres escenarios: bajo, medio y alto. Se toma el medio porque corresponde al escenario esperado. Para los siguientes die años, el autor aplica Suavización Exponencial con Tendencia con el SOFTWARE WINQSB. En la figura 38 se presenta la gráfica correspondiente.

86

Figura 38. Proyección de la Demanda de Diésel en Colombia 2013 - 2043 1.400.000 1.300.000 1.200.000

Toneladas

1.100.000 1.000.000 900.000 UPME

800.000

AUTOR

700.000 600.000 500.000 2043

2041

2039

2037

2035

2033

2031

2029

2027

2025

2023

2021

2019

2017

2015

2013

400.000

Año

Fuente. El Autor 3.6.2.1 Determinación de la Demanda por Zonas. Para determinar estas demandas, se tomaron el número de estaciones de servicio existentes en cada departamento (véase la Figura 33), respecto a su porcentaje de participación. Los valores calculados se muestran en el Cuadro 15, con base en datos de Fedebiocombustibles. Cuadro 15. Número de Estaciones de Servicio por Departamento EST. DE % DE DEPARTAMENTO SERV. PARTICIPACIÓN AMAZONAS 9 0,19 ANTIOQUIA 509 10,72 ARAUCA 26 0,55 S. ANDRÉS 6 0,13 ATLÁNTICO 179 3,77 BOGOTÁ 416 8,77 BOLÍVAR 147 3,1 BOYACÁ 192 4,05 CALDAS 103 2,17 CAQUETÁ 103 2,17 CASANARE 54 1,14 CAUCA 135 2,84 ESAR 168 3,54 CHOCÓ 68 1,43 CÓRDOBA 140 2,95 CUNDINAMARCA 332 7 GUANÍA 2 0,04

87

Cuadro 15. (Continuación) GUAJIRA GUAVIARE HUILA MAGADAENA META N. DE SANTANDER NARIÑO PUTUMAYO QUINDÍO RISARALDA SANTANDER SUCRE TOLIMA VALLE VAUPÉS VICHADA

137 2,89 47 0,99 122 2,57 102 2,15 158 3,33 98 2,06 347 7,31 94 1,98 60 1,26 86 1,81 216 4,55 79 1,66 160 3,37 430 9,06 4 0,08 17 0,36 4746 100 Fuente. FEDERACION NACIONAL DE BIOCOMBUSTIBLES. Número de Estaciones de Servicio por Departamento. Bogotá: BIOCOMBUSTIBLES, 2013 Cuadro 16. Demanda por Zonas Región Departamentos Noroeste Antioquia, Chocó Córdoba, Sucre, Bolívar, Atlántico, Costa (Atlántica) Magdalena, Cesar, Guajira Bogotá, Cundinamarca, Boyacá, Meta, Centro Casanare Tolima Grande Tolima, Huila, Caquetá Eje Cafetero Caldas, Quindío, Risaralda Nordeste Suroeste Otros

Porcentaje 10.87% 25.36% 29.71% 5.43% 3.26%

Santander, Norte de Santander, Arauca

5.07%

Valle del Cauca, Cauca, Nariño, Putumayo

19.56% 0.74% 100.00%

Total Fuente. El Autor

En razón a que la Región Oriental abarca el 43% de la demanda nacional (Fedepalma 2012), sus biorrefinerías abastecerán las zonas más cercanas; por lo tanto se excluyen mezcladoras de las zonas Costa Atlántica y Nororiental, debido a que éstas existen biorrefinerías en la región. Así, la zona considerada abarca el 69,58% de la demanda nacional de diésel.

88

En el Cuadro 17 se calculan las demandas porcentuales para cada una de las mezcladoras abastecidas, basándose en el número de estaciones de servicio también (véase la Figura 34). Cuadro 17. Demanda Asignada a cada Mezcladora Porcentaje (%) de Zona Mezcladora Demanda Medellín 3,62 La Pintada 1,21 Rionegro 1,21 Noroeste Sebastopol 1,21 Girardota 1,21 Turbo 2,42 Guadalajara de Buga 1,36 Yumbo 6,82 Suroeste Cartago 5,46 Buenaventura 4,09 Puerto Asís 1,91 Pereira 1,63 Eje Cafetero Manizales 1,63 Neiva 3,18 Tolima Grande Gualanday - Coello 1,80 Mariquita 0,45 Bogotá 14,96 Centro Facatativá (Mansilla) 14,96 Oriente San José del Guaviare 0,44 Total (%) 69,58 Fuente. El Autor En el Cuadro 18 se registran las demandas por mezcladora para cada año considerado. A partir de la demanda pronosticada (véase la Figura 34), multiplicada por el porcentaje (%) de demanda de cada mezcladora, se calcula la demanda esperada para cada una de ellas.

89

Cuadro 18. Demanda de Diésel por Mezcladora por Año Año 2013 2014 2015 2016 2017 2018 2019 2020 2021 2022 2023 2024 2025 2026 2027 2028 2029 2030 2031 2032 2033 2034 2035 2036 2037 2038 2039 2040 2041 2042 2043

1 254 263 273 282 290 299 308 317 326 335 344 353 362 370 378 386 394 403 411 420 429 438 447 456 465 474 483 492 501 510 519

2 85 88 91 94 97 100 103 106 109 112 115 118 121 123 126 129 131 134 137 140 143 146 149 152 155 158 161 164 167 170 173

3 85 88 91 94 97 100 103 106 109 112 115 118 121 123 126 129 131 134 137 140 143 146 149 152 155 158 161 164 167 170 173

4 85 88 91 94 97 100 103 106 109 112 115 118 121 123 126 129 131 134 137 140 143 146 149 152 155 158 161 164 167 170 173

5 85 88 91 94 97 100 103 106 109 112 115 118 121 123 126 129 131 134 137 140 143 146 149 152 155 158 161 164 167 170 173

Demanda por Mezcladora (miles de Toneladas) 6 7 8 9 10 11 12 13 14 169 96 478 382 287 134 114 114 223 175 99 495 396 297 139 118 118 231 182 103 514 411 308 144 123 123 240 188 106 531 425 319 149 127 127 247 194 109 547 437 328 153 131 131 255 199 113 563 451 338 158 135 135 262 205 116 579 464 348 163 138 138 270 211 119 596 477 358 167 142 142 278 217 123 614 491 368 172 147 147 286 224 126 631 505 379 177 151 151 294 230 130 648 519 389 182 155 155 302 236 133 665 532 399 187 159 159 310 241 136 681 545 409 191 163 163 317 247 139 697 557 418 195 166 166 325 252 142 712 570 427 200 170 170 332 257 145 727 582 436 204 174 174 339 263 149 743 594 446 208 177 177 346 268 152 758 606 455 213 181 181 353 274 155 773 619 464 217 185 185 360 280 158 790 632 474 222 189 189 368 286 161 807 646 484 226 193 193 376 292 165 824 659 494 231 197 197 384 298 168 841 673 505 236 201 201 392 304 172 858 686 515 241 205 205 400 310 175 875 700 525 245 209 209 408 316 178 892 713 535 250 213 213 416 322 182 909 727 545 255 217 217 423 328 185 926 741 555 260 221 221 431 334 189 943 754 566 264 225 225 439 340 192 960 768 576 269 229 229 447 346 195 977 781 586 274 233 233 455

Fuente. El Autor 90

Total 15 126 131 136 140 144 149 153 157 162 167 171 175 180 184 188 192 196 200 204 208 213 217 222 226 231 235 240 244 249 253 258

16 32 33 34 35 36 37 38 39 40 42 43 44 45 46 47 48 49 50 51 52 53 54 55 57 58 59 60 61 62 63 64

17 1047 1086 1127 1165 1199 1235 1271 1308 1346 1385 1422 1459 1494 1528 1561 1595 1629 1663 1696 1733 1770 1807 1844 1881 1919 1956 1993 2030 2067 2105 2142

18 1047 1086 1127 1165 1199 1235 1271 1308 1346 1385 1422 1459 1494 1528 1561 1595 1629 1663 1696 1733 1770 1807 1844 1881 1919 1956 1993 2030 2067 2105 2142

19 31 32 33 34 35 36 37 38 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 58 59 60 61 62 63

4871 5051 5241 5415 5577 5743 5909 6083 6259 6438 6611 6784 6947 7105 7260 7417 7574 7731 7886 8059 8230 8404 8575 8749 8923 9095 9266 9440 9614 9788 9959

3.6.3 Factores de Conversión.

f

pa

: Factor de conversión de palma a aceite (tonelada de aceite / tonelada de palma) Factor conversión = 0,2108 toneladas de aceite / toneladas de palma

f

ab

: Factor de rendimiento de aceite a biodiesel (tonelada de biodiesel / tonelada de aceite) Factor conversión = 0,958 toneladas de biodiesel / toneladas de aceite f t bd : Factor de rendimiento de biodiesel a diésel en el año t (galones de diésel /

tonelada de biodiesel) Se considera el escenario donde se mantiene un porcentaje de mezcla constante de 10%, (UPME, 2012), por tanto el factor de conversión es 10. 3.6.4 Costos de Transporte p

CT : Costo de transporte de palma desde el cultivo j hasta la extractora k  jkt en el año t por tonelada. Según el Ministerio de Transporte, para el año 2003, el costo de transporte por tonelada por kilómetro de camión sencillo (C2) el de $251,09 y de $129,36 para tractocamiones (CS). Para calcular el costo actual se proyectó el precio basado en el incremento del precio del diésel (Tabla 19). Cuadro 19. Costo de Transporte por Tonelada por Kilómetro Tipo Producto Camión 2003 2013 transporte palma C2 $ 251,09 $ 487,43 Transporte otros CS $ 129,36 $ 251,12 Fuente. El Autor Las distancias de los cultivos a las extractoras por carretera (no lineal) se muestran en el Cuadro 20.

91

Cuadro 20. Distancias en Kilómetros de los Cultivos a las Extractoras en km A (extractora) Manuelita Biocastilla San De (cultivo) Orocué Carlos Castilla San Carlos 242.72 9* 50.03 Acacías 325.1 64.29 25.9 Cumaral 342 60.01 96 Barranca 372.9 100.33 161 Castilla 349 50.03 9 Villavicencio 309 64.39 112 Cabuyaro 227 187.4 174 Fuente de oro 394 49.58 70 META Granada 378 54.97 53.7 Puerto López 215 53.43 136 Puerto Gaitán 105 146.16 246 Puerto Lleras 432 52 108 Puerto Rico 497 86.87 173 Restrepo 314 69.02 68 San Juan de Arama 412 81.6 88.9 San Martín 360 49.56 36.6 Vistahermosa 441 86.59 117 MedinaCUNDINAMARCA Páratebueno 366 73.31 119 Yopal 270 204 315 Villanueva 365 105.33 168 Maní 190 162.59 306 CASANARE Orocué 9 242.72 351 Aguazul 243 179.45 289 Tauramena 283 154.81 267 *Basada en Adarme et al. (2011) Fuente. LAS DISTANCIAS.COM. Distancias entre ciudades en línea . Bogotá: La Empresa citado 20 junio, 2013 . Disponible en Internet: Por tanto, los costos de transporte por tonelada de los cultivos a las extractoras son los siguientes (véase el Cuadro 21):

92

Cuadro 21. Costos de Transporte por Tonelada de Cultivos a Extractoras, en $/ton - km Manuelita Biocastilla A (extractora) San De (cultivo) Orocué Carlos Castilla San Carlos 118.308 43.87 24.386 Acacías 158.462 31.337 12.624 Cumaral 166.700 29.250 46.793 Barranca 181.761 48.904 78.476 Castilla 170.112 24.386 4.387 Villavicencio 150.615 31.385 54.592 Cabuyaro 110.646 91.344 84.812 Fuente de oro 192.046 24.167 34.120 Meta Granada 184.247 26.794 26.175 Puerto Lopez 104.797 26.043 66.290 Puerto Gaitan 51.180 71.242 119.907 Puerto Lleras 210.568 25.346 52.642 Puerto Rico 242.251 42.343 84.325 Restrepo 153.052 33.642 33.145 San Juan de Arama 200.820 39.774 43.332 San Martín 175.474 24.157 17.840 Vistahermosa 214.955 42.206 57.029 C/marca Oriente Medina-Páratebueno 178398 35733 58004 Yopal 131605 99435 153539 Villanueva 177911 51341 81888 Maní 92611 79251 149153 Casanare Orocué 4387 118308 171087 Aguazul 118445 87469 140866 Tauramena 137942 75459 130143 Fuente. El Autor a  CTklt : Costo de transporte de aceite desde la extractora k hasta la biorrefinería l el año t por tonelada.

Cuadro 22. Distancias de Extractoras a Biorrefinerías en km A (Biorrefinería) Manuelita Biocastilla De (extractora) San Carlos Castilla Orocué 242,72 Maniuelita San Carlos 0 Biocastilla Castilla 0 Fuente. LAS DISTANCIAS.COM. Distancias entre ciudades en línea . Bogotá: La Empresa citado 20 junio, 2013 . Disponible en Internet: 93

Por tanto, los costos de transporte por tonelada de las extractoras a las biorrefinerías son los siguientes: Cuadro 23. Costo de Transporte por Tonelada de Extractoras a Biorrefinerías en $/ton-km A (Biorrefinería) Manuelita Biocastilla De (extractora) San Carlos Castilla Orocué 60.951,7 Maniuelita San Carlos 0 Biocastilla Castilla 0 Fuente. El Autor b  CTlmt : Costo de transporte de biodiesel desde la biorrefinería l hasta la mezcladora m en el año t por tonelada.

Cuadro 24. Distancias de Biorrefinerías a Mezcladoras en km De (Biorrefinería) Manuelita Biocastilla A (Mezcladora) San Carlos Castilla Medellín 621 604 La Pintada 699 682 Rionegro 586 569 Noroeste Sebastopol 473 456 Girardota 595 595 Turbo 943 926 Guadalajara de Buga 575 557 Yumbo 625 608 Suroeste Cartago 515 498 Buenaventura 688 671 Pereira 496 479 Eje Cafetero Manizales 479 462 Puerto Asís 881 864 Neiva 496 452 Tolima Grande Gualanday - Coello 338 321 Mariquita 373 356 Bogotá 177 160 Facatativá Centro - Oriente (Mansilla) 177 160 San José del Guaviare 145 256 Fuente. LAS DISTANCIAS.COM. Distancias entre ciudades en línea . Bogotá: La Empresa citado 20 junio, 2013 . Disponible en Internet:

94

Por tanto, los costos de transporte de las Biorrefinerías a las mezcladoras son los siguientes: Cuadro 25. Costo de Transporte por Tonelada de Biorrefinerías a Mezcladoras en $/Ton-km De (Biorrefinería) Manuelita Biocastilla A (Mezcladora) San Carlos Castilla Medellín 156,046 151,676 La Pintada 175,633 171,263 Rionegro 147,256 142,887 Noroeste Sebastopol 118,880 114,510 Girardota 149,416 149,416 Turbo 236,906 232,536 Guadalajara de Buga 144,368 139,873 Yumbo 157,050 152,681 Suroeste Cartago 129,427 125,057 Bunaventura 172,770 168,501 Pereira 124,656 120,286 Eje Cafetero Manizales 120,387 116,017 Puerto Asís 221,337 216,967 Neiva 124,656 113,506 Tolima Grande Gualanday - Coello 84,979 80,609 Mariquita 93,768 89,398 Bogotá 44,549 40,179 Facatataivá Centro - Oriente (Mansilla) 44,549 40,179 San José del Guaviare 36,465 64,287 Fuente. El Autor 3.6.5 Capacidades

C jp0 : Capacidad de producción inicial (en toneladas por año) del cultivo j.

 (véase el Cuadro 26)

95

Cuadro 26. Capacidad de los Cultivos (Área y Producción) Cultivo Ha Ton/año San Carlos 30.000 513.000 Acacías 13.000 222.300 Cumaral 6.407 109.560 Barranca 6.000 102.600 Castilla 9.000 153.900 Villavicencio 300 5.130 Cabuyaro 7.600 129.960 Fuente de oro 3.040 51.984 META Granada 576 9.850 Puerto López 1.500 25.650 Puerto Gaitán 6.000 102.600 Puerto Lleras 2.318 39.638 Puerto Rico 675 11.543 Restrepo 457 7.815 San Juan de Arama 1.200 20.520 San Martín 14.040 240.084 Vistahermosa 500 8.550 CUNDINAMARCA Medina-Páratebueno 4.197 71.769 Yopal 185 3.163 Villanueva 9.709 166.019 Maní 794 13.580 CASANARE Orocué 3.100 53.010 Aguazul 2.237 38.251 Tauramena 817 13.979 Fuente. El Autor a  C k : Capacidad de producción (en toneladas por año) de la extractora k. No se considera. La capacidad de las extractoras se considera mayor a la de las biorrefinaería, dado que el aceite también se utiliza para otros usos como cosméticos, alimentos, entre otros.

b  Cl : Capacidad de producción (en toneladas por año) de la biorrefinería l

Cuadro 27. Capacidades de Producción Biorrefinería Ton / año Manuelita 120.000 Biocastilla 15.000 Bio D 115.000 Fuente. Fedepalma 2012

96

d  Cm : Capacidad de producción (en galones por año) de la mezcladora m. No se considera. La capacidad de las mezcladoras se considera mayor a la de las biorrefinerías.

Capacidades de Transporte. No se considera. En este trabajo se busca determinar la capacidad requerida para cada año. 3.6.6 Costos Fijos

CFjtp : Costo fijo de instalación por tonelada de capacidad del cultivo j en el

 año t.. CORPOICA en su informe La Palma Aceitera en el Perú y los , el costo de mantener un cultivo de 10 hectáreas durante un año es de 13.396 nuevos soles, lo que en pesos colombianos sería de COP 913.257,0 por una hectárea por año. a  CFkt : Costo fijo de instalación por tonelada de capacidad de la extractora k en el año t. No se considera, dado que no se toma en cuenta restricción de capacidad de las extractoras.

b  CFlt : Costo fijo de instalación por tonelada de capacidad de la biorrefinería l en el año t. Para el modelo se define que los incrementos de capacidad deben ser múltiplos de 5.000 toneladas / año y las instalaciones tienen una vida útil de 20 años. Los costos de plantas de diferentes capacidades se presentan en el Cuadro 28:

Cuadro 28. Costo de Instalación de las Biorrefinerías CAPAC. (Ton/año)

Rango Costo (USD)

Promedio (USD)

40000

10,000,000

13,000,000

11,500,000

60000

12,000,000

16,000,000

14,000,000

100000 16,000,000 25,000,000 20,500,000 Fuente. BIODIESELSPAIN. Costos de Inventarios en biocombustibles en línea . Madrid: La Empresa citado 10 marzo, 2013 . Disponible en Internet: Adicionalmente, el costo de una instalación de cero toneladas es de (0) cero pesos, teniendo un total de cuatro datos. Haciendo la regresión lineal fijando la intersección como cero, se obtiene los siguientes resultados (véase el Cuadro 29):

97

Cuadro 29. Resumen Regresión Lineal Coeficiente de correlación múltiple Coeficiente de determinación R^2 R^2 ajustado Error típico Intersección Coeficiente capacidad Fuente. El Autor

0,993 0,986 0,653 1841886 0 220,39

Con base en lo anterior, incrementar la capacidad de una planta en una tonelada por año tiene un costo de USD 220,39, y dividido por los años de vida útil esperada (20), el costo anual por tonelada de capacidad sería de USD 11,02. En pesos colombianos (suponiendo una tasa de cambio promedio de COP 1900/USD) el costo sería COP 20.937,5. Así, el costo de la instalación de una planta con capacidad de 100.000 toneladas por año tendría un costo de COP 41.874’100.000 (USD 22’039.474) y el costo anual sería COP 2.093'750.000 (USD 1’101.974). p  ht : Costo de mantener en inventario una tonelada de palma durante el año t, a partir del informe La Palma Aceitera en el Perú y los Biocombustibles CORPOICA,

USD 155*1900(COP 1/USD1.900) = COP 294.500 a  ht : Costo de mantener en inventario una tonelada de aceite durante el año t., a partir del informe La Palma Aceitera en el Perú y los Biocombustibles CORPOICA,

USD 118.2*1900(COP 1/USD 1.900) = COP 224.580 El costo de una tonelada de aceite es en promedio de USD 517 y el costo de mantenimiento está definido como 18% anual (USD 93/Ton*año). Por tanto, tomando una tasa de cambio de COP 1900/USD, el costo de mantenimiento se estima en COP 176.700/Ton*año. b  ht : Costo de mantener en inventario una tonelada de biodiesel durante el año t., a partir de www.fedebiocombustibles.com/v3/nota-web-id-1426.htm

362,8*1900(COP 1/USD 1.900) = COP 689.306,7 d  ht : Costo de mantener en inventario un galón de diesel durante el año t., a partir de http://www.minminas.gov.co/minminas/downloads/archivosEventos/6759.pdf

2317,4*300(COP1/USD1.900) = COP 641.220 98

4. RESULTADOS Los resultados de la aplicación del modelo matemático propuesto en esta investigación y las conclusiones de la misma se enuncian a continuación. 4.1 FUNCIÓN OBJETIVO (MINIMIZACIÓN) Costo total: COP 6.617E+12

Costo Inventario: COP 0.02670E+12 Costo Transporte: COP 1.041E+12 Costo Fijo (instalaciones): COP 5.549E+12

El Costo de inventario es el menor porque prácticamente no hay inventario de palma cosechada (Racimos de Fruta fresca), ya que se seca si no se procesa lo más pronto posible. Respecto al aceite, éste también debe procesarse lo más rápido posible porque se apelmaza; si esto sucede, regresarlo a su estado de procesamiento requiere de un calentamiento que consume recursos de tiempo y económicos; así que las biorrefinadoras evitan llegar a este punto. En lo que se refiere a las mezcladoras, el inventario también es bajo por la alta rotación de los combustibles (ver Resolución número 18 2367, de diciembre 29 de 2009, del Ministerio de Minas y Energía) en el país. El Costo de transporte no resulta tan alto el menor porque los cultivos de palma están sembrados a menos de 9 kilómetros de las extractoras (ver Tabla 19) y, éstas se localizan dentro de la zona objeto de estudio: el Departamento del Meta. Finalmente, muy pocos cultivos, los de los municipios limítrofes (de los departamentos de Casanare y Cundinamarca), están alejados. El Costo fijo es el más alto porque la inversión para la construcción de las instalaciones es considerable (véase el Cuadro 28).

99

p

X jt : CANTIDAD DE PALMA COSECHADA EN EL CULTIVO J EN EL 4.2 PERIODO T (TONELADAS) Figura 39. Palma Cosechada Toneladas cosechadas de palma

3500000 3000000 2500000 2000000 1500000 1000000 500000 0

Años

Fuente. El Autor De acuerdo con el objeto de estudio de esta investigación, las políticas de favorecimiento regional (en este caso, el Departamento del Meta) y nacional hacia este producto agrícola van a continuar, y esto es lo que evidencia este resultado. Con base en el mismo, la Cadena Productiva de biodiesel, que inicia en este nodo (o eslabón), potencia la productividad de los nodos sucedentes hasta llegar al nodo final, las mezcladoras. Dentro del horizonte planteado para este trabajo de investigación, treinta años, la cantidad de cosecha de palma se duplicará (figura 31). p

Q jkt : CANTIDAD DE PALMA TRANSPORTADA DEL CULTIVO J A LA 4.3 EXTRACTORA K EN EL AÑO T (TONELADAS) No se almacena inventario de palma cosechada porque se seca muy rápido. Por lo tanto, la cantidad de palma cosechada en el cultivo j en el periodo t (toneladas) es igual a cantidad de palma transportada del cultivo j a la extractora k en el año t (toneladas). Este resultado es coherente con el resultado de los costos de inventario de la Función Objetivo. A continuación, en los Cuadros 30 y 31 se muestra la cantidad del flujo de palma entre los nodos respectivos de la Cadena Productiva del biodiésel. En los años

100

inicial y final del horizonte de tiempo determinado e el estudio para el estudio de esta investigación Cuadro 30. Flujo de Palma Año 2013 A (extractora)

Manuelita Orocué

De (cultivo) META

San Carlos

San Carlos

Biocastilla

Bio D

Castilla

Mansilla

513000

Total 513000

META

Acacías

META

Cumaral

0

META

Barranca

0

META META

Castilla Villavicencio

META

Cabuyaro

0

META

Fuente de oro

0

META

Granada

0

META

Puerto lopez

0

META

Puerto gaitan

0

META

Puerto lleras

0

META

Puerto rico

0

META

Restrepo

0

META

San Juan de arama

0

META

San Martín

0

META

Vistahermosa

0

Medina-Paratebueno

0

CASANARE

Yopal

0

CASANARE

Villanueva

0

CASANARE

Maní

0

CASANARE

Orocué

CASANARE

Aguazul

0

Tauramena

0

C/MARCA

ASANARE C/marca Centro

118450

153900

153900 0

19843

19843

Total C/marca Centro

Total

118450

686320 19842.873

Fuente. El Autor

101

513000

272350

686320

686320 1491513

Cuadro 31. Flujo Palma Año 2043 a (extractora) De (cultivo)

Manuelita

Biocastilla

BioD

Orocué San Carlos

Castilla

Mansilla

Total

META

San Carlos

META

Acacías

META

Cumaral

109560

109560

META

Barranca

65035

65035

513000

513000 222300

222300

META

Castilla

META

Villavicencio

META

Cabuyaro

META

Fuente de oro

51984

META

Granada

7158

META

Puerto lopez

25650

META

Puerto gaitan

META

Puerto lleras

39638

39638

META

Puerto rico

11543

11543

META

Restrepo

7815

7815

META

San Juan de arama

20520

20520

META

San Martín

META

Vistahermosa

8550

8550

Medina-Paratebueno

71769

71769

CUNDINAMARCA

153900

153900

5130

5130 0 51984 2692

9850 25650 0

240080

240080

CASANARE

Yopal

0

CASANARE

Villanueva

0

CASANARE

Maní

0

CASANARE

Orocué

CASANARE

Aguazul

0

CASANARE

Tauramena

0

C/marca Centro Total

53010

53010

Total C/marca Centro 53010

937352

1384800

1384800

618972 1384800

2994133

Fuente. El Autor Según se puede observar en la Tabla 31, en el futuro estimado para este trabajo, la Biorrefinadora Manuelita se abstecerá de cultivos de otros municipios; la Biorrefinadora Biocastilla lo hará de menos. Finalmente, la Biorrefinadora Bio D

102

continuará abasteciéndose de Cundinamarca. De acuerdo con los datos de capacidad, esto se deberá que Aceites Manuelita es la que tiene mayor: 120.000 toneladas / año (Fedebiocombustibles, 2013). a 4.4 : CANTIDAD DE ACEITE TRANSPORTADO DE LA EXTRACTORA K Qklt b A LA BIORREFINERÍA L EN EL AÑO T (TONELADAS) Y Qlmt : CANTIDAD DE BIODIESEL TRANSPORTADO DE LA REFINERÍA L A LA MEZCLADORA M EN EL AÑO T (TONELADAS)

Figura 40. Cantidad de Aceite Transportado y Cantidad de Biodiésel Transportado

Toneladas transportadas

700000 600000 500000 400000 300000

Aceite

200000

Biodiesel

100000 0

Años

Fuente. El Autor Estos dos resultados se presentan conjuntos en razón a su comportamiento similar (véase la Figura 40). La Cadena Productiva del biodiesel se incrementa en estos nodos centrales proporcionalmente al nodo inicial. Se evidencia la coherencia de la cantidad del flujo de recursos entre estos enlaces de la Cadena. Con base en que el biodiesel es el elemento objetivo de Cadena Productiva de este estudio, se presenta en el Cuadro 32, la cual muestra el flujo del bioombustible desde cada biorrefinería hasta cada mezcladora, considerando el horizonte definido para esta investigación.

103

Cuadro 32. Flujo Total del Biodiésel Durante los 30 Años (Toneladas/Año) De (Biorrefinería) Demanda % hacia (Mezcladora) Manuelita Castilla Bio D Total Biodiesel Abastecimiento Medellín 0 1197722 0% La Pintada 0 399241 0% RioNegro 0 399241 0% Noroeste Sebastopol 291449 107792 399241 399241 100% Girardota 0 399241 0% Turbo 0 798482 0% Buga 0 451085 0% Yumbo 0 2255424 0% Suroeste Cartago 579715 240559 820274 1804339 45% B/ventura 0 1353254 0% Pereira 569757 63032 632789 632789 100% Eje Cafetero Manizales 506846 31964 538810 538810 100% Puerto Asís 0 538810 0% Neiva 1051175 1051175 1051175 100% Tolima Gualand. – Grande Coello 558434 36571 595005 595005 100% Mariquita 85331 63421 148751 148751 100% Bogotá 939094 46990 3959963 4946048 4946049 100% Faca Centro – (Mansilla) 568226 1792736 2585081 4946043 4946049 100% Oriente San José del G. 145529 145529 145529 100% Total 4244380 3434240 6545044 14223664 23000235 62%

Fuente. El Autor El Cuadro 33 registra el flujo total de biodiesel durante los treinta años del horizonte de tiempo considerado en el estudio de esta investigación. Los resultados indican que las biorrefinerías cubren la demanda en proporción semejante a la actual; es decir, el nivel permanece. Igualmente, los alcances de cada una también se identifican con los actuales. Esto indica que las circunstancias que rodean la Cadena Productiva del biocombustible Biodiésel presentan comportamiento semejante de crecimiento a través del tiempo. 4.5

I jtp : NIVEL DE INVENTARIO DE PALMA EN EL CULTIVO J AL FINAL

DEL AÑO T (TONELADAS) El resultado es cero (0) porque no se almacena (referirse a 4.1)

104

4.6 I kta : NIVEL DE INVENTARIO DE ACEITE EN LA EXTRACTORA K AL FINAL DEL AÑO T (TONELADAS) Cuadro 33. Nivel de Inventario de Aceite en la Extractora k al Final del Año t (toneladas) Año 2013 2019 2022 2028 2029 2030 2031 2032 2033 2034 2037 2038

Inventario Aceite (Ton.) Producción % BioD Total (Ton.) Almacenado 97.3 314414 0.03% 1107.8 385231 0.29% 806.3 415611 0.19% 740.3 480475 0.15% 4254.8 487255 0.87% 2888.1 510135 0.57% 2288.3 511475 0.45% 8012.5 506675 1.58% 6242.8 531275 1.18% 2504.7 550255 0.46% 536.7 576015 0.09% 193.5 594295 0.03%

Fuente. El Autor De acuerdo con resultados registrados en la tabla 31, en algunos años se almacena inventario, pero n muy bajas cantidades. Tal como se ha venido explicando, esta actividad no es favorable para el producto. 4.7 I ltb : NIVEL DE INVENTARIO DE BIODIESEL EN LA BIORREFINERÍA L AL FINAL DEL AÑO T (TONELADAS) Cuadro 34. Nivel de Inventario de Aceite en la Extractora k al Final del Año t (toneladas) Año 2013 2019 2022 2028 2029 2030 2031 2032 2033 2034 2037 2038

Inventario Aceite (Ton.) BioD 97.3 1107.8 806.3 740.3 4254.8 2888.1 2288.3 8012.5 6242.8 2504.7 536.7 193.5

% Producción Total (Ton.) Almacenado 314414 0.03% 385231 0.29% 415611 0.19% 480475 0.15% 487255 0.87% 510135 0.57% 511475 0.45% 506675 1.58% 531275 1.18% 550255 0.46% 576015 0.09% 594295 0.03%

Fuente. El Autor

105

Los resultados para esta variable responden a la misma directriz de los anteriores. El almacenamiento de estos productos no es favorable y la Cadena Productiva exige bajo requerimiento en este punto (véase el Cuadro 34). d 4.8 I mt : NIVEL DE INVENTARIO DE DIÉSEL EN EL MEZCLADORA M AL FINAL DEL AÑO T (TONELADAS)

Cuadro 35. Nivel de Inventario de Diésel en el Mezcladora m al Final del Año t (toneladas) Año 2013 2019 2022 2028 2029 2030 2031 2032 2033 2034 2037 2038

Inventario Aceite (Ton.) BioD 97.3 1107.8 806.3 740.3 4254.8 2888.1 2288.3 8012.5 6242.8 2504.7 536.7 193.5

Producción Total (Ton.) 314414 385231 415611 480475 487255 510135 511475 506675 531275 550255 576015 594295

% Almacenado 0.03% 0.29% 0.19% 0.15% 0.87% 0.57% 0.45% 1.58% 1.18% 0.46% 0.09% 0.03%

Fuente. El Autor Finalmente, en este último nodo de la Cadena Productiva, se evidencia un nivel muy bajo de inventarios. Pero para las mezcladoras, esto no se debe a que el producto, en este caso biodiésel mezclado, presente descomposición (como en el caso de la palma) o apelmazamiento (como en el caso del aceite), sino por la rotación de los biocombustibles presente en el país (Ver Resolución número 18 2367, de diciembre 29 de 2009, del Ministerio de Minas y Energía, Colombia). 4.9 INCREMENTOS DE CAPACIDAD RESPECTO A CAPACIDADES p

C jt : Incremento de capacidad del cultivo j en el año t (toneladas de  p palma/año) respecto a X jt : Cantidad de palma cosechada en el cultivo j en el periodo t (toneladas). Sólo se presentan incrementos en los cultivos que abastecen a la Biorrefinería Bio D, pero ésta no se ubica en la zona objeto de estudio y es en la zona limítrofe entre Meta, Cundinamarca y Casanare donde se están presentando mayores cubrimientos de áreas para cultivar (Meta: Secretaria de Planeación y Desarrollo Territorial – Información Socioeconómica e infraestructura de los 29 municipios del Meta. Contrato de prestación de servicios 0620/2011. www.scribd.com/doc/150224789/analisis-infraestructura-municipios. Cundinamarca: Secretaria de Agricultura de C/marca. www.cundinamarca.gov.co/ . Casanare: Agenda Interna de 106

Productividad y Competitividad de Casanare www.cccasanare.co/.../2013-0208_11-53-30-amAgenda%20Interna%2...); no se presentaron incrementos en la capacidad de los cultivos asociados a las extractoras Biocastilla y Aceites Manuelita porque ésta es suficiente para cubrir la demanda, si se supone que toda la palma se destina para la producción de biodiesel y no para otros usos como alimentos, cosméticos, entre otros).

Cb  kt : Incremento de capacidad de la extractora k en el año t (toneladas de aceite/año) respecto a C kta : Capacidad de la extractora k en el año t (toneladas de aceite/año). No se presentan resultados para esta variable porque no se consideró en el modelo debido a que se pueden tomar como infinitas, en razón a la gran cantidad de tierras disponibles todavía para cultivo: más de 2.000.000 de hectáreas (Secretaria de Planeación y Desarrollo Territorial – Información Socioeconómica e infraestructura de los 29 municipios del Meta. Contrato de prestación de servicios 0620/2011. www.scribd.com/doc/1502247 89/analisis-infraestructura-municipios). C ltb Incremento de Capacidad de la Biorrefinería l en el Año t (Toneladas  de biodiesel/año) respecto a C ltb : Capacidad de la biorrefinería l en el año t (toneladas de biodiesel/año) Figura 41. Incremento de Capacidad de la Biorrefinería Respecto a la Capacidad de la Biorrefinería

Miles de Toneladas/Año

300 250 200 Manuelita

150

Castilla 100

BioD

50 0

Fuente. El Autor La Figura 41 muestra un crecimiento mayor en las refinerías Bio D y Manuelita, respecto a la Refinería de Castilla. Esto se debe a que las dos primeras tienen una capacidad inicial mayor: Bio D, 115.000 toneladas / año y Manuelita, 120.000 107

toneladas / año; la refinería de Castilla, 15.000 toneladas / año. De acuerdo con lo anterior, el tiempo y su costo requerido para construir o ampliar instalaciones de biorrefinamiento, representa un factor considerablemente importante para el incremento de la capacidad en este tipo de instalaciones. Así mismo, se observa que las biorrefinerías BIO D y Castilla crecen inicialmente más que Manuelita. Esto se debe a que no tienen cultivos propios (Bio D) o éstos son de poca extensión (Castilla); es decir, dependen de abastecedores independientes. En tanto que Manuelita sí los tiene, debiendo esperar a que sus plantaciones maduren. Las biorrefinerías Manuelita y Castilla presentan un lapso similar de constancia; Manuelita en los primeros años y Castillaen los últimos. Respecto a Manuelita, la razón se explicó en el párrafo anterior; en lo que se refiere a Castilla, la razón es que desde ese tiempo debe abastecerse de sus cultivos, esperando la edad madura de los mismos.

Cb  mt : Incremento de capacidad de la mezcladora l en el año t d (toneladas/año) respecto a C mt : Capacidad de la mezcladora m en el año t (toneladas de diésel/año). No se consideraron en el modelo por las mismas razones referidas respecto a los cultivos y las extractoras 4.10 CAPACIDAD TOTAL Figura 42. Capacidad Versus Demanda 700

Toneladas (miles)

600 500 400 Capacidad Total 300

Demanda 43%

200 100 0

Fuente. El Autor

108

La Figura 42 muestra una capacidad total siempre superior a la demanda. De acuerdo con la información primaria y secundaria obtenida y su análisis respectivo, la tendencia de crecimiento de áreas cultivadas y producción viene en aumento desde que se empezó la fabricación de los biocombustibles, en 2008. De acuerdo con la Secretaria de Agricultura del Departamento del Meta, en ese año había 84.251 hectáreas sembradas, lo cual equivale a una producción de 253.573 toneladas. Para 2010, estas cifras se incrementaron a 102.613 hectáreas y 293.848 toneladas. Estos resultados reflejan la política de expansión agrícola de la región, en lo referente a los cultivos de Palma de Aceite Africana.

109

5. CONCLUSIONES El modelo contempla el conjunto de organizaciones y procesos interrelacionados diseñado a partir de los modelos conceptuales de SCM (SUPPLAY CHAIN MANAGEMENT) de Bowersox Donald, et. al y de la Asociación Española de Codificación Comercial. Se desarrolla a partir de modelos clásicos de Programación Lineal, Flujo con Costo Mínimo y de Transbordo, en la Cadena Productiva del biocombustible biodiesel bajo una estructura empresarial y gubernamental conducente a la producción en el Departamento del Meta. Integra la logística de flujo de materiales antes contemplados por Shapiro (2001). Se definieron los eslabones (o nodos) integrantes de la Cadena Productiva del biocombustible biodiesel en la zona geográfica determinada para el estudio, lo cual se logró acopiando información primaria (de bases de datos científicas y publicaciones de entes nacionales e internacionales (gubernamentales y privados) y secundaria a través de dos visitas, a una biorrefinadora (BIO D) y a una mezcladora (Biomax). Se determinó el flujo de los requerimientos de la Cadena Productiva de biodiesel a partir de la estructura operativa de los elementos necesarios para la producción del biodiesel y la identificación y descripción de los procesos de producción específicos al biodiesel. Las conclusiones relativas al marco referencial arrojan en la revisión de la literatura ausencia de artículos científicos de modelos matemáticos de SCM de biocombustibles. La mayoría de artículos provienen de países refinadores de biocombustibles, como USA y varios países de la Unión Europea. Pero, prácticamente, nada de los países más productores de biomasa como son Malasia, Indonesia (Oriente), México, Brasil, Colombia y Argentina (América). Así mismo, no se encontró ningún artículo para el diseño de la cadena productiva de biodiesel a partir de palma de aceite africana. En razón de lo anterior, se presenta una referencia importante en este trabajo. A partir de la revisión de la literatura realizada en este estudio, se evidencia que la mayoría de modelos matemáticos se concentran en al diseño y gestión de cadenas de biomasa de residuos y plantas lignocelulósicas. Pocos modelos tratan cadenas de biocombustibles de primera generación (plantas oleaginosas para la producción de biodiesel y de azúcar o almidón para la producción de etanol). Lo anterior sugiere un campo de investigación abierto en relación a desarrollar modelos matemáticos de SCM para el biodiesel, que sirvan para apoyar la toma de decisiones en el diseño y gestión de estas cadenas productivas. Respecto a conclusiones sobre la Metodología, la identificación del sistema logístico exigió un riguroso análisis de las informaciones primaria (una visita de campo, una a la biorrefinadora Bio D y otra a la mezcladora Biomax, ambas en el 110

complejo Mansilla de Facatativá, Cundinamarca) y secundaria (publicaciones procedentes de bases de datos de fuentes científicas, organismos especializados (tanto nacionales como internacionales), universidades, entre otras) lo cual condujo a diseñar la cadena productiva específica del objeto práctico de estudio, a través de diferentes fases de solución, que combinen diferentes técnicas de la Programación Matemática. En éste caso, se utiliza la Programación Entera Mixta porque se tienen variables enteras y continuas. Las conclusiones sobre los modelos matemáticos para la cadena de los biocombustibles son diferentes a los de la cadena de los combustibles basados en petróleo. Mientras los modelos matemáticos para el biocombustible se concentran en un nivel alto de la cadena (upstream), los combustibles basados en petróleo se concentra en los niveles medio y bajo de la cadena (downstream y midstream). Esto probablemente debido a que mientras en la producción del biocombustible son importantes las decisiones relacionadas con la materia prima (a nivel operativo, táctico y estratégico), en el petróleo las decisiones en la cadena de los petrocombustibles se dirigen a los procesos de refinamiento y distribución, y a la extracción en yacimientos. Es evidente que la herramienta más utilizada en el diseño de modelos matemáticos de SCM es la Programación Lineal Entera Mixta (MILP, por sus siglas en inglés). La mayor parte de los modelos buscan apoyar la toma de decisiones en el diseño de la cadena (localización y plan de ampliación de capacidades), en las cuales se utilizan variables de decisión “booleanas” (variables enteras); y en la gestión de la cadena que contemplan los flujos a lo largo de la misma desde materias primas, productos intermedios hasta productos terminados (como variables continuas). El modelo de Programación Matemática aplicado (Programación Lineal Entera Mixta), permitió identificar el comportamiento de la producción de biodiésel, desde el nodo (o eslabón) inicial (Cultivo) hasta el último (mezcla del biodiesel con el diésel procedente del petróleo), para obtener finalmente biodiesel mezclado. Con base en esta situación, el horizonte de tiempo estimado, es coherente para establecer una Planeación Estratégica relativa a la producción de biocombustibles.

111

6. RECOMENDACIONES El modelo matemático aplicado constituye una herramienta de gestión flexible y puede ser útil para definir actividades de complementarias a la Cadena Productiva del biodiesel. No obstante, deben incluirse elementos exógenos al sistema, como equilibrio entre la generación de energía y la producción de alimentos, entre otros afines. El modelo matemático propuesto puede ser utilizado para la inclusión de nuevas materias primas, definir la ampliación de capacidades en las plantas de producción y, en general, para poder tomas decisiones de tipo táctico y estratégico (partes “media” y “alta “de la cadena Productiva), asociadas a las actividades de logística y producción. La aplicación del modelo matemático puede extenderse a la producción de otros biocombustibles, como bioetanol o biogás. Igualmente, para la producción de biodiesel a partir de materias primas diferentes a la Palma de Aceite Africana. En la medida en que se cuente con información sobre las pérdidas en los cultivos a causa de las plagas y enfermedades u otros factores relativos, se hace posible modelar la incertidumbre generada por estos factores en los cultivos, incluyéndola en la formulación general presentada. Los resultados de este modelo abren la posibilidad de crear estudios alternativos que contemplen variaciones en la demanda y ampliaciones en las capacidades instaladas de producción en las plantas extractoras y las biorrefinerías.

112

BIBLIOGRAFÍA ADARME JAIMES Wilson, FONTANILLA DÍAZ Carlos, ARANGO SERNA Martín Darío. Modelos Logísticos Para La Optimización Del Transporte De Racimos De Fruto Fresco De Palma De Aceite En Colombia. Universidad Nacional de Colombia. 2011 ADARME JAIMES Wilson, FONTANILLA DÍAZ Carlos, ARANGO SERNA Martín Darío. Modelos Logísticos Para La Optimización Del Transporte De Racimos De Fruto Fresco De Palma De Aceite En Colombia. Universidad Nacional de Colombia. 2011 Agenda Interna de Productividad y Competitividad de Casanare. www.cccasanare.co/.../2013-02-08_11-53-30-amAgenda%20Interna%2.... Agenda Interna de Productividad y Competitividad de Casanare. www.cccasanare.co/.../2013-02-08_11-53-30-amAgenda%20Interna%2.... AJANOVIC, A. HAAS, R. (2010). Economic challenges for the future relevance of biofuels in transport in EU countries. January – February, 2010. vol. 35, no. 8, p. 3340 AN, Heungjo. WILHELM, Wilbert E. SEARCY, Stephen W. (2011). Biofuel and petroleum-based fuel supply chain research: A literature review. In: Biomass and Bioenergy. October, 2011. vol. 35, no. 9, p. 3763 – 3774. ANTÚN, Juan. (1993), Logística: Una visión Sistémica. Santafandila: Instituto Mexicano de Transporte, 1993. p.2 ARÍSTEGUI, Juan Pablo. (2009). Los biocombustibles desde la perspectiva del comercio internacional y del derecho de la organización mundial del comercio. En: Revista de Derecho Valdivia. Julio – agosto, 2009. vol. 22, no. 1, p. 113 ASOCIACION PROFESIONAL DE ESTADOS UNIDOS. Definición de distribución logística en línea . Washington: Consejo Nacional de Gestión de la Distribución Física citado 10 enero, 2013 . Disponible en Internet: AWUDU, Iddrisu y ZHANG, Jun. (2012). Uncertainties and sustainability concepts in biofuel supply chain management: A review. In: Renewable and Sustainable Energy Reviews. February – March, 2012. vol. 16, no. 2, p. 1359– 1368.

113

BALAT , Mustafa. Potential alternatives to edible oils for biodiesel production – A review of current work. En: Turquía. Energy Conversion and Management. February – march, 2011. vol. 52, no. 2, p. 1479 BALLOU, Ronald. Logística - Administración de la cadena de suministro. 5 ed. México: Prentice Hall, 2004. BENJUMEA, Pedro. AGUDELO, John. RIOS, Luis. (2009). Biodiesel: Producción Calidad y Caracterización. Universidad de Antioquia. Medellín, Colmbia. BENJUMEA, Pedro; AGUDELO, John; RIOS, Luis. (2009). Biodiesel: Producción Calidad y Caracterización. Medellín: Universidad de Antioquia, 2009. BOWERSOX Donald, CLOSS David. COOPER M. Bixby. (2007). Logística, Administración de la Cadena de suministro. Mcgraw Hill. México. BUNGE, Mario. La Ciencia. Su método y su filosofía. México: Siglo XXI, 1960. CARRANZA, Octavio. Logística, mejores prácticas en Latinoamérica. México: Thompson, 2005. CEPAL. Análisis comparativo de patentes en la cadena de producción de biocombustibles entre América Latina y el resto del mundo. Santiago, Chile. Comisión económica para América Latina y el Caribe. Memorias Diálogo de Políticas sobre desarrollo institucional e innovación en biocombustibles en América Latina y el Caribe. Santiago de Chile: La CEPAL, 28 y 29 de marzo, 2011. CHEN, Chien-Wei. FAN, Yueyue. (2011). Bioethanol supply chain system planning under supply and demand uncertainties. In: Journal Transportation Research Part E. june, 2011. vol. 48, p.150–164. CHOUINARD, Pascale. BRADT, Laura. PONCE José M. EL-HALWAGI, Mahmoud M. (2010). Incorporation of process integration into life cycle analysis for the production of biofuels. USA y Mexico. Clean Technologies and Environmental Policy. Volume 13, Number 5, 673-685. CONSTANTINO, Miguel. MARTINS, Isabel. BORGES, José G. (2008). A New Mixed-Integer Programming Model for Harvest Scheduling Subject to Maximum Area Restrictions. Lisboa, Potugal. OPERATIONS RESEARCH, Vol. 56, No. 3, May–June, pp. 542–551. COUNCIL OF LOGISTIC MANAGEMENT. Definición de Distribución física en línea . Michigan: Central Michigan University citado 10 enero, 2013 . Disponible en Internet:

114

CUNDIFF, John S.; DIAS, Neil and SHERALI, Hanif D. A linear programming approach for designing a herbaceous biomass delivery system. In: Bioresource Technology. Bioresource Technology. January, 1997. vol. 59, no.1, p. 47–55 DE LA TORRE, Daniel. (2006). Developing Bioenergy: Economic and Social Issues. En: Bioenergy and Agriculture: Premises and Challenges. Diciembre, 2006; p. 5-6. Disponible en http://www. ífpri. org/2020/focus/focus14. pdf. DE MOL, R.M. JOGEMS, M.A.H. VAN BEEK, P. GIGLER, J.K. (1997). Simulation and optimization of the logistics of biomass fuel collection. In: Netherlands Journal of Agricultural Science. March, 1997. vol. 45, p. 219-228. DEMIRBAS, Ayhan. (2009). Progress and recent trends in biodiesel fuels. In: Energy Conversion and Management. January, 2009. vol. 50, no.1, p. 14 DEMIRBAS, Ayhan. DINCER, K. (2008). Sustainable Green Diesel: A Futuristic View. In: Energy Sources. 2008. Part A, vol. 30, p. 1233–1241 DEMIRBAS, Ayse Hilal. DEMIRBAS, Imren. (2007). Importance of rural bioenergy for developing countries. Trabzon, Turquía. Energy Conversion and Management 48 2386–2398. DUFEY, Annie. (2006). Producción y comercio de biocombustibles y desarrollo sustentable: los grandes temas. Documento de Discusión Número 2 de Mercados Sustentables. Londres: Instituto Internacional para el Medio Ambiente y Desarrollo, 2006. p. 3 DUNNETT, A. ADJIMAN, C. SHAH, N. Biomass to heat supply chains Applications of Process Optimization. Centre for Process Engineering, Department of Chemical Engineering, Imperial College, London, UK., 2007 ECOPETROL. (2007). Alianza entre Ecopetrol y Petrobras para Desarrollo de Combustibles. En: Boletín de Prensa, [en línea]. Disponible en EKŞIOĞLU, Sandra D. ACHARYA, Ambarish. LEIGHTLEY, Liam E. ARORA, Sumesh. (2009). Analyzing the design and management of biomass to biorefinery supply chain. USA. Computers & Industrial Engineering 57: 1342–1352. EKŞIOĞLU, Sandra D. PETROLIA, Daniel. (2010). Analyzing the Impact of Intermodal Facilities to the Design and Management of Biofuels Supply Chain. In: State University. April, 2010. vol. 10. p.14

115

FAZAL, M.A. HASEEB, A.S.M.A. MASJUKI, H.H. (2010). Biodiesel feasibility study: An evaluation of material compatibility; performance; emission and engine durability. Kuala Lumpur, Malasia. Renewable and Sustainable Energy Reviews 15 1314–1324. FEDEPALMA XL CONGRESO NACIONAL DE CULTIVADORES DE PALMA DE ACEITE Informe de labores del Fondo de Fomento Palmero Ricardo Torres Carrasco Director de Planeación y Desarrollo Económico Sectorial Bucaramanga, Mayo 2012 FEDEPALMA. Palma en línea . Bogotá: La Federación citado 20 enero, 2013 . Disponible en Internet: FERREIRA, Viridiana. FORTES, Leda. FERRARA, María. LIMA, Alexandre. CORREA, Bruno. (2010). Biomass Residues in Brazil: Availability and Potential Uses. Received: 11 November 2009 / Accepted: 4 January 2010 / Published online: 7 February 2010. Springer. Science+Business. Media B.V. 2010. FLÓREZ B. Ana M.; FRANCO C. Carlos J. yDYNER, Isaac. Análisis de la producción de biocombustibles en Colombia. Universidad Nacional de Colombia. 8º Congreso Latinoamericano y 8º Encuentro Colombiano de Dinámica de Sistemas. Bogotá: 2010 GALLIS, Christos TH. (1996). Activity oriented stochastic computer simulation of forest biomass logistics in Greece. Forest Engineering Researcher, Greece. Biomass and Eioenergy Vol. 10. Nos 516, pp. 377-382. GIAMPIETRO, Mario. ULGIATI, Sergio. PIMENTEL, David. (1997). Feasibility of Large-Scale Biofuel Production. Does an enlargement of scale change the pictured?. BioScience Vol. 47 No. 9. October.1997. GIGLER, J.K. HENDRIX, E.M.T. HEESEN, R.A. VAN DEN HAZELKAMP, V. MEERDINK, G. (2002). On optimisation of agri chains by dynamic programming. Wageningen. In: European Journal of Operational Research. March, 2002. vol. 139, p. 613–625. GLOBAL SUPPLY CHAIN FORUM. What is Management in Supply Chain Management? – A critical review definitions. In: Journal of Management Policy and Practice. April – May, 2010. vol. 11, no. 4, p. 11. GUALTEROS S, Juan Manuel. Estudio prospectivo de la cadena productiva del biodiésel a partir de palma africana en Colombia. Bogotá: Universidad Nacional, 2011

116

GUNNARSSON, Helene. RÖNNQVIST, Mikael. LUNDGREN, Jan T. (2004). Supply chain modelling of forest fuel. In: Linköping Institute of Technology European Journal of Operational Research. June, 2004. vol. 158, p. 103–123. HANDFIELD, Robert y NICHOLS, Ernest. Introduction to Supply Chain Management. Upper Saddle River. New Jersey: Prentice Hall, 1999. HIGGINS, Andrew J. POSTMA, Steve. (2004). Australian Sugar Mills Optimise Siding Rosters to Increase Profitability. In: Annals of Operations Research. April, 2004. vol. 128, no. 1, p. 235–249. HILLIER, Frederick y LIEBERMAN, Gerald. Introducción a la Investigación de Operaciones. 9 ed. México: Mc Graw Hill, 2010. p. 63 HUANG, Yongxi. CHEN, Chien-Wei. FAN, Yueyue. (2010). Multistage optimization of the supply chains of biofuels. In: Journal Transportation Research Part E. November, 2010. vol. 46, no. 6, p. 820–830. HUANG, Yongxi; CHEN, Chien-Wei y FAN, Yueyue. (2010). Multistage optimization of the supply chains of biofuels. In: International Journal. March, 2010. vol. 46, no. 6, p. 820-830 HURTADO DE BARRERA, Jacqueline. Metodología de la Investigación Holística. 3 ed. Caracas: Fundación Sypal, 2000. p. 45 IADB. (2008). A blueprint for green energy in the Américas. [en línea]. Disponible en http://www.iadb.org/biofuels. Sustainable Energy and Biofuel Strategies for Colombia. En: Project Profile. [en base de datos en línea]. IICA. (2010). Atlas de la Agroenergía y los Biocombustibles en las Américas: II Biodiesel. - Instituto Interamericano de Cooperación para la Agricultura. Costa Rica. INSTITUTO INTERAMERICANO DE COOPERACIÓN PARA LA AGRICULTURA IICA. Atlas de la Agroenergía y los Biocombustibles en las Américas: II Biodiesel. Costa Rica: IICA, 2010. p.3 KAFAROV, V. OJEDA, K. SÁNCHEZ E. (2004). Situación y Perspectiva de biocombustibles en Colombia. En Centro de Investigaciones en Simulación y Control. Universidad Industrial de Santander. KIM, Jinkyung. REALFF Matthew J. LEE, Jay H. WHITTAKER Craig. FURTNER, Ludwig. (2011). Design of biomass processing network for biofuel production using an MILP model. Biomass and bioenergy 35 853 – 871.

117

KNOTHE, G. KRAHL, J. VAN, Gerpen J. (2005). Editors. The biodiesel handbook. Champaign, IL: AOC. KNOTHE, G. SHARP, CA. RYAN, TW. (2006). Exhaust emissions of biodiesel, petrodiesel, neat methyl esters, and alkanes in a new technology engine. Energy Fuels; 20:403–8. KRAWCZYK, T. (1996). Biodiesel - alternative fuel makes inroads but hurdles remain. INFORM;7:800–15 KUMAR, Amit and SOKHANSANJ Shahab. Switchgrass (Panicum vigratum, L.) delivery to a biorefinery using integrated biomass supply analysis and logistics (IBSAL) model. In: Bioresource Technology. June, 2007. vol. 98, p. 1033–1044. LAMBERT, Douglas. (1997). Supply Chain Management: More than a new name for Logistics. In: The International Journal of Logistic Management. January – february, 1997. vol. 8, no. 1, p. 3. LEJARS, Caroline. LE GAL, Pierre-Yves. AUZOUX, Sandrine. (2008). A decision support approach for cane supply management within a sugar mill area. In: computers and electronics in agricultura. March, 2008. vol. 60, no. 2, p. 239–249 MA, F. HANA, MA. (1999). Biodiesel production: a review. Biores Technol 1999; 70:1–15. MARTINS, Isabel; CONSTANTINO, Miguel and BORGES, José G. A column generation approach for solving a non-temporal forest harvest model with spatial structure constraints. In: European Journal of Operational Research. February – March, 2005. vol. 161, no. 2, p. 478-498 MENTZER, John; DEWITT, William; KEEBLER, James; MIN, Soonhong; NIX, Nancy; SMITH, Carlo y ZACHARIA, Zach. (2001). Defining Supply Chain Management. In: Journal of Business Logistics. 2001. May – Jun, 2001. vol. 22, no. 2. p.1 MITTELBACH, M. REMSCHMIDT, C. (2004). Biodiesels – the comprehensive handbook. Graz, Austria: Karl-Franzens University Press. MOREIRA. Marco. ILEANA. María. (2009). Modelos mentales y modelos conceptuales en la enseñanza & aprendizaje de las ciencias (Mental models and conceptual models in the teaching & learning of science). Tejina, La Laguna, Sta. Cruz de Tenerife, España.

118

NACEPT. (2007). Strategic Framework for Biofuels Efforts. National Advisory Council for Environmental Policy and Technology. Washington DC, Estados Unidos. NACEPT. (2007). Strategic Framework for Biofuels Efforts. National Advisory Council for Environmental Policy and Technology. Washington: NACEPT, 2007. NG, J.-H. NG, Hoon Kiat, GAN, S. (2009). Recent trends in policies, socioeconomy and future directions of the biodiesel industry. Malasia. Clean Techn Environ Policy 12: 213–238 NG, J.H.; NG, Hoon Kiat, GAN, S. (2009). Recent trends in policies, socioeconomy and future directions of the biodiesel industry. In: Clean Techn Environ Policy. September, 2009. vol. 19. no. 12, p . 213–238 ORJUELA, Javier y RODRÍGUEZ, Isaac. Panorama de las políticas y leyes del gobierno colombiano frente a la producción de alimentos agropecuarios y de producción de agrocombustibles. En: Estudios en Derecho y Gobierno. Junio – diciembre, 2009. vol. 2, no. 2, p. 83 ORJUELA, Javier. RODRÍGUEZ, Isaac. (2009). Panorama de las políticas y leyes del gobierno colombiano frente a la producción de alimentos agropecuarios y de producción de agrocombustibles. Estudios en derecho y gobierno. Pag-83 98. PAPAPOSTOLOU, Christiana; KONDILI, Emilia y KALDELLIS, John K. Development and implementation of an optimisation model for biofuels supply chain. In: Energy. October – November, 2011. vol. 36, no. 10, p. 6019 - 6026. RAVULA, Poorna P. GRISSO, Robert D, CUNDIFF John S. (2008). Cotton logistics as a model for a biomass transportation system. In: Biomass and Biological Systems Engineering. June, 2008. vol. 32, no. 4, p. 314 – 325. RODRÍGUEZ, Isaías. ORJUELA, Javier. (2009).Panorama de las políticas y leyes del gobierno colombiano frente a la producción de alimentos agropecuarios y de producción de agrocombustibles. Estudios en derecho y gobierno, Vol. 2, N° 2. Universidad Católica de Colombia. SAMPIERI H., Roberto; FERNÁNDEZ-COLLADO, Carlos y BAPTISTA, Lucio. Metodología de la Investigación. México: Mc Graw Hill, 2006. SERVERA, David. Concepto y evolución de la función logística. En: Revista Innovar. Mayo –junio, 2010. vol. 20, no. 38, p.

119

SOKHANSANJ Shahab, KUMAR Amit, TURHOLLOW, Anthony F. (2006). Development and implementation of integrated biomass supply analysis and logistics model (IBSAL). In: Biomass and Bioenergy. April, 2006. vol. 30, no. 10, p. 838–847. TAJA, Hamdy. Investigación de Operaciones. 7 ed. México: Pearson, 2004. p. 74 TRONCOSO, Juan J. GARRIDO, Rodrigo A. (2005). Forestry production and logistics planning: an analysis using mixed-integer programming. Pontificia Universidad Católica de Chile, Santiago de Chile, Chile. Forest Policy and Economics 7: 625– 633. UPME - Unidad de Planeación Minero Energética. Proyección de Demanda de Combustibles Líquidos y GNV en Colombia. Revisión Febrero 2012 UPME - Unidad de Planeación Minero Energética. Proyección de Demanda de Combustibles Líquidos y GNV en Colombia. Revisión Febrero 2012 URZELAIINZA. (2006). Manual Básico de Logística Integral, Díaz de Santos, España. VANDER. Marijn. AL, Fayc. ALOE, Alberto. (2009). Climate Change and Biofuels Pan-European regional-scale modelling of water and N efficiencies of rapeseed cultivation for biodiesel. Research Centre of the European Commission, Via Fermi 2749, Ispra (VA) 21027, Italy. Global Change Biology 15, 24–37, doi: 10.1111/j.1365-2486.2008.01706.x YANDRA. MARIMIN. JAMARAN Irawadi, ERIYATNO. TAMURA, Hiroyuki. (2006). An integration of multi-objective genetic algorithm and fuzzy logic for optimization of agroindustrial supply chain design. Center for International Genetic Algorithms Research and Intelligent Systems Study (CIGARIS). Department of Agroindustrial Technology Faculty of Agricultural Technology. Bogor Agricultural University (IPB). Bogor, Indonesia. YEE, Kian Fei. TAN, Kok Tat, ABDULLAH. Ahmad Zuhairi. LEE, Keat Teong. (2009). Life cycle assessment of palm biodiesel: Revealing facts and benefits for sustainability. Pulau Pinang, Malasia. Applied Energy 86 S189–S196. ZAPATA R Sebastián., FRANCO C. Carlos J., Ana M. FLÓREZ B. (2010). Modelo de producción de palma de aceite. 8º Congreso Latinoamericano y 8º Encuentro Colombiano de Dinámica de Sistemas. ZHANG, Huizhen; CONSTANTINO, Miguel and FALCÃO, André. Modeling forest core area with integer programming. Portugal: Centro de Investigação Operacional Universidade de Lisboa, 2011. p.41–55. 120

ZHU, Xiaoyan. LI, Xueping. YAO, Qingzhu. CHEN, Yuerong. Challenges and models in supporting logistics system design for dedicated-biomass-based bioenergy industry. In: Bioresource Technology. January, 2011. vol. 102, p. 1344– 1351.

121