modelacion de un establecimiento agropecuario en el...

Bellomo, José Francisco

Modelación de un establecimiento agropecuario en el partido de Roque Pérez mediante el método de simulación de Monte Carlo: escenarios e incertidumbres en la toma de decisiones

Trabajo Final de Ingeniería en Producción Agropecuaria Facultad de Ciencias Agrarias

Este documento está disponible en la Biblioteca Digital de la Universidad Católica Argentina, repositorio institucional desarrollado por la Biblioteca Central “San Benito Abad”. Su objetivo es difundir y preservar la producción intelectual de la Institución.La Biblioteca posee la autorización del autor para su divulgación en línea.

Cómo citar el documento:

Bellomo, J. F. 2014. Modelación de un establecimiento agropecuario en el partido de Roque Pérez mediante el método de simulación de Monte Carlo : escenarios e incertidumbres en la toma de decisiones [en línea]. Trabajo Final de Ingeniería en Producción Agropecuaria. Facultad de Ciencias Agrarias. Universidad Católica Argentina. Disponible en: http://bibliotecadigital.uca.edu.ar/repositorio/tesis/modelacion-establecimiento-agropecuario.pdf [Fecha de consulta:.........]

PONTIFICIA UNIVERSIDAD CATÓLICA ARGENTINA

Facultad de Ciencias Agrarias

Ingeniería en Producción Agropecuaria

Modelación de un establecimiento agropecuario en el partido de Roque Pérez mediante el método

de simulación de Monte Carlo: escenarios e incertidumbres en la toma de decisiones

Trabajo Final de Graduación para optar por el título de: Ingeniero en Producción Agropecuaria

Autor:

Bellomo, José Francisco Profesor Tutor:

Med. Vet. Magister, Sabatini, Diego Jorge Fecha: Julio 2015

A Diego Sabatini le expreso mi especial agradecimiento, por su sincero

desinterés y dedicación hacia este trabajo. También hago partícipes a Adriana Pérez, a Ricardo Latour y a mi familia sin cuyo apoyo invaluable

no habría sido posible el desarrollo de esta tesis.

Índice General

Resumen .................................................................................................................. 1

Introducción ............................................................................................................. 2

I. Toma de decisiones bajo condiciones de riesgo .......................................... 2

a) La Investigación Operativa aplicada a la resolución de problemas .......... 4

b) Los modelos .............................................................................................. 5

c) Modelo de simulación de Monte Carlo ..................................................... 9

d) Validación del modelo ............................................................................ 10

II. Establecimiento “La Sofía” ....................................................................... 13

a) Características del rodeo ......................................................................... 15

b) Receptividad del establecimiento ........................................................... 18

c) Sanidad .................................................................................................... 28

Objetivos ................................................................................................................ 33

Materiales y métodos ............................................................................................. 33

I. Modelo 1: “Evaluación del capital inmovilizado” ..................................... 33

II. Modelo 2: “Evaluación de la incidencia de la vacunación contra enfermedades reproductivas de impacto en la productividad” .......................... 35

III. Modelo 3: “Evaluación de las pérdidas en las ganancias de peso de los terneros hasta el destete” .................................................................................... 36

Resultados .............................................................................................................. 37


a) Capital correspondiente al año 2014 ....................................................... 37

b) Capital con ajuste de carga y eliminando categorías improductivas ...... 41

c) Capital con ajuste de carga...................................................................... 45

d) Capital con ajuste de carga e inseminación artificial .............................. 48



Conclusiones .......................................................................................................... 64




IV. Conclusiones Generales ............................................................................. 65

Anexos ................................................................................................................... 67

Índice de Gráficos .................................................................................................. 70

Índice de Tablas ..................................................................................................... 73

Bibliografía ............................................................................................................ 75

1

“Modelación de un establecimiento agropecuario en el partido de Roque Pérez mediante el método de simulación de Monte Carlo:

escenarios e incertidumbres en la toma de decisiones.”

Resumen

Se analizaron tres modelos de simulación de aquellas variables identificadas como Nodos Críticos del sistema ganadero del establecimiento familiar “La Sofía”, utilizando el programa @Risk como herramienta de evaluación de riesgos para facilitar el proceso de toma de decisiones.

El primer modelo evaluó el valor del capital en dólares de diversos ajustes de los requerimientos del rodeo a la receptividad del establecimiento. Se plantearon tres escenarios diferentes: un primer escenario que prescindió de la categoría toros y de las categorías cuyo destino es la reposición de madres del rodeo general; en un segundo escenario se mantuvieron las características de producción actuales (características estándar de la actividad de cría, con todas las categorías presentes y recriando la propia reposición) pero adecuando la carga a la receptividad del establecimiento; y finalmente, se propuso una alternativa que integra el uso de inseminación artificial a tiempo fijo al planteo anteriormente mencionado, evitando la crianza y el mantenimiento de los toros. Los tres modelos fueron comparados a través del análisis del valor del capital y del margen bruto correspondiente a cada alternativa de modo de incrementar la información que facilite la toma de decisiones.

Los resultados posicionan a la alternativa que mantiene el sistema de producción actual pero utilizando inseminación artificial, como aquella que conserva el mayor valor de capital obteniéndose a su vez márgenes brutos superiores a las demás opciones.

El segundo modelo evaluó la incidencia de la vacunación contra enfermedades reproductivas de impacto en la productividad. El modelo permitió conocer la existencia de un 26% de riesgo de incidencia de dichas enfermedades y efectos sobre la producción e ingresos económicos que se acercan al 25% de merma.

Finalmente se analizó el impacto productivo y económico del tratamiento contra enfermedades parasitarias en terneros a partir del cuarto mes de vida. Un incremento del 10% en las ganancias de peso de los terneros produjo un impacto proporcional en los ingresos.

En todos los casos se generaron gráficos representativos del comportamiento de la variable analizada y su variabilidad. A su vez se efectuaron los respectivos análisis de sensibilidad para conocer la correlación entre las variables de entrada al sistema y las variables de salida (resultados), a fin de determinar aquellos Nodos Críticos que inciden de manera significativa en el resultado de la Empresa Familiar.

2

Introducción

Considerando la posibilidad de realizar el trabajo final de graduación en un establecimiento familiar, se propuso analizar, bajo un modelo de simulación, aquellas variables identificadas como Nodos Críticos del sistema ganadero en dicho establecimiento.

En el campo de las actividades agropecuarias, los modelos de simulación permiten explicar la realidad mediante la sustitución del universo real por un modelo virtual. De esta manera se pueden estudiar con mayor plasticidad y menor incertidumbre el comportamiento de sistemas complejos.

La construcción de un modelo virtual requiere la utilización de un tablero de comando dinámico tal que permita analizar eventos. Convencionalmente, los modelos de simulación toman en cuenta un elevado número de escenarios aleatorios para generar distintos resultados posibles.

Así, la Empresa Agropecuaria Familiar podrá reconocer con anticipación aquellas variables y eventos que puedan producir perturbaciones en su sistema productivo. Esto conllevará a que la toma de decisiones se pueda realizar con un menor grado de incertidumbre, especialmente para aquellos eventos que tengan impacto en la eficiencia y resultados económicos del sistema productivo implementado.

A su vez, es esperable que la realización de un trabajo basado en un establecimiento real abordando problemáticas concretas y frecuentes, contribuirá a que productores ganaderos de la región, puedan identificarse con el modelo de simulación generando menos incertidumbre al momento de la toma de decisiones e impactando positivamente en los resultados ganaderos.

Los resultados de este trabajo brindarán a los productores ganaderos la oportunidad de priorizar decisiones a corto y mediano plazo teniendo en cuenta la influencia que cada variable productiva tiene en el resultado económico global. Esto permitirá ahorrar gastos innecesarios en el manejo y evitar el malgaste de tiempo en mejoras que no implican un aumento relevante en la ganancia. Además, ofrecerá una herramienta a aquellos productores que no han realizado un análisis de los diferentes puntos a tener en cuenta para optimizar la producción.

I. Toma de decisiones bajo condiciones de riesgo

Uno de los factores de mayor peso intervinientes en la toma de decisiones es el riesgo. La toma de decisiones bajo condiciones de riesgo e incertidumbre añade dificultad a muchas problemáticas que se presentan en la actividad agropecuaria y afectan al mismo proceso de decisión. Generalmente podemos afirmar que las decisiones que implican una mayor ganancia posible, están atadas a un riesgo que es proporcional a la ganancia. De este modo la aversión al riesgo puede conducir a decisiones empresariales sesgadas, debido a que el productor es renuente a tomar una mayor ganancia dado el riesgo que estas implican.

3

Una parte básica del problema consiste en que la mayor proporción de los principios relacionados con la toma de decisiones requiere información bajo la forma de un único valor más que de un rango de valores. Cuando existe un rango de valores posibles, el decidor deberá formarse una expectativa respecto del valor esperado que se ha de utilizar en el proceso de toma de decisiones. (Kay, 1993)

En un ejemplo: si un productor agropecuario ha de contemplar la precipitación durante cierto período del año para decidir si siembra o no determinado cultivo, se enfrentará a la problemática de encontrar una gran cantidad de datos referidos a precipitaciones a lo largo de los años. De este modo el productor deberá valerse de información adicional que le permita estimar el valor de precipitación esperado para la campaña agrícola.

Pueden utilizarse diversos métodos para formarse una expectativa respecto del valor de la variable considerada. Los más frecuentes comprenden:

Promedios Valor más probable

Este último método requiere que se conozcan las probabilidades asociadas a cada resultado posible, ya sea que tales probabilidades sean reales o subjetivas. El resultado con la mayor probabilidad habrá de seleccionarse como aquél que más probablemente ha de ocurrir. En numerosos casos en el campo agropecuario, las variables concentran las mayores probabilidades de ocurrencia alrededor del valor medio, ya que presentan distribuciones normales (Clima, Receptividad, kg de carne/ha, etc.).

Considerando el mismo ejemplo del productor agropecuario, este debe escoger entre más de un valor de precipitación posible (como sucede en la realidad), por lo que deberá contar con otro factor además de los valores esperados. Es necesario considerar a la variabilidad en torno a un valor esperado. Para ello se evalúa:

Rango: Es una medida muy sencilla de variabilidad constituida por la diferencia entre los resultados más bajos y los más altos posibles. Esta opción no se considera una buena medida de variabilidad ya que no considera las probabilidades asociadas a los valores extremos dentro de la distribución de resultados.

Desvío estándar: Es la más utilizada. Se define como raíz cuadrada de la varianza y mide la dispersión de los valores con respecto al valor promedio.

Coeficiente de variación: A veces la desviación estándar puede ser difícil de interpretar cuando la distribución probabilística tiene diferentes valores factibles. Es de esperarse que las distribuciones probabilísticas con valores esperados más elevados tengan mayor variabilidad, y con frecuencia así sucede. Este coeficiente mide la variabilidad con relación al valor esperado o media de la distribución probabilística. Esta medida se determina

4

dividiendo la desviación estándar entre la media o valor esperado de la distribución. (Kay, 1993)

La utilización de valores promedio con sus correspondientes desvíos respecto a esa media lleva al concepto de distribución de frecuencia y distribuciones acumuladas de resultados. A través de dichos conceptos puede llegarse al cálculo de la probabilidad de ocurrencia de cada resultado, herramienta sumamente útil a la hora de medir el riesgo que existe de obtener un valor igual o menor (o igual o mayor) que cualquier umbral que se quiera considerar.

Para lograr obtener datos útiles de estimación de valores medios y de variabilidad necesarios para conocer el valor más probable, es frecuente la utilización de datos históricos (como en el caso de las precipitaciones), aunque muchas veces dichas estimaciones no representan realmente lo que ocurriría en el propio establecimiento. (Ej.: un rinde medio zonal involucra tanto rindes muy bajos, como rindes muy por encima de la media, con lo cual se subvalúa el riesgo). (Pena de Ladaga, 2006). Una metodología sumamente útil para estimar probabilidades de ocurrencia cuando no se poseen datos históricos, o la información es insuficiente es a través de la Investigación Operativa.

a) La Investigación Operativa aplicada a la resolución de problemas

A partir de la situación objetiva de una empresa agropecuaria familiar que enfrenta problemáticas concretas, introducimos a nuestro análisis bibliográfico el concepto de investigación operativa, una asignatura compleja que intenta resolver conflictos de intereses entre los componentes de cualquier organización, de modo que el resultado sea el mejor para el sistema estudiado en su conjunto.

La resolución de problemas o la toma de decisiones a través del uso de la investigación operativa parte de la confección de un modelo el cual debe ser adecuado a cada problemática y situación particular que desee estudiarse. Utiliza el método científico para la resolución de los problemas y la toma de decisiones, para lo cual es fundamental detectar el problema correctamente y no sus síntomas. Se deberán plantear los objetivos, el sistema (ambiente) y las variables del modelo. A su vez se debe formular una hipótesis para construir el modelo, y validarlo para evaluar si se asemeja a la realidad de la situación.

Un modelo es una descripción simplificada de los componentes de un sistema y de las interrelaciones que existen entre los mismos, es una simplificación de la realidad, que surge frente a la necesidad de facilitar el proceso de decisión. (Pena de Ladaga, 2006)

La investigación operativa constituye un enfoque preciso para la adopción de decisiones, pero esta misma precisión puede ser engañosa. Es evidente que una solución exacta para un problema definido en forma inadecuada, tiene aplicaciones limitadas. Una mayor flexibilidad en la elaboración de un modelo puede ser mucho más importante que el empleo de un algoritmo matemático formal para seleccionar un óptimo. Por este motivo resulta preciso comprender el

5

funcionamiento de cada modelo para seleccionar aquél que permita alcanzar el objetivo del trabajo.

Modelizar implica desarrollar un modelo matemático de un sistema adecuado para su funcionamiento en una computadora. De este modo se evita el uso de sistemas reales que pueden requerir mucho tiempo, dinero, y a veces resultan ineficaces. A su vez, un sistema real puede ser demasiado complejo para permitir un análisis adecuado a través de la observación directa. (Dent, 1974)

La modelización requiere de un proceso de abstracción en el cual debe estudiarse un problema real plasmándolo como una representación científica aplicable. Es necesario establecer parámetros, variables, que a veces no resultan evidentes durante la búsqueda de información, y que, al estudiarlos, permiten comprender mejor el sistema en estudio. (Pena de Ladaga, 2006)

El problema principal al desarrollar un modelo bioeconómico, como es la producción agropecuaria, es probable que sea la falta de datos biológicos adecuados, especialmente de aquellas variables que requieren muchos años de mediciones. Muchas veces la falta de datos puede ser paliada con aproximaciones y simplificaciones. (Dent, 1974)

Modelizar ayuda a tomar una decisión, pero no es la toma de decisión. La teoría de la decisión intenta auxiliar a los individuos en la toma de decisiones, aunque las mismas no garanticen la ganancia máxima posible en una actividad.

b) Los modelos

En síntesis, los modelos:

Permiten analizar decisiones de manera económica, ya que se evita la ejecución de las diversas opciones posibles para comprobar cuáles son de interés.

Requieren menos tiempo para obtener resultados.

Permiten prever fenómenos.

Al construir el modelo, se comprende mejor el problema.

Permiten evaluar acontecimientos que condicionan el comportamiento de algunas variables.

Para seleccionar los modelos que se utilizarán en el presente trabajo es necesario primeramente conocer cómo se clasifican los mismos según sus características fundamentales y sus objetivos.

Los modelos prescriptivos son aquellos que utilizan variables definidas. Es necesario identificar las variables independientes (que denominamos comúnmente x) para generar la variable dependiente (y), ambas conocidas. Si las variables

6

independientes (x) se encuentran bajo el control del decidor, el problema radica entonces en definir los valores que deben tomar dichas variables de modo de generar el óptimo valor de la variable y.

Este tipo de modelos indican qué acciones llevar a cabo para tomar la decisión más adecuada. (Ej.: Distribución del dinero entre diferentes inversiones, maximizando el retorno, con un riesgo limitado). (Pena de Ladaga, 2006)

Los modelos predictivos en cambio se utilizan para pronosticar el valor de la variable dependiente cuando las variables independientes son definidas. Esto implica que si bien se posee conocimiento cierto de las variables independientes, la variable resultante o dependiente es desconocida. Por este motivo la forma que tendrá la función generalmente no está totalmente definida como en el caso de los modelos prescriptivos, y debe ser estimada, identificando una función que vincule las variables de una manera adecuada. (Ej.: Consumo condicionado por edad, sexo, estado civil, etc.).

En el caso de los modelos descriptivos, su finalidad principal es la caracterización de un sistema. Existe verdadera incertidumbre acerca de los valores que puede tomar y frente a la variación en x.

Estos modelos pueden aprovecharse para describir el resultado de una operación de un sistema y a su vez para pronosticar (aunque con uso restringido). Dentro de este conjunto de modelos, el modelo de simulación es el de mayor utilización. (Pena de Ladaga, 2006)

Cuando se busca obtener un solo resultado el modelo se denomina determinístico o de optimización (Ej. Programación lineal). Estos modelos utilizan variables fijas y consisten en la búsqueda de la mejor solución considerando la existencia de una serie de restricciones. (Ej.: Maximizar producción con restricciones de insumos).

Cuando se admite más de un resultado posible denominamos al modelo como estocástico o de simulación (Por ejemplo Monte Carlo), en donde por lo menos una variable tiene comportamiento aleatorio. Generalmente nunca se obtiene un solo resultado óptimo, sino que se tienen en cuenta varios resultados subóptimos como alternativas probables ya que muchas veces la diferencia entre los resultados más promisorios puede no ser significativa, aunque si pueden serlo los costos. (Frank, 2010)

Cada modelo sirve para un propósito determinado, por lo cual resulta importante conocer cada tipo de modelo de modo de utilizar el que más se adecua a la situación planteada. (Pena de Ladaga, 2006)

Modelo de simulación (descriptivo)

Cuando se quieren incluir en un análisis varias fuentes de incertidumbre, como en el caso de la producción agropecuaria, los árboles de decisión presentan serias limitaciones. Las técnicas de simulación son una propuesta interesante para

7

la toma de decisiones en escenarios de gran incertidumbre., aunque, como se mencionó anteriormente, no buscan encontrar la mejor propuesta, como sí podríamos afirmar del modelo de programación lineal, sino encontrar probabilidades de comportamiento.

El término “simular” en su sentido más amplio significa duplicar la esencia de un sistema o actividad sin llegar en verdad a la realidad de la misma. Naylor, Balintfy, Burdick y Chu definen a la simulación como una técnica que implica la preparación de un modelo de una simulación real, y después realizar experimentos sobre el modelo. (Dent, 1974)

La simulación permite calcular alternativas sobre la base de un modelo matemático complejo. Es un modelo de sistema que trata de representar a la empresa agropecuaria y que se alimenta con planes alternativos previamente elaborados. (Frank, 2010)

Las técnicas de simulación se utilizan para describir la evolución de un sistema dinámico. Es necesario conocer las distribuciones de probabilidad por aleatorización de las variables de interés como en el caso del modelo de simulación de Monte Carlo.

Si bien las simulaciones no tienen un efecto estrictamente predictivo, son capaces de explicar el comportamiento de una variable dentro de un rango posible de valores. De acuerdo a esto se infiere que los eventos generan perturbaciones. La sensibilidad del modelo permite evaluar consecuencias ante posibles contingencias, asumiendo el mejor y el peor de los escenarios. Estos escenarios virtuales, permitirán formular condiciones extremas para un sistema con riesgos nulos sin interferir con el mundo real.

Una variable aleatoria no está definida por un solo valor determinado sino por una función de probabilidades. Estas pueden ser objetivas o subjetivas. Las objetivas están basadas en información histórica o en análisis de información. Las subjetivas están basadas en opiniones, experiencias y se utilizan solamente cuando no se cuenta con información objetiva. (Pena de Ladaga, 2006)

Elección de las distribuciones de probabilidad

Una distribución de probabilidad describe el rango de valores que puede tomar una variable aleatoria y la probabilidad asignada a cada valor o rango de valores.

Cualquier modelo de simulación, por tratarse de un modelo descriptivo, presenta una gran incertidumbre acerca de la variación que existe en y a partir de variaciones en x. Por este motivo se hace necesario asimilar la relación entre variables a una distribución de probabilidades conocida, para de este modo lograr realizar los modelos correspondientes en el programa informático.

8

Las distribuciones más frecuentemente utilizadas incluyen:

Distribuciones Teóricas:

Normal: Definida por su media y desvío estándar. Abarca todo el rango de los números reales, por lo que no resulta apropiada para variables que no puedan tomar valores negativos. En algunos programas se permite cortar la distribución en valores máximos y mínimos. El clima, rendimiento y peso adulto son ejemplos de variables con una distribución normal.

Distribuciones Empíricas:

Discreta: Se utiliza cuando la variable puede tomar determinados valores discretos.

Triangular: Definida por el valor mínimo, el valor más probable y el valor máximo que puede tomar una variable. Se utiliza cuando no es posible determinar distribuciones más ajustadas. Sobreestima frecuencias de valores extremos y subestima frecuencias de valores medios. Valor esperado es igual al promedio de valores mínimo, máximo y más probable.

Beta Pert: También está definida por los valores mínimo, máximo y más probable, pero es más sensible al valor más probable que a los valores extremos, por lo tanto su forma es diferente.

General: Definida por valor mínimo, máximo y valores intermedios a intervalos consecutivos. Se utiliza para modelar la opinión de expertos como rendimiento esperado o precio a cosecha.

Uniforme: Definida por valor mínimo y máximo con la misma probabilidad de ocurrencia para todos los valores de la variable. Se usa cuando solo existe certeza en el rango de los datos pero no se cuenta con información para conocer la probabilidad de ocurrencia de cada valor. (Pena de Ladaga, 2006)

La elección de la distribución que se asignará a cada variable aleatoria es un nodo crítico en el uso de la simulación, especialmente en el modelo de Monte Carlo. No solamente es importante elegir cuidadosamente el tipo de distribución sino también los valores que lo definen. Por ejemplo, en una distribución normal es necesario escoger los parámetros que definen esa distribución. No es lo mismo elegir una media de 30 con desvío 5, que una media 35 y desvío 3.

Se deben considerar varios aspectos:

Si la variable es continua o discreta.

No siempre es necesario usar una distribución teórica. Es suficiente con una empírica aunque es preferible en lo posible ajustar las variables a distribuciones teóricas.

9

La distribución escogida debería cubrir todo el rango de valores posible para la variable asignada. No debería incorporar valores por fuera de la misma, ni debe dejar de lado valores que sí pertenecen a la distribución real.

Es importante correlacionar variables para dar mayor fidelidad al modelo. Para evaluar si existe correlación pueden utilizarse dos coeficientes: el de Pearson (correlación lineal) y el de Spearman (correlación por orden de rango) utilizadas en diferentes tipos de distribución.

Recordemos que las series históricas pueden ser un punto de partida interesante siempre y cuando se estime que el comportamiento futuro de la variable será similar a su comportamiento pasado. (Pena de Ladaga, 2006)

c) Modelo de simulación de Monte Carlo

El método de Monte Carlo, que utilizaremos en este trabajo, es un modelo que permite resolver problemas matemáticos mediante la simulación de variables aleatorias. En la práctica, las pruebas aleatorias se sustituyen por resultados de ciertos cálculos realizados con números aleatorios. (Rodríguez-Aragón, 2011).

Si bien también se ha evaluado la posibilidad de utilizar la programación lineal como método de simulación, se ha demostrado que, a pesar de ser el más utilizado, este se limita a determinar el modelo óptimo descartando otras posibilidades factibles, mientras que la simulación con Monte Carlo ofrece varias alternativas subóptimas sin descartar opciones que pudieran ser relevantes para nuestro estudio (Barnard, 1984).

Según Gargano (1992), una de las principales dificultades para el diseño de estos modelos es la escasez de bibliografía, siendo que se registran pocos antecedentes de su utilización en el país, a pesar de que Donaldson y Webster (1968) han considerado su uso como un aporte sumamente útil para el planeamiento de empresas.

El modelo de simulación de Monte Carlo se basa en la aleatorización de los valores usados para las variables que definen el modelo realizándose muestreos aleatorios sucesivos de cada variable aleatoria respetando su distribución de probabilidad. Se van generando de este modo diferentes escenarios en donde todas las variables del modelo varían, obteniéndose una distribución de probabilidad para el resultado final del modelo. Por este motivo le llamamos distribución probabilística. Esto permite interpretar la realidad mediante una simulación virtual.

Como los valores de los números de simulación son aleatorios, una simulación nunca será igual a otra a pesar de contar con el mismo modelo. No obstante, cuanto mayor el número de muestreos, más parecidos serán los resultados obtenidos. (Pena de Ladaga, 2006)

10

La simulación de Monte Carlo implica los siguientes pasos:

1. Diseñar el modelo lógico de decisión, en el que se reflejan las relaciones existentes entre todas las variables del sistema.

2. Especificar distribuciones de probabilidad para las variables aleatorias.

3. Muestrear valores para las variables aleatorias.

4. Calcular el resultado del modelo con los valores muestreados y registrarlo.

5. Realizar tantos muestreos como sean necesarios para contar con una muestra estadísticamente representativa.

6. Obtener la distribución de frecuencias del resultado calculado con los valores de cada muestreo, y calcular media, desvío y otras estadísticas de interés.

Es importante entender la ley de los grandes números para lograr una correcta simulación. Según esta ley, cuanto mayor es el tamaño de la muestra, mayor es el ajuste de la distribución muestral y la distribución teórica de la población. Esto da una idea acerca de las iteraciones necesarias para obtener una muestra suficientemente representativa. Es aconsejable acompañar los resultados de las iteraciones con sus respectivos intervalos de confianza, para indicar la exactitud de la estimación.

Se puede conocer el número de iteraciones necesarias para lograr una muestra representativa analizando el comportamiento de la variable medida con respecto al número de iteraciones. Cuando el valor de la variable se estabiliza cercano a un valor determinado podemos definir el número de corridas necesarias. (Pena de Ladaga, 2006)

d) Validación del modelo

En la mayor parte de los trabajos experimentales, existe el problema de relacionar los resultados con el sistema real, porque el ambiente experimental no es el mismo que aquél en donde han de aplicarse los resultados de la simulación.

Para poder hacer inferencias respecto a la realidad con resultados simulados, es necesario tener alguna indicación de lo bien que el modelo representa al sistema real. El proceso de valoración del modelo con respecto a la realidad se conoce como la etapa de verificación o de validación de la simulación. Verificar significa “establecer la verdad o la corrección de algo”, de modo que la verificación de un modelo se ocupa de establecer si el modelo es una representación verdadera o correcta de la realidad. La base para rechazar una hipótesis incorrecta es que el modelo no pueda verificarse dentro de los límites de confianza dados. (Dent, 1974)

11

“¿Predice con suficiente exactitud los diferentes cursos de acción?”

En los modelos descriptivos, como en el caso de la simulación con Monte Carlo, validar tiene una importancia particular, ya que un modelo inválido generará conclusiones impropias sobre el fenómeno estudiado. Es fundamental validar también en los modelos predictivos y en los prescriptivos ya que es necesario dar credibilidad a las predicciones en el primer caso, y dar credibilidad al modelo en el segundo.

Teóricamente un modelo no puede ser validado, el simple hecho de que no tenga inconsistencias no garantiza que se comporte satisfactoriamente en todos los usos para los cuales puede ser empleado. Sí puedo estar seguro de que un modelo no sirve cuando resulta inválido.

La validación se torna incluso más difícil cuando las variables son de tipo ambiental. La alternativa más utilizada es la utilización de valores históricos aunque aquello no garantiza que en el futuro el comportamiento de las variables se mantenga estable. La validación de un modelo no implica su validez por período indeterminado.

Tanto la construcción y validación de un modelo cobran mayor importancia a medida que los riesgos en la toma de decisión aumentan. (Pena de Ladaga, 2006)

Por otra parte, la validación no se ocupa tanto de la corrección de un modelo, sino más bien de que sea eficaz o adecuado para un fin específico. Así, un modelo se valida en relación con el fin para el que fue elaborado, en tanto que se verifica con respecto a la verdad absoluta.

La validación de los modelos presenta varios problemas importantes. Muchas veces existe poca información cuantitativa acerca del sistema real que pueda utilizarse como base de comparación entre el modelo y la realidad. El sistema real puede incluso no existir. En todos estos casos, la validación debe descansar en forma considerable sobre el criterio subjetivo. Aún en el caso de que exista información histórica acerca del sistema real, puede ser necesario un grado considerable de criterio subjetivo.

El segundo problema es el de decidir la base de comparación. La selección de pruebas estadísticas para evaluar la bondad de ajuste, de ordinario se restringirá seriamente por falta de datos acerca del sistema real, pero el problema principal es el de decidir en qué etapa debe rechazarse un modelo, sobre la base de una prueba estadística. La decisión de aceptación de un modelo tiene que incorporar un elemento de criterio subjetivo para equilibrar los objetivos del estudio con el realismo y la complejidad del modelo. (Dent, 1974)

12

Las dos metodologías más frecuentes para la validación de un modelo incluyen:

Que el usuario verifique que la simulación se lleve a cabo como se debe.

Brindar estadísticas que confirmen que la simulación produce resultados similares a los del sistema real.

Análisis de sensibilidad

En los modelos en donde intervienen muchas variables es interesante determinar cuáles de ellas poseen mayor incidencia sobre el resultado, el análisis de sensibilidad permite conocer este tipo de información. En el proceso de validación se utiliza para:

Asegurarnos que el modelo produce resultados razonables cuando los factores e hipótesis son cambiados.

Para simplificar la estructura del modelo. Si el cambio en los niveles de algunos factores no implica cambios en las respuestas del modelo, entonces podríamos pensar en omitir algún recurso o actividad implicada en esos cambios.

Chequear los efectos del uso de parámetros basados en información inadecuada, difícil de obtener o incierta.

Existen diferentes tipos de análisis de sensibilidad, sin embargo, el gráfico “tornado” resulta uno de los más claros. Se basa en el cálculo de correlaciones entre el resultado del modelo obtenido en cada iteración y el valor que tomó cada variable en dicha iteración. El gráfico tornado resume los coeficientes de correlación: para cada variable el coeficiente de correlación se indica con una barra horizontal que brinda una idea de la influencia que esa variable tiene en determinar el resultado del modelo. Cuanto mayor el tamaño de la barra, mayor correlación. (Pena de Ladaga, 2006)

Es fundamental realizar un análisis de sensibilidad que permita establecer la estabilidad de la solución. Esta mide la variación del resultado ante la alteración de una de las variables (datos utilizados). Cuanto menor sea la variación, se dice que más estable es el modelo. Generalmente las soluciones más definitivas son las más estables y generan las soluciones óptimas. En cambio cuanto más variable es el resultado, mayor será la necesidad de considerar un conjunto de resultados como opciones posibles y no un solo resultado o pocos resultados. (Frank, 2010)

13

II. Establecimiento “La Sofía”

El establecimiento “La Sofía” se encuentra ubicado dentro del cuartel octavo perteneciente al partido de Roque Pérez, provincia de Buenos Aires. Más precisamente, se sitúa en la cabecera Sur del partido, a unos 2,5Km del río Las Flores, el cual determina el límite Sur del partido de Roque Pérez, lindante con el partido de Las Flores. Cuenta con una superficie de 176 hectáreas; 112 destinadas a la producción ganadera y 61 hectáreas a labores agrícolas.

Fuente: Google earth.

Ilustración 1 - Imagen Satelital del Establecimiento "La Sofía".

Coordenadas:

Extremo Norte: 35° 35´ 10,30” S; 59° 07´ 56,80” O

Extremo Este: 35° 35´ 45,88” S; 59° 07´ 13,70” O

Extremo Sur A: 35° 36´ 08” S; 59° 07´ 40,80” O

Extremo Sur B: 35° 35´ 50,50” S; 59° 08´ 02,68” O

Extremo Sur C: 35° 35´ 58” S; 58° 08´ 12,10” O

Extremo Oeste: 35° 35´ 40,11” S; 59° 08´ 33,66” O

Extremo Norte

Extremo Sur A

Extremo Oeste Extremo

Este

Extremo Sur B

Extremo Sur C

14

La actividad ganadera, a la cual nos limitaremos durante el presente trabajo, se realiza desde el año 2002 en los suelos de menor productividad del establecimiento, iniciándose con 50 vientres de la raza Aberdeen Angus e incrementándose hasta alcanzar un número aproximado de 190 vientres al año 2014.

Actualmente, y debido a la alta carga por hectárea alcanzada (cercana a 2 EV/ha), esta actividad se ha llevado a cabo a costa de grandes erogaciones destinadas especialmente a la alimentación animal. Una importante superficie del establecimiento es sembrada con verdeos de invierno o verano según el caso, complementando la base de alimentación forrajera mediante la adquisición de reservas para sobrellevar el período de déficit invernal.

El establecimiento integra 10 lotes de una superficie comprendida entre 3,5 ha y 20,25 ha, sin registro histórico de uso ni de producción. Se ha realizado un análisis de suelos en el mes de Abril del año 2013 observándose a rasgos generales buenas características de suelo, con limitantes en el drenaje y en contenido de Fósforo Bray.

En aquellos años en que el propietario recría sus propios animales, esta actividad se realiza a través del encierre a corral dentro del establecimiento utilizando alimentos concentrados, al igual que ocurre en el proceso de terminación.

A su vez debe destacarse que no se lleva adelante un cronograma sanitario que responda a un plan de trabajo, como tampoco registros de vacunaciones ni de manejo de las parcelas afectas a la actividad. Tampoco se cuenta con proyectos de trabajo a mediano ni a largo plazo, sino que las decisiones se toman sin un planeamiento previo.

Si bien el propietario lleva registro de los datos productivos y de los costos e ingresos del establecimiento, los mismos no son analizados ni aprovechados con el fin de lograr mayor eficiencia y productividad. Por este motivo, la situación actual del establecimiento resulta propicia para lograr una respuesta satisfactoria para un mejor ordenamiento y análisis de la actividad.

15

a) Características del rodeo

Composición del rodeo a fecha Mayo 2014:

Fuente: Elaboración propia.

Tabla 1 - Composición del rodeo.


Gráfico 1 - Existencias a Mayo 2014.

A través de las tablas de equivalencias ganaderas CREA se obtuvieron los requerimientos para cada categoría que integra el rodeo general del establecimiento. Los mismos se expresan en la tabla 2 expuesta a continuación:

Categoría Cantidad Porcentaje

Terneras en crecimiento 25 11,16%Vaquillonas de 1° parición 24 10,71%

Vacas de 2° parición 44 19,64%Vacas de rodeo general 102 45,54%

Vacas CUT 19 8,48%Toritos 1año 2 0,89%

Toritos 2 años 3 1,34%Toros 5 2,23%Total 224 100,00%

11%

11%

20%

46%

8%

1% 1% 2%

Existencias Mayo 2014

Terneras en crecimiento

Vaquillonas de 1° parición

Vacas de 2° parición

Vacas de rodeo general

Vacas CUT

Toritos 1año

Toritos 2 años

Toros

16


Tabla 2 - Requerimientos promedio mensuales del rodeo.

Enero Febrero Marzo Abril Mayo Junio Julio Agosto Septiem. Octubre Noviem. Diciem.

Categoría Carga Total Descripción Servicio Destete PromediosRequerim EV/cab 0,61 0,64 0,67 0,70 0,74 0,77 0,80 0,83 0,86 0,89 0,75Requerim EV Tot. 0,00 0,00 14,64 15,40 16,15 16,91 17,66 18,42 19,18 19,93 20,69 21,44 15,04Requerim EV/cab 0,91 0,93 0,95 0,97 0,99 1,01 1,03 1,05 1,07 1,1 1,15 1,25 1,03Requerim EV Tot. 21,84 22,32 22,80 23,28 23,76 24,24 24,72 25,20 25,68 26,40 27,60 30,00 24,82Requerim EV/cab 1,35 1,4 0,7 0,75 0,8 0,85 0,9 1 1 1,1 1,15 1,25 1,02Requerim EV Tot. 60,75 63,00 31,50 33,75 36,00 38,25 40,50 45,00 45,00 49,50 51,75 56,25 45,94Requerim EV/cab 1,35 1,4 0,7 0,75 0,8 0,85 0,9 1 1 1,1 1,15 1,25 1,02Requerim EV Tot. 137,70 142,80 71,40 76,50 81,60 86,70 91,80 102,00 102,00 112,20 117,30 127,50 104,13Requerim EV/cab 0,91 0,93 0,82 0,84 0,85 0,86 0,88 0,89 0,90 0,93 0,97 1,06 0,90Requerim EV Tot. 17,29 17,67 15,62 15,87 16,12 16,38 16,63 16,89 17,14 17,59 18,41 20,18 17,15Requerim EV/cab 0,61 0,63 0,66 0,7 0,74 0,78 0,82 0,86 0,9 0,94 0,98 0,78Requerim EV Tot. 0 1,22 1,26 1,32 1,4 1,48 1,56 1,64 1,72 1,8 1,88 1,96 1,44Requerim EV/cab 1,02 1,06 1,1 1,14 1,18 1,22 1,26 1,3 1,34 1,38 1,42 1,46 1,24Requerim EV Tot. 3,06 3,18 3,3 3,42 3,54 3,66 3,78 3,9 4,02 4,14 4,26 4,38 3,72Requerim EV/cab 1,15 1,15 1,15 1,15 1,15 1,15 1,15 1,15 1,15 1,15 1,15 1,15 1,15Requerim EV Tot. 5,75 5,75 5,75 5,75 5,75 5,75 5,75 5,75 5,75 5,75 5,75 5,75 5,75

Totales 224 Requerimi EV Tot. 246,39 255,94 166,27 175,29 184,33 193,37 202,41 218,80 220,49 237,31 247,64 267,47 217,97

Toritos 1 año 2

5Toros

Vaquillonas de 2° servicio

45

Vacas del rodeo general

102

Vacas CUT 19

Toritos 2 años 3

Servicio

24Terneras en crecimiento

Vaquillonas de 1° servicio

24

Parición

17


Gráfico 2 - Requerimientos del rodeo según su categoría.


Gráfico 3 - Curva de requerimientos del rodeo.

En base a los datos obtenidos, se estima que los requerimientos anuales del rodeo con las características expuestas anteriormente se aproximan a 79482 EV. Sin embargo, en el año 2014 se llevó a cabo un destete anticipado en el mes de Enero, por lo que los requerimientos se redujeron significativamente a unos 74341 EV aproximadamente.

7%

11%

21%

48%

8%

1% 2% 2%

Requerimientos por Categoría

Terneras en crecimientoVaquillonas de 1° pariciónVaquillonas de 2° pariciónVacas del rodeo generalVacas CUTToritos 1 añoToritos 2 añosToros

0,00

50,00

100,00

150,00

200,00

250,00

300,00

EV/d

ía T

otal

es

Curva de Requerimientos Totales

Requerimientos Totales

18

b) Receptividad del establecimiento

Se pueden encontrar diferentes estados de los lotes en el establecimiento. Los lotes 1, 2 y 7, que se observan en la Ilustración 2 fueron sembrados con pasturas polifíticas base festuca en marzo del año 2014, con semillas compradas a la empresa Bayá Casal. Esta pastura está compuesta por Festuca arundinacea variedad Aprilia, Trifolium repens, Lotus corniculatus y Lolium multiflorum variedad Mathilde. Si bien su estado general es bueno, las inundaciones ocurridas a lo largo del año 2014 han afectado una proporción importante.

Fuente: Google earth.

Ilustración 2 - Loteo del establecimiento "La Sofía".

La mitad sudoeste del lote 3 también fue sembrada con la misma combinación de especies en marzo del año anterior. Si bien la inundación no afectó a este lote con el impacto que lo hizo en los lotes anteriores, las fallas en el control de malezas afectaron la productividad. La mitad noreste del mismo lote y el lote 4 están compuestos por pasturas degradadas con especies invernales introducidas y especies megatérmicas pertenecientes al campo natural.

De acuerdo a consultas realizadas al profesor a cargo de la cátedra de producción y utilización de forrajes de la Facultad de Agrarias perteneciente a la Pontificia Universidad Católica Argentina de Buenos Aires, se puede estimar que la productividad de una pastura degradada se reduce en un 25-30% con respecto a una pastura en condiciones normales.

1

Molino Viejo

10

9 8 7

6

5

4

3 2

19

El lote 5 fue sembrado con una pastura base festuca durante el año 2012, que al igual que el año 2014, los excesos en las precipitaciones malograron la mayor parte de la misma.

El lote 6 fue sembrado en Noviembre del año 2013 con un verdeo de Soja grupo 8 destinado al pastoreo directo desde el mes de Diciembre hasta fines del mes de Marzo. Se realizaron cuatro (4) pastoreos (Diciembre, Enero, Febrero y Marzo) con una producción total estimada en 6 TND/ha, y una distribución homogénea de la producción, tomando como referencia datos de Spara, 2007.


Tabla 3 - Producción y receptividad de la soja destinada a pastoreo.

El lote 8 y el lote 10 contienen especies de campo natural con participación de leguminosas y cierta proporción de festuca, lo cual supone la siembra de una pastura perenne en algún momento de su historia, anterior a 1997.

El lote 9 fue sembrado en Noviembre del año 2013 con un verdeo de sorgo sudanense, cuya producción alcanzó las 12 TND/ha consumidas en tres (3) pastoreos realizados en Enero, Marzo y Abril y una distribución de la producción de 45%, 35% y 20% respectivamente.


Tabla 4 - Producción y receptividad del sorgo destinado a pastoreo.

Debido a la ausencia de registros en la producción de forraje de las pasturas del establecimiento, resulta necesario realizar estimaciones acerca de dicha productividad en base a imágenes satelitales, división por ambientes, y análisis de datos obtenidos a través de la web acerca de mediciones realizadas por productores de la zona.

La división por ambientes permite clasificar los diferentes sectores del campo con discrepancias productivas según su reflectancia, lo cual indica el grado de producción forrajera. Dicha división por ambientes, asociada a la productividad forrajera de cada uno, permite conocer la receptividad total y por unidad de

Diciembre Enero Febrero MarzokgMS/ha 1500 1500 1500 1500DVMS 65 62 63 60

EM/kg MS 2,34 2,23 2,27 2,16EV/ha 3,05 2,91 3,28 2,82

Enero Febrero Marzo AbrilkgMS/ha 5400 0,00 4200 2400DVMS 67 0,00 62 58

EM/kg MS 2,41 0,00 2,23 2,09EV/ha 11,33 0,00 8,16 4,50

20

superficie del establecimiento, y de este modo contrastarla con la demanda forrajera calculada.


Ilustración 3 - Mapa de ambientes del establecimiento.

Junto con los datos de materia seca (Casal, 2009) y los datos de digestibilidad del pastizal (Campo Natural, S.A., 2009), es posible originar datos de energía metabolizable por kilogramo de materia seca, relacionando las producciones y las digestibilidades del kilogramo de materia seca mensuales a través del cociente 0,036. (Pattacini, 2000)

Partiendo de que cada EV representa 18,54 megacalorías de energía metabolizable por día, al dividir las megacalorías obtenidas por el pastizal para una (1) hectárea, por las megacalorías del EV, se obtiene la receptividad por unidad de superficie. (Ayala Torales, 1991)

Considerando la proporción de ambientes productivos correspondientes a cada lote, así como la productividad del recurso forrajero según el ambiente, se obtuvieron datos de receptividad por lote considerando una eficiencia de cosecha promedio del 55%.

Loma Agrícola

Media Loma

Bajo Dulce

Casa Principal y Monte

Cubeta

Puesto

Caminos y Accesos

Manga

Corral de Encierre

Loma Ganadera

21


Tabla 5 - Porcentaje de cada ambiente por lote.

Lote Sup. (ha) %Loma % Media Loma %Bajo Dulce %Bajo Salino % Monte %Total

1 3,69 0,00% 7,32% 92,68% 0,00% 0,00% 100,00%2 16,8 0,00% 36,67% 63,33% 0,00% 0,00% 100,00%

3A 6,12 0,00% 76,63% 23,37% 0,00% 0,00% 100,00%3B 6,65 0,00% 70,53% 29,47% 0,00% 0,00% 100,00%4 13,4 0,00% 47,76% 51,49% 0,00% 0,75% 100,00%5 20,4 0,00% 57,30% 42,70% 0,00% 0,00% 100,00%6 13,4 0,00% 69,63% 30,37% 0,00% 0,00% 100,00%7 8,92 0,00% 78,36% 21,64% 0,00% 0,00% 100,00%8 7,48 28,74% 65,37% 5,88% 0,00% 0,00% 100,00%9 7,62 0,00% 85,04% 14,96% 0,00% 0,00% 100,00%10 7,3 0,00% 71,51% 27,12% 0,00% 1,37% 100,00%

Lote Molino Viejo 1,14 0,00% 85,96% 14,04% 0,00% 0,00% 100,00%

AmbientesDetalles

22


Tabla 6 - Productividad forrajera por ambiente del campo natural.

Comunidad Unidad Enero Febrero Marzo Abril Mayo Junio Julio Agosto Septiem. Octubre Noviem. Diciem. TotalDías 31 28 31 30 31 30 31 31 30 31 30 31 365

Loma kgMS/ha 674 560 510 480 430 330 270 390 570 765 870 732 6581 Mcal/EVLoma DVMS 45 50 52 45 45 40 45 50 55 65 65 50 - 18,54Loma EM/kg MS 1,62 1,80 1,87 1,62 1,62 1,44 1,62 1,80 1,98 2,34 2,34 1,80 1,82Loma EV/ha 1,04 1,07 0,91 0,77 0,67 0,47 0,42 0,67 1,12 1,71 2,01 1,26 1,01

Media Loma kgMS/ha 691 584 502 480 360 270 125 200 450 580 725 840 5807 Coef.Media Loma DVMS 45 50 50 42 42 40 40 45 50 65 65 50 - 0,036Media Loma EM/kg MS 1,62 1,80 1,80 1,51 1,51 1,44 1,44 1,62 1,80 2,34 2,34 1,80 1,75Media Loma EV/ha 1,07 1,11 0,86 0,72 0,52 0,38 0,17 0,31 0,80 1,30 1,68 1,45 0,86

Bajo Dulce kgMS/ha 658 504 476 398 330 220 120 300 415 511 653 785 5370 Ef. CosechaBajo Dulce DVMS 45 50 50 40 40 35 35 40 45 50 55 55 - 0,55Bajo Dulce EM/kg MS 1,62 1,80 1,80 1,44 1,44 1,26 1,26 1,44 1,62 1,80 1,98 1,98 1,62Bajo Dulce EV/ha 1,02 0,96 0,82 0,57 0,45 0,27 0,14 0,41 0,66 0,88 1,28 1,49 0,75

Bajo Salino kgMS/ha 300 224 180 150 120 90 60 90 120 270 600 450 2654Bajo Salino DVMS 40 45 45 35 35 35 30 30 30 40 40 40 -Bajo Salino EM/kg MS 1,44 1,62 1,62 1,26 1,26 1,26 1,08 1,08 1,08 1,44 1,44 1,44 1,34Bajo Salino EV/ha 0,41 0,38 0,28 0,19 0,14 0,11 0,06 0,09 0,13 0,37 0,85 0,62 0,30

23


Gráfico 4 - Productividad por ambiente del campo natural.


Gráfico 5 - Receptividad por ambiente del campo natural.

0100200300400500600700800900

1000

Kg

MS/

ha

Productividad del Campo Natural

Loma Media Loma Bajo Dulce Bajo Salino

0,00

0,50

1,00

1,50

2,00

2,50

EV/h

a

Receptividad del Campo Natural

Loma Media Loma Bajo Dulce Bajo Salino

24


Tabla 7 - Producción de materia seca de praderas polifíticas de festuca.


Gráfico 6 - Productividad de la pastura base festuca.

Kg MS/ha 550 485 620 500 450 300 250 560 760 1025 980 770 7250DIVMS (%) 52 53 55 50 55 60 62 66 70 66 62 58 59,08

EV/ha 0,99 0,98 1,17 0,89 0,85 0,64 0,53 1,27 1,89 2,33 2,16 1,54 1,27

Kg MS/ha 412,5 363,75 465 375 337,5 225 187,5 420 570 768,75 735 577,5 5437,5DIVMS (%) 52 53 55 50 55 60 62 66 70 66 62 58 59,08

EV/ha 0,74 0,74 0,88 0,67 0,64 0,48 0,40 0,95 1,42 1,75 1,62 1,15 0,95

Pastura Base

Festuca

Pastura Degradada

0200400600800

10001200

Kg

MS/

ha

Productividad de la Pastura Base Festuca

Pastura Base Festuca Pastura Degradada

25


Gráfico 7 - Receptividad de la pastura base festuca.

Estos datos fueron cotejados con mediciones realizadas en el establecimiento durante el período Agosto 2013-Agosto 2014, teniendo en cuenta que, si bien estas mediciones no son estadísticamente representativas, colaboran en la estimación de los parámetros de producción forrajera que son de nuestro interés.

0,00

0,50

1,00

1,50

2,00

2,50

EV/h

a

Receptividad Pastura Base Festuca

Pastura Base Festuca Pastura Degradada

26


Tabla 8 - Receptividad por unidad de superficie según cada lote.


Tabla 9 - Receptividad total por lote.

Lote Sup. (ha) Enero Febrero Marzo Abril Mayo Junio Julio Agosto Septiem. Octubre Noviem. Diciem. Promedio

1 0 0,76 0,75 0,90 0,68 0,66 0,49 0,41 0,98 1,46 1,79 1,66 1,18 0,982 0 0,83 0,83 0,99 0,75 0,72 0,54 0,45 1,07 1,59 1,96 1,82 1,29 1,07

3A 0 0,70 0,69 0,83 0,63 0,60 0,45 0,38 0,90 1,34 1,65 1,53 1,09 0,903B 0 0,91 0,91 1,09 0,82 0,79 0,59 0,49 1,18 1,75 2,16 2,00 1,43 1,184 0 0,64 0,64 0,76 0,58 0,55 0,42 0,35 0,82 1,23 1,51 1,40 1,00 0,825 0 0,66 0,66 0,79 0,60 0,57 0,43 0,36 0,85 1,27 1,56 1,45 1,03 0,856 0 2,91 3,28 2,82 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,747 2,15 0,93 0,93 1,11 0,84 0,81 0,61 0,51 1,20 1,79 2,20 2,05 1,46 1,208 0 1,06 1,09 0,88 0,72 0,56 0,40 0,24 0,42 0,88 1,39 1,75 1,40 0,909 0 11,33 0,00 8,16 4,50 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 2,0310 0 1,04 1,06 0,84 0,67 0,50 0,35 0,16 0,33 0,75 1,17 1,55 1,44 0,82

Lote Molino Viejo 2,15 1,06 1,09 0,86 0,70 0,51 0,37 0,17 0,32 0,78 1,24 1,62 1,45 0,85

Detalles EV/ha/día mensual

Lote Sup. (ha) Enero Febrero Marzo Abril Mayo Junio Julio Agosto Septiem. Octubre Noviem. Diciem. Promedio

1 0 2,79 2,78 3,33 2,52 2,42 1,82 1,51 3,61 5,37 6,61 6,13 4,36 3,612 0 13,93 13,86 16,61 12,58 12,06 9,06 7,55 18,00 26,78 32,95 30,58 21,76 17,99

3A 0 4,26 4,24 5,08 3,85 3,69 2,77 2,31 5,50 8,18 10,07 9,35 6,65 5,503B 0 6,07 6,04 7,24 5,48 5,25 3,95 3,29 7,84 11,67 14,36 13,32 9,48 7,844 0 8,55 8,51 10,20 7,73 7,40 5,56 4,64 11,05 16,44 20,23 18,78 13,36 11,055 0 13,47 13,40 16,06 12,16 11,65 8,76 7,30 17,40 25,88 31,85 29,56 21,03 17,396 0 38,99 43,95 37,79 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 9,897 2,15 8,31 8,27 9,91 7,51 7,19 5,41 4,51 10,74 15,98 19,66 18,25 12,98 10,748 0 7,93 8,17 6,55 5,41 4,18 3,01 1,81 3,14 6,61 10,42 13,09 10,44 6,729 0 86,33 0,00 62,18 34,29 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 15,4310 0 7,61 7,72 6,14 4,87 3,62 2,55 1,19 2,44 5,50 8,52 11,29 10,50 5,98

Lote Molino Viejo 2,15 1,21 1,25 0,98 0,79 0,58 0,42 0,19 0,37 0,89 1,41 1,85 1,66 0,96

Detalles EV tot/día mensual

27

Obtenidos los datos de receptividad, es posible plasmar en un solo gráfico los requerimientos y la receptividad del establecimiento, observándose un importante déficit forrajero a lo largo del año (superior a 38000 EV), que debe ser cubierto a través de recursos como el heno y granos.


Gráfico 8 - Curva comparativa de los requerimientos y la receptividad del establecimiento.

Es preciso señalar que la curva de receptividad correspondiente al Gráfico 8 fue originada con valores de acuerdo a un manejo estándar y no responde a las características del manejo ganadero llevado a cabo en el año 2014. Las inundaciones originaron un pérdida muy importante en la superficie disponible para pastoreo, y por lo tanto, en la receptividad del establecimiento. A su vez, el productor optó por realizar un destete anticipado en el mes de Enero debido a una sequía estacional.


Gráfico 9 - Curva comparativa de los requerimientos y la receptividad del establecimiento con destete anticipado.

0,00

50,00

100,00

150,00

200,00

250,00

300,00

EV. T

otal

es

Curva Requerimientos-Receptividad

Receptiv. Total Req. Totales

0,0050,00

100,00150,00200,00250,00300,00

EV. T

otal

es

Curva de Requerimientos-Receptividad con Destete Anticipado

Receptiv. Total Req. Totales

28

De modo de cubrir el déficit alimentario, el productor adquirió rollos y grano de maíz incorporándolos a la dieta de los animales. Se añadieron un total de 326 rollos de 500 kg cada uno y 40,5 toneladas de maíz. Aun habiendo incorporado los alimentos adquiridos al cálculo de receptividad, se estimó un déficit anual aproximado de 9897 EV. Esta posición explica la presencia de lotes sobrepastoreados ya que, para cubrir las falencias mencionadas, es necesario alcanzar una eficiencia de cosecha superior al 70%, reduciendo de este modo el forraje remanente necesario para la recuperación de la pastura.

c) Sanidad

Se ha mencionado la ausencia de registros de aquellas actividades relacionadas a este aspecto. Si bien a través de conversaciones con los empleados del establecimiento se ha podido comprobar la aplicación de medidas sanitarias importantes como la vacunación preparto o la aplicación de antiparasitarios, se desconoce si dichas medidas han sido aplicadas correctamente, en tiempo y forma. A su vez, también se ha podido esclarecer cuáles son aquellas medidas que no se aplican en el establecimiento y que pueden originar nodos críticos en la productividad.

Se expone a continuación un breve análisis de las medidas sanitarias llevadas a cabo en el establecimiento utilizando un calendario sanitario modelo a modo de comparación.


Tabla 10 - Calendario sanitario modelo.

E F M A M J J A S O N D

Aftosa X X

Brucelosis (Vacunación) X

Brucelosis (Sangrado) X X

Carbunclo X

Clostridiales (Hasta Destete) X X

Queratoconjuntivitis X X

Diarrea de Terneros X X

Neumonía X X

Revisación de Toros X X X X X X

Reproductivas (Campylobacter, Leptospira, IBR, DVB) X X

Internos X X X X X X X

Externos X X X X

Adulto X X

Ternero y Recría X X X

Vacuna

PLAN SANITARIO

Control de Parásitos

Cobre

29

Las vacunaciones obligatorias contra aftosa en los meses de Mayo y Noviembre y la vacunación contra brucelosis con la Cepa 19 Brucella abortus bovis liofilizada, a terneras entre 3 y 8 meses de edad, se llevan a cabo correctamente.

Si bien en el establecimiento se realizan los correspondientes sangrados para detectar casos positivos de brucelosis al tacto, esta medida se aplica solamente en aquellas madres que han abortado y no a todas ellas como indican las recomendaciones. Las prescripciones indican que deben tomarse dos muestras pareadas separadas por 30 días a todas las hembras mayores de 18 meses de edad y a machos a partir de los 6 meses. A dichas muestras se las remite a un laboratorio habilitado para efectuar la Prueba de Screening del Antígeno Bufferado (BPA), la Prueba de Wright, la Prueba 2,4 Mercaptoetanol, el Test Elisa y PCR (detección de nucleótidos de la bacteria). Los animales positivos a la enfermedad deben ser enviados directamente a frigorífico sin mediar remate feria.

Para llevar adelante un plan de saneamiento, los sangrados deben realizarse con intervalos entre 90 y 120 días. Un establecimiento se considera saneado cuando se obtienen tres sangrados negativos separados entre 45 y 60 días. De este modo se logra la Certificación Oficial con el último sangrado efectuado por personal de SENASA que debe ser recertificada una vez al año (si un solo animal da sospechoso o positivo, se pierde la condición de estatus libre de la enfermedad).

Contra las enfermedades clostridiales (mancha, gangrena infecciosa, enterotoxemia y hemoglobinuria), se aplica una vacuna triple (sin hemoglobinuria) o cuádruple pre-destete. Además de la doble vacunación pre-destete se recomienda vacunar cada seis meses a todas las categorías (a excepción de la mancha que se vacuna solamente hasta los dos años).

Las vacunaciones contra queratoconjuntivitis, diarreas neonatales y neumonías se llevan a cabo de acuerdo al plan establecido anteriormente. Las madres que se vacunan por primera vez contra diarreas neonatales y neumonías reciben doble vacunación a partir del 6º/7º mes de gestación (primera vacunación) y en el 8º mes, la segunda vacunación. Este plan debe mantenerse en el segundo año si en el establecimiento existen antecedentes de la enfermedad con características epidémicas, de lo contrario, toda madre que en el primer año recibió la doble vacunación, a partir del segundo año, podrá recibir solamente una vacunación.

En relación a las enfermedades reproductivas, no se ha llevado a cabo ninguna vacunación contra Campylobacter, Leptospira, IBR (Rinotraqueítis bovina infecciosa) y DVB (Diarrea viral bovina) en la historia del establecimiento. En estos casos, tratándose de enfermedades que afectan al aparato reproductivo, se recomienda vacunar machos y hembras entre los 60 días (primera vacunación) y 30 días (segunda vacunación) antes del servicio para lograr una buena respuesta inmunitaria. Este plan se utiliza en animales primo vacunados, ya que si lo han recibido en el primer año, en el segundo año puede

30

realizarse una sola vacunación entre los 60 y 30 días pre-servicio, siempre que circunstancias excepcionales no indiquen lo contrario. (Caprove, 2008)

Se afirma que por IBR y DVB, se pierden más de $812 millones al año en la Argentina, 40% de las pérdidas originadas en la cría. (Sabatini, 2013). Otros autores aseguran que, solamente considerando las enfermedades venéreas, pueden generar mermas en los índices reproductivos de hasta el 25% o aún mayores (Campero, 2002).

La informalidad en el trabajo sanitario de “La Sofía” podría ser origen de múltiples mermas productivas, que desencadenan perjuicios económicos sencillos de evitar. Es de destacarse que si bien no se llevan a cabo vacunaciones contra enfermedades reproductivas, los índices reproductivos que se exponen en la tabla 11 aparentemente no evidencian problemáticas significativas al respecto.

Además de realizar la vacunación correspondiente contra enfermedades reproductivas clásicas, se recomienda incorporar la vacuna contra tricomoniasis, aplicando dos dosis pre servicio separadas por 30 días, a machos y hembras.

Los índices reproductivos como el porcentaje de preñez, el porcentaje de parición y el porcentaje de destete son variables estrechamente ligadas a la nutrición animal y al estado sanitario del rodeo. Está visto que el estado nutricional posee la mayor influencia en los resultados productivos. En rodeos con buena alimentación y fertilidad, el 60% de las vacas requieren un solo servicio para preñarse, mientras que un 30% requiere dos y un 10% tres servicios. En caso de no contar con alimento para cubrir estas necesidades, lo más probable es que la vaca, después del parto prolongue su anestro hasta cubrir sus requerimientos y recuperarse. (Carrillo, 1993)


Tabla 11 - Índices reproductivos del establecimiento.

% Preñez % Parición % Destete

2004 94,26 94,26 90,102005 89,58 88,54 79,172006 95,24 94,29 89,522007 78,10 78,10 76,192008 90,91 89,39 85,612009 94,03 87,50 84,032010 92,86 84,67 82,482011 89,22 87,43 85,032012 93,18 87,50 85,802013 93,12 86,20 84,90

Promedio 91,05 87,79 84,28

31


Gráfico 10 - Índices reproductivos del establecimiento.

Puede observarse que los índices reproductivos históricos responden a valores adecuados exceptuando el año 2007 en el cual se detectó la intrusión de un toro enfermo de tricomoniasis perteneciente a un establecimiento vecino.

Por otro lado, las parasitosis constituyen una de las limitantes sanitarias más severas para la ganadería vacuna y su control debe ser interpretado como una herramienta sumamente válida para mejorar los niveles productivos. Las parasitosis internas de los bovinos afectan principalmente animales entre 5 a 18 meses que son expuestos a pasturas altamente contaminadas en el momento del destete. Su control se basa en el tratamiento antiparasitario estratégico y táctico con la finalidad de obtener pasturas seguras o con bajo nivel de infectividad. (Caracostántogolo, S. A.)

En el establecimiento en estudio, la aplicación de antiparasitarios se realiza en forma esporádica exclusivamente al rodeo mayor a 15 meses. No se han determinado momentos específicos para el tratamiento de los parásitos, sino que generalmente se los aplica aprovechando las ocasiones en donde se realizan trabajos con la hacienda en la manga (tacto, boqueo, aplicación de cobre o aplicación de vacunas preparto). Los animales menores a 15 meses son desparasitados por única vez al destete, antes de ingresar al encierre a corral.

Así como se mencionaron las pérdidas provocadas por enfermedades típicas del ganado de cría, en esta sección resaltaremos la importancia de las desparasitaciones a partir del cuarto mes de vida, ya que las enfermedades parasitarias pueden producir pérdidas de peso de hasta 40 kg, y de 30 kg aún sin mostrar síntomas de parasitosis. (Casas Calderón, S.A.)

Otros autores detectan una merma del 15% en el peso de un grupo de terneros no desparasitados, al compararlo con animales desparasitados mensualmente. (Rossanigo et. al., 1992)

70,00

75,00

80,00

85,00

90,00

95,00

100,00

2004 2005 2006 2007 2008 2009 2010 2011 2012 2013

%

Índices Reproductivos

% Preñez % Parición % Destete

32

Según Cardona López (1985), el parasitismo manifiesta su efecto provocando niveles bajos en la ingestión y digestibilidad de los alimentos, atraso en el desarrollo, merma en la ganancia de peso y en casos extremos, la muerte del animal parasitado.

La disminución en la ganancia de peso generalmente no puede compensarse luego en la recría, ocasionando un grave perjuicio económico a los sistemas de producción bovina. Se estima que, en la Pampa Húmeda, las pérdidas anuales provocadas por este problema son de alrededor de 200 millones de dólares: 22 millones a causa de la mortandad de terneros y 170 millones por pérdidas subclínicas. El problema es aún más grave si se tiene presente que, según los datos mencionados, casi el 90 por ciento del daño económico provocado por estas parasitosis corresponden a pérdidas difícilmente detectables.

La dificultad en el tratamiento de las parasitosis subclínicas surge debido a la relación entre el animal, los parásitos y el medio ambiente. Si se estudia la población de parásitos en un sistema formado por el animal y la pastura, vemos que el 5% de la población de parásitos son adultos y se hallan poniendo huevos dentro de los animales, en tanto que el 95% restante, se halla como formas larvarias en la pastura.

La suplementación con cobre en adultos se lleva a cabo en conjunto con las maniobras de vacunación preparto y preservicio, de acuerdo al calendario sanitario propuesto. Sin embargo no se ofrece suplementación a la categoría de los terneros, exceptuando aquellos que serán destinados a la reposición. La suplementación con magnesio se efectúa durante el otoño únicamente a las categorías que pastorean verdeos de avena.

33

Objetivos

Este trabajo tiene como objetivo la identificación de los Nodos Críticos en la producción ganadera del establecimiento “La Sofía” y el análisis de su influencia en la productividad a través del uso de modelos de simulación de Monte Carlo.

Para ello se propone:

Evaluar el capital inmovilizado correspondiente a cada categoría. ¿Cuáles son las categorías que deberían permanecer en el establecimiento considerando una receptividad limitada?

Analizar la incidencia de la vacunación contra enfermedades reproductivas en la productividad del establecimiento. ¿Qué ocurriría en el peor de los escenarios?

Evaluar las pérdidas en las ganancias de peso de los terneros hasta el destete que ocasiona el no desparasitar a los terneros a partir del cuarto mes de vida. ¿Qué sucedería con los ingresos si aumentara un 10% más el peso al destete?

Materiales y métodos

A partir de los datos obtenidos a través de la recopilación y ordenamiento de información del establecimiento, se armaron modelos agronómicos que permitieron conocer la incidencia de la variación positiva o negativa de las principales variables que puedan afectar la productividad y la rentabilidad del negocio ganadero.

Para ello, se utilizó el programa informático @Risk for Excel 5.5, el cual ofrece la posibilidad de incluir la incertidumbre presente en las estimaciones realizadas de modo que se puedan generar resultados que incluyan todos los valores posibles. @Risk utiliza la simulación de Monte Carlo para combinar todos los factores inciertos identificados en la realidad que se desea modelar, valiéndose de distribuciones de probabilidad escogidas y expresando los resultados gráficamente para facilitar la comprensión de los mismos. (Pallisade Corp., 2010)

I. Modelo 1: “Evaluación del capital inmovilizado”

Se llevó a cabo un relevamiento de datos del establecimiento correspondientes al año 2014 para conocer el número de animales diferenciándolos por su categoría, y de este modo poder efectuar la valuación del capital hacienda.

Para lograr mayor fidelidad entre los datos de capital a estimar y los datos reales, se utilizaron distribuciones normales aplicadas al peso de los animales valiéndose del desvío estándar y la media de cada categoría y aplicando truncamiento para restringir la distribución a un rango de peso específico (peso

34

mínimo y peso máximo). A su vez, se aplicó la distribución Beta Pert al valor en dólares del kilogramo de carne según cada categoría, utilizando la media, el valor más probable calculado a partir de la fórmula expresada a continuación, y truncando la distribución, del mismo modo que en el caso del peso, a través de un máximo y un mínimo de precios obtenidos a través de la página web del Mercado de Liniers para el mes de Julio del año 2014.

𝜇 =𝑉𝑎𝑙𝑜𝑟 𝑚í𝑛. +4 𝑥 𝑉𝑎𝑙𝑜𝑟 𝑚á𝑠 𝑝𝑟𝑜𝑏𝑎𝑏𝑙𝑒 + 𝑉𝑎𝑙𝑜𝑟 𝑚á𝑥.

6

Una vez aplicadas las distribuciones de probabilidad a cada variable, se calculó el valor total en dólares perteneciente a cada categoría multiplicando la variable “peso” por la variable “precio”, y se efectuó la simulación para obtener el rango de valores probable para la celda de salida seleccionada, en este caso, el valor promedio del capital ganadero para el año 2014.

Como se expresó en la sección “Receptividad del establecimiento” de la introducción, existe en la empresa un excedente muy importante en demanda forrajera con respecto a la receptividad estimada durante el año 2014, lo que obliga al productor a destinar un importante flujo de fondos a cubrir ese déficit alimenticio. Por ello se decidió generar nuevas realidades virtuales con ajustes de carga a la receptividad del campo (como se muestra en los anexos), evaluando a su vez, un margen bruto comparativo en cada caso para facilitar la toma de decisión en relación a la conveniencia entre las opciones.

El primer escenario se ajustó a llevar a cabo la eliminación de todas las categorías improductivas (terneras en crecimiento, toritos en crecimiento, toros de dos años y toros adultos) y descartando la cola de parición hasta alcanzar un equilibrio entre los requerimientos y la receptividad del establecimiento (aproximadamente 120 EV/día). De este modo se propuso un sistema en donde la reposición se obtiene de cabañas ganaderas (animales preñados con calidad y sanidad controlada) y se utiliza inseminación artificial a tiempo fijo en un rodeo elite evitando la crianza y el mantenimiento de los toros.

Para el cálculo de margen bruto, los ingresos evaluados incluyeron: producción total de terneros machos y hembras, vacas CUT y vacas vacías. Los egresos involucraron: la compra de la reposición, la amortización de la misma y la diferencia hallada en el capital total de la hacienda con respecto a las demás situaciones planteadas, como un costo de oportunidad.

El segundo escenario se ajustó a proponer sólo una adecuación de carga manteniendo el mismo esquema de producción que aquél perteneciente al año 2014, con la salvedad de que la recría de las terneras para reposición se efectúa en base a forraje de calidad y no con balanceado. Es decir, se cría la propia reposición ofreciéndole servicio natural a las vaquillonas de quince meses y descartando únicamente animales que no han quedado preñados al momento del tacto, los que han abortado y las vacas CUT.

35

Los ingresos considerados en el análisis fueron similares al caso anterior, variando únicamente en cantidad de animales, mientras que el costo de oportunidad producido al renunciar a categorías productivas por criar la reposición dentro del establecimiento se consideró como el único egreso. En este sistema los animales no se amortizan, ya que la crianza de los mismos es considerada una amortización.

Si bien ambos ajustes planteados reflejan situaciones muy concretas y factibles, se planteó un tercer escenario tal que las variables dominantes permitieran eliminar las categorías toros y toritos en el sistema anterior reemplazándolos por inseminación artificial a tiempo fijo, para lograr una comparación más estrecha con respecto al primer ajuste. Este ajuste permite incrementar la carga de las categorías productivas y suprimir las posibles diferencias en los costos relacionados al servicio/inseminación.

Todas las variantes del modelo se realizaron siguiendo los mismos procedimientos del análisis de capital del año 2014.

II. Modelo 2: “Evaluación de la incidencia de la vacunación contra enfermedades reproductivas de impacto en la productividad”

Se diseñó un segundo modelo utilizando datos históricos de los índices reproductivos pertenecientes a un período de diez años comprendidos entre el año 2004 y el año 2013. Los datos fueron asociados a una curva de distribución Beta Pert, utilizando el promedio del índice de parición, el índice más probable, y los valores 0% y 100% como valores mínimo y máximo respectivamente, a los efectos que el modelo de simulación permita realizar las respectivas iteraciones. A su vez se consideró la existencia de un riesgo de disminución del índice de parición en un 25% para lograr obtener la probabilidad de ocurrencia de dicho suceso, y acercarnos al valor probable de pérdidas económicas que las enfermedades reproductivas pudieran llegar a producir por no aplicar tratamiento.

No fue posible asociar directamente la distribución muestral (del establecimiento) con la distribución poblacional (zonal/Cuenca del Salado), ya que el comportamiento de las variables es diferente. Mientras que la media poblacional correspondiente a la Cuenca del Salado para el índice de parición no alcanza el 80%, la media muestral se aproxima a 88%, índice significativamente superior. (S.A., 2009)

Para conocer la probabilidad de merma en el índice de parición por aparición de síntomas de enfermedades reproductivas, se tomó como referencia el valor que refleja la merma de un 25% en el índice de parición como fue citado en la introducción, lo que implica un índice equivalente a 65,8%.

Una vez obtenida la probabilidad de alcanzar reducciones en el índice de parición del 25%, se calculó la merma económica y en kilogramos de carne que implica dicha reducción, utilizando los mismos procedimientos que en los casos anteriores.

36

III. Modelo 3: “Evaluación de las pérdidas en las ganancias de peso de los terneros hasta el destete”

Diversos estudios han demostrado que las pérdidas en ganancias de peso en terneros al destete sin tratamiento antiparasitario alcanzan hasta un 15%. En este modelo consideramos la posibilidad de incrementar un 10% las ganancias de peso de los terneros al destete aplicando antiparasitarios a partir del cuarto mes de vida, de modo de estimar con un 90% de certeza los ingresos que dejan de percibirse por no aplicar el tratamiento.

Para estimar la distribución muestral del peso se utilizó la curva correspondiente a la distribución normal, y a su vez se utilizó la distribución Beta Pert para estimar el comportamiento del precio por kilogramo de ternero con procedimientos equivalentes a los utilizados en los modelos 1 y 2. A partir de ambas variables se obtuvieron los datos del valor de la producción para contrastarlo con el modelo ajustado.

En el modelo ajustado, se corrigieron los datos de peso multiplicando por un coeficiente de 1,1 correspondiente al incremento del 10% en el peso al destete, y se efectuó una nueva simulación a partir de los datos ajustados. Se multiplicaron los nuevos datos de peso por el valor del kilogramo de carne para lograr aproximar el diferencial de ganancia económica y en kilogramos de peso producido por aplicar el tratamiento.

37

Resultados


a) Capital correspondiente al año 2014


Tabla 12 – Número y peso de animales según su categoría en el año 2014.

Se aplicaron distribuciones normales para reflejar el comportamiento de la variable “peso” utilizando como referencia los datos de la tabla 12, para obtener, de este modo, gráficos como el siguiente de cada una de las categorías:


Gráfico 11 - Peso promedio de las terneras en crecimiento.

La lectura del gráfico indica que existe una probabilidad del 90% de que el peso de las terneras en crecimiento se encuentre entre los 132,74 kg y los 157,26 kg de peso, con una media de 145 kg y un desvío aproximado de 7,43 kg, habiendo realizado una simulación de 21700 iteraciones.

Del mismo modo se obtuvieron gráficos de distribución Beta Pert para reflejar el comportamiento del precio de las categorías. Los datos utilizados se presentan en la tabla 13:

Categoría CantidadValor Mínimo

Unitario (Kg carne)

Valor Promedio

Unitario (Kg carne)

Valor Máximo

Unitario (Kg Carne)

Terneras en crecimiento 25 130 145 160Vaquillonas de 1° parición 24 315 330 345Vaquillonas de 2° parición 44 330 355 375Vacas de rodeo general 102 345 365 400

Vacas CUT 19 340 385 420Toritos en crecimiento 2 140 165 190

Toritos 2 años 3 380 405 430Toros 5 550 570 590Total 224 2530 2720 2910

38


Tabla 13 - Valor en dólares del kilogramo de carne por categoría en el mes de Julio del año 2014.


Tabla 14 - Valor por animal y total del stock por categoría en el año 2014.


Unitario (U$S/kg)

Valor Promedio

Unitario (U$S/kg)

Valor Máximo

Unitario (U$S/kg)

Valor Más

Probable (US$/kg)

Terneras en crecimiento 25 1,99 2,13 2,2 2,15Vaquillonas de 1° parición 24 1,1 1,96 2,36 2,08Vaquillonas de 2° parición 44 0,98 1,61 1,96 1,68

Vacas de rodeo general 102 0,61 1,28 2,33 1,19Vacas CUT 19 0,49 0,72 1,44 0,60

Toritos en crecimiento 2 2,16 2,22 2,33 2,21Toritos 2 años 3 0,98 1,46 1,96 1,46

Toros 5 0,61 0,88 1,45 0,81Total 224 8,92 12,26 16,03 12,15


Unitario (U$S)

Valor Promedio

Unitario (U$S)

Valor Máximo

Unitario (U$S)

Valor Mínimo

Total (U$S)

Valor Promedio

Total (U$S)

Valor Máximo

Total (U$S)

Terneras en crecimiento 25 258,7 308,85 352 6467,5 7721,25 8800Vaquillonas de 1° parición 24 346,5 646,8 814,2 8316 15523,2 19540,8Vaquillonas de 2° parición 44 323,4 571,55 735 14229,6 25148,2 32340

Vacas de rodeo general 102 210,45 467,2 932 21465,9 47654,4 95064Vacas CUT 19 166,6 277,2 604,8 3165,4 5266,8 11491,2Toritos 1año 2 302,4 366,3 442,7 604,8 732,6 885,4

Toritos 2 años 3 372,4 591,3 842,8 1117,2 1773,9 2528,4Toros 5 335,5 501,6 855,5 1677,5 2508 4277,5Total 224 2315,95 3730,8 5579 57043,9 106328,35 174927,3

39

A continuación se expone a modo de ejemplo una distribución Beta Pert del valor de la carne de la ternera en crecimiento:


Gráfico 12 - Valor del kilogramo de la ternera en crecimiento en dólares.

El gráfico precedente explica que, para el mes de Julio de 2014, el 90% de los precios del kilogramo de ternera en crecimiento tuvieron una oscilación comprendida entre los U$S 2,06 y los U$S 2,18, con una media de U$S 2,13 y un desvío de U$S 0,04. Sobre esta base se propuso correr el programa a los efectos de crear una dispersión para ver la oscilación que estaba representando la curva.

Los datos de precio y peso de las categorías se encuentran asociados a través de la tabla 14, estableciéndose como salida del sistema o celda objetivo a la sumatoria del valor promedio total en dólares de todas las categorías. Los resultados obtenidos a través de la simulación, arrojan una probabilidad del 90% de que el capital del establecimiento en el mes de Julio del año 2014 estuviera comprendido entre los U$S 87500 y los U$S 129100, con una media de U$S 106940 y un desvío de U$S 12718.

40


Gráfico 13 – Valor del capital correspondiente al año 2014.


Gráfico 14 - Análisis de sensibilidad del capital correspondiente al año 2014.

Se destaca que el grafico precedente trata de explicar la variabilidad del peso y del valor del kilogramo de carne y su influencia relativa sobre el valor del capital.

El análisis de sensibilidad permite conocer la correlación entre las variables de entrada y la de salida. El valor del stock del año 2014 se encuentra estrechamente correlacionado al precio por kilogramo de las vacas del rodeo general, ya que el desvío estándar del valor en dólares por kilogramo de esta categoría supera al del resto de las categorías hasta en un 40%, sumado a que esta categoría presenta el mayor número de animales.

41

b) Capital con ajuste de carga y eliminando categorías improductivas


Tabla 15 – Número y peso de los animales según su categoría eliminando las categorías improductivas.

El primer ajuste de carga plantea la posibilidad de reducir la carga a 120 animales, todos pertenecientes a categorías productivas, para alcanzar un equilibrio entre la receptividad del establecimiento y los requerimientos de los animales. Los gráficos de peso obtenidos a través del análisis de la tabla son equivalentes a los gráficos expuestos en el modelo “capital 2014”, y a su vez serán equivalentes a todos los casos en estudio que consideren los mismos datos de referencia.

En el caso de la evaluación de precios, todos los modelos planteados utilizan los mismos valores en dólares que los expresados en la tabla 13.


Tabla 16 - Valor por categoría y total del stock sin considerar las categorías improductivas.

A través de la simulación correspondiente, los datos permitieron estimar una probabilidad del 90% de alcanzar un capital comprendido entre U$S 42300 y U$S 73100 con una media de U$S 56635 y un desvío de U$S 9418.


Unitario (Kg carne)

Valor Promedio

Unitario (Kg carne)

Valor Máximo

Unitario (Kg Carne)

Vaquillonas de 2° parición 28 330 355 375Vacas de rodeo general 77 345 365 400

Vacas CUT 15 340 385 420Total 120 2530 2720 2910


Total (U$S)

Valor Promedio

Total (U$S)

Valor Máximo

Total (U$S)

Vaquillonas de 2° parición 28 9055,2 16003,4 20580Vacas de rodeo general 77 16204,65 35974,4 71764

Vacas CUT 15 2499 4158 9072Total 120 27758,85 56135,8 101416

42


Gráfico 15 – Valor del capital correspondiente al ajuste de carga eliminando las categorías improductivas.


Gráfico 16 - Análisis de sensibilidad del capital ajustado a categorías productivas.

Nuevamente el valor del capital se relaciona estrechamente al valor en dólares del kilogramo de las vacas del rodeo general por las mismas razones que las expuestas en el análisis de sensibilidad del capital correspondiente al capital del año 2014.

Como se expresó en la sección de materiales y métodos, se analizó a su vez la diferencia entre los ingresos y los egresos de cada ajuste de manera que puedan conocerse y compararse, a grandes rasgos, las consecuencias productivas de cada caso.

43


Tabla 17 - Ingresos pertenecientes al ajuste de carga limitado a categorías productivas.

Fuente: Elaboración propia. Tabla 18 - Egresos pertenecientes al ajuste de carga limitado a categorías productivas.


Gráfico 17 - Margen Bruto comparativo del ajuste a categorías productivas.

A través del análisis de la simulación es posible identificar importantes probabilidades de obtener gran variabilidad en los resultados. En primer indicio de existencia de la variabilidad mencionada es el número de iteraciones necesarias para alcanzar resultados estables (convergencia), que superan las 20000 iteraciones. En segundo lugar, la desviación estándar supera los U$S10000, lo cual, considerando la media de U$S 5459 no resulta un dato de menor importancia.

CantidadValor Mínimo

Total (U$S)

Valor Promedio

Total (U$S)

Valor Máximo

Total (U$S)

Terneras 53 13711,1 16369,05 18656Terneros 52 15724,8 19047,6 23020,4

Vacas CUT 15 2499 4158 9072Vacías 13 2735,85 6073,6 12116Total 133 34670,75 45648,25 62864,4

Cantidad Valor Unitario (U$S) Valor Total (U$S)

Vaquillonas 28 1160 32480Amortización 28 151,4 4239,2

D. Capital - - 3784,4Total 40503,6

44

El gráfico 16 permite determinar una probabilidad del 33% de obtener un margen bruto negativo utilizando esta metodología de producción.


Gráfico 18 – Probabilidad de obtener un margen bruto menor a cero con el ajuste a categorías productivas.


Gráfico 19 - Análisis de sensibilidad del margen bruto comparativo con ajuste eliminando categorías improductivas.

El margen bruto depende en mayor medida del valor del kilogramo de carne de las vacas del rodeo general, siendo más influyente en el caso de los ingresos ya que existe un mayor número de animales de esta categoría en relación a los animales que participan en los egresos.

45

c) Capital con ajuste de carga


Tabla 19 – Número y peso promedio de animales según su categoría con ajuste de carga.

En el segundo caso considerado, la presencia de terneros, de menores requerimientos, permite incrementar el número de animales totales en el establecimiento (128 vs. 120), pero renunciando a un cierto número de animales pertenecientes a las categorías productivas. Recordemos que este ajuste mantiene las características de producción actuales, aunque modificando el número total de animales en el establecimiento.


Tabla 20 - Valor en dólares por categoría y total del stock con ajuste de carga.


Unitario (Kg carne)

Valor Promedio

Unitario (Kg carne)

Valor Máximo

Unitario (Kg Carne)

Terneras en crecimiento 24 130 145 160Vaquillonas de 1° parición 22 315 330 345Vaquillonas de 2° parición 20 330 355 375

Vacas de rodeo general 44 345 365 400Vacas CUT 12 340 385 420

Toritos en crecimiento 1 140 165 190Toritos 2 años 1 380 405 430

Toros 4 550 570 590Total 128 2530 2720 2910


Total (U$S)

Valor Promedio

Total (U$S)

Valor Máximo

Total (U$S)

Terneras en crecimiento 24 6208,8 7412,4 8448Vaquillonas de 1° parición 22 7623 14229,6 17912,4Vaquillonas de 2° parición 20 6468 11431 14700Vacas de rodeo general 44 9259,8 20556,8 41008

Vacas CUT 12 1999,2 3326,4 7257,6Toritos 1año 1 302,4 366,3 442,7

Toritos 2 años 1 372,4 591,3 842,8Toros 4 1342 2006,4 3422Total 128 33575,6 59920,2 94033,5

46

Fuente: Elaboración propia. Gráfico 20 – Valor del capital en dólares correspondiente al ajuste de carga.

Se halló una probabilidad del 90% de que el valor del capital luego de un ajuste de carga pero manteniendo la misma metodología de trabajo que la perteneciente al año 2014 se encuentre entre U$S 51390 y U$S 70220, con una media de U$S 60168 y un desvío de U$S 5740.


Gráfico 21 - Análisis de sensibilidad del capital con ajuste de carga.

Nuevamente es el valor en dólares del kilogramo promedio de las vacas del rodeo general el que determina en mayor medida el capital total.

47

En relación al margen bruto para el ajuste se encontraron los siguientes ingresos y costos:


Tabla 21 - Ingresos pertenecientes al ajuste de carga.


Tabla 22 - Egresos pertenecientes al ajuste de carga.


Gráfico 22 - Margen Bruto comparativo del ajuste de carga.

Obsérvese que las probabilidades de obtener márgenes brutos negativos es nula, la media es de U$S 13615 con un 90% de probabilidades de obtener un margen entre U$S 10440 y U$S 16960. El desvío estándar de la distribución es de U$S 1984.


Total (U$S)

Valor Promedio

Total (U$S)

Valor Máximo

Total (U$S)


Vacas CUT 12 1999,2 3326,4 7257,6Vacías 10 2104,5 4672 9320Total 84 22022,2 29617,45 42301,7

CantidadValor Mínimo Total

(U$S)

Valor Promedio Total

(U$S)

Valor Máximo Total

(U$S)


Vacas CUT 3 499,8 831,6 1814,4Vacías 3 631,35 1401,6 2796Total 49 12648,55 16030,8 20562,7

48


Gráfico 23 - Análisis de sensibilidad del margen bruto comparativo con ajuste de carga.

El análisis de sensibilidad del margen bruto con carga ajustada, pero manteniendo el esquema de producción actual, no solamente evidencia la reiterada correlación entre el valor de la carne de las vacas de rodeo general y el margen bruto obtenido sino que introduce una nueva variable determinante que es el peso promedio de los terneros machos evaluados en los ingresos, no así las hembras ya que son muy inferiores en número con respecto a los machos.

d) Capital con ajuste de carga e inseminación artificial


Tabla 23 – Número y peso de animales según su categoría con ajuste de carga e inseminación artificial.


Unitario (Kg carne)

Valor Promedio

Unitario (Kg carne)

Valor Máximo

Unitario (Kg Carne)

Terneras en crecimiento 26 130 145 160Vaquillonas de 1° parición 24 315 330 345Vaquillonas de 2° parición 21 330 355 375Vacas de rodeo general 45 345 365 400

Vacas CUT 13 340 385 420Total 129 2530 2720 2910

49


Tabla 24 - Valor del stock con ajuste de carga e inseminación artificial.

Al evitar la crianza y el mantenimiento de los machos, no solamente se logra incrementar el número de cabezas sino que se logra mantener estable el valor del capital, comprendido entre U$S 51240 y U$S 70780, con media de U$S 60450 y desvío levemente superior al caso anterior, de U$S 5940.


Gráfico 24 – Valor del capital correspondiente al ajuste de carga y uso de inseminación artificial.


Total (U$S)

Valor Promedio

Total (U$S)

Valor Máximo

Total (U$S)

Terneras en crecimiento 26 6726,2 8030,1 9152Vaquillonas de 1° parición 24 8316 15523,2 19540,8Vaquillonas de 2° parición 21 6791,4 12002,55 15435Vacas de rodeo general 45 9470,25 21024 41940

Vacas CUT 13 2165,8 3603,6 7862,4Total 129 33469,65 60183,45 93930,2

50


Gráfico 25 - Análisis de sensibilidad del capital con ajuste de carga e inseminación artificial.

En las tablas 25 y 26 se exponen los ingresos y los costos del ajuste de carga con utilización de inseminación artificial a tiempo fijo.


Tabla 25 - Ingresos pertenecientes al ajuste de carga con utilización de inseminación artificial.


Tabla 26 - Egresos pertenecientes al ajuste de carga con utilización de inseminación artificial.


Total (U$S)

Valor Promedio

Total (U$S)

Valor Máximo

Total (U$S)

Terneras 19 4915,3 5868,15 6688Terneros 45 13608 16483,5 19921,5



Total (U$S)

Valor Promedio

Total (U$S)

Valor Máximo

Total (U$S)



51

Fuente: Elaboración propia. Gráfico 26 - Margen Bruto comparativo del ajuste de carga con inseminación artificial.

Este ajuste del modelo permitió obtener una media del margen bruto superior a los U$S 16500, con un 90% de probabilidades de obtener un resultado comprendido entre los U$S 13250 y los U$S 20110. El desvío estándar de la distribución fue de U$S 2077, similar al caso anterior.


Gráfico 27 - Análisis de sensibilidad del margen bruto con ajuste de carga e inseminación artificial.

La utilización de inseminación artificial en reemplazo del servicio natural no afecta la correlación entre variables con respecto al caso analizado anteriormente.

52


En el segundo modelo se exponen las pérdidas, expresadas en kilogramos de producción y en dólares, que pueden producirse por no vacunar contra las enfermedades reproductivas.

Considerando un riesgo de reducción del índice de parición de un 25% según diversos autores mencionados en la introducción, se calculó la probabilidad de ocurrencia del suceso, asociando la variable analizada a una distribución Beta Pert.

Se halló una probabilidad cercana al 26% de que ocurra una reducción del 25% o mayor en el índice de parición, según lo expresa el gráfico 28.


Gráfico 28 - Probabilidad de obtener índices de parición un 25% inferiores al actual.


Tabla 27 - Producción de terneros expresada en kilogramos de carne en el año 2014.


Total (Kg)

Valor Promedio

Total (Kg)

Valor Máximo

Total (Kg)

Terneras 80 10400,00 11600,00 12800,00Terneros 79 11060,00 13035,00 15010,00Total 159 21460 24635,00 27810,00

53

Fuente: Elaboración propia. Gráfico 29 - Producción de terneros expresada en kilogramos de carne, para el año 2014.

Los resultados del gráfico 29, arrojan una probabilidad del 90% de producir entre 22110 kg y 27270 kg, con una media de 24681 kg en el año 2014.


Gráfico 30 - Análisis de sensibilidad de la producción de terneros 2014.

De acuerdo al análisis de sensibilidad, es el índice de destete, a su vez dependiente del índice de parición, el principal responsable de las variaciones más significativas en la producción en kilogramos totales de carne. También lo es el peso promedio de los terneros machos aunque no alcanza a superar el valor mínimo (0,5) para establecer que existe una correlación significativa con respecto a la producción total de carne.

54


Tabla 28 - Ingresos generados por la producción de terneros en el año 2014.


Gráfico 31 – Valor de la producción de terneros en el año 2014.

A través de la simulación de Montecarlo, se halló un 90% de probabilidades de percibir ingresos entre U$S 48070 y U$S 59480, con una media de U$S 53746 y un desvío de U$S 3478.


Gráfico 32 - Análisis de sensibilidad del valor de la producción de terneros 2014.


Total (U$S)

Valor Promedio

Total (U$S)

Valor Máximo

Total (U$S)

Terneras 80 20696,00 24708,00 28160,00Terneros 79 23889,60 28937,70 34973,30Total 159 44585,60 53645,70 63133,30

55

Los datos resultantes del análisis de sensibilidad perteneciente al valor de la producción de terneros del año 2014 son similares al análisis de sensibilidad de la producción en kilogramos de carne para el mismo período analizado.


Tabla 29 - Producción de terneros expresada en kilogramos de carne considerando la posibilidad de reducción del índice de parición en un 25%.

Considerando la merma del 25% en el índice de parición, la cantidad de terneros destetados se reduce de 159 a 119 terneros totales, con una producción media de 18510 kg y un 90% de probabilidades de obtener una producción comprendida entre los 16650 kg y los 20450 kg.


Gráfico 33 - Producción de terneros expresada en kilogramos de carne considerando la probabilidad de reducción del índice de parición en un 25%.

El análisis de sensibilidad establece una estrecha correlación entre el índice de destete y la producción en kilogramos de carne, al igual que en el caso anterior.


Total (Kg)

Valor Promedio

Total (Kg)

Valor Máximo

Total (Kg)


56


Gráfico 34 - Análisis de sensibilidad de la producción de terneros en kilogramos de carne considerando el riesgo de merma producido por enfermedades reproductivas.


Tabla 30 – Valor en dólares de la producción de terneros, considerando la probabilidad de reducción del índice de parición en un 25%.


Gráfico 35 – Valor en dólares de la producción de terneros, considerando una reducción del índice de parición en un 25%.


Total (U$S)

Valor Promedio

Total (U$S)

Valor Máximo

Total (U$S)


57

Los ingresos medios estimados, considerando el impacto económico de las enfermedades reproductivas, son de U$S 40308, con un 90% de probabilidades de obtener resultados entre U$S 36160 y U$S 44640.


Gráfico 36 - Análisis de sensibilidad del valor en dólares de la producción de terneros considerando el riesgo de merma por enfermedades reproductivas.

El gráfico perteneciente al análisis de sensibilidad del valor de la producción de terneros, contemplando el riesgo de perjuicio por acción de las enfermedades reproductivas, se encuentra estrechamente correlacionado al índice de destete, y en menor medida al peso promedio de los terneros, pero no de manera significativa, ya que no supera el coeficiente 0,5.


Gráfico 37 - Producción en kilogramos de terneros considerando el riesgo de merma por efecto de las enfermedades reproductivas.

Como resultado del modelo, es posible determinar la existencia de un 26% de probabilidades de perder la oportunidad de producir 6171 kg de carne de ternero, que es equivalente a U$S 13435. Es determinante el impacto que produce

58

la probabilidad de presencia de enfermedades reproductivas sobre el margen bruto.

Fuente: Elaboración propia. Gráfico 38 - Análisis de sensibilidad de la merma de la producción de terneros considerando el riesgo de

merma por enfermedades reproductivas.

El gráfico 38, expone la existencia de una media correlación entre la merma en la producción de terneros, expresada en kilogramos, y el peso promedio de los terneros.


Gráfico 39 – Análisis de sensibilidad del valor, en dólares, de producción de terneros considerando el riesgo de merma por efecto de las enfermedades reproductivas.

59


Gráfico 40 - Valor en dólares de producción de terneros considerando el riesgo de merma por efecto de las enfermedades reproductivas.

En la evaluación del análisis de sensibilidad de la merma del valor de la producción, los resultados son similares al análisis de sensibilidad de la merma en kilogramos producidos, siendo el peso del ternero el más influyente en la determinación de la pérdida de ganancias.


Habiendo hallado a través de lectura bibliográfica que las mermas en la ganancia de peso de los terneros pueden alcanzar hasta el 15% por no aplicar tratamiento antiparasitario, se decidió calcular los posibles ingresos que dejan de percibirse al no realizar el tratamiento, expresado en dólares y en kilogramos de carne. Como bien supo mencionarse, la tabla 31 refleja el peso total de los terneros habiendo efectuado la corrección por el coeficiente 1,1, proveniente del 10% del incremento de peso estimado que implicaría el tratamiento contra los parásitos.


Tabla 31 - Producción de terneros en kilogramos de carne con aplicación del tratamiento antiparasitario.


Total (Kg)

Valor Promedio

Total (Kg)

Valor Máximo

Total (Kg)


60


Gráfico 41 - Producción de terneros en kilogramos de carne aplicando tratamiento antiparasitario.

La media de producción de carne obtenida a través de la simulación del modelo fue de 27149 kg, con un 90% de probabilidad de que el resultado se encuentre entre 24360 kg y 30010 kg.


Gráfico 42 - Análisis de sensibilidad de la producción de terneros en kilogramos aplicando tratamiento antiparasitario.

La producción de terneros, expresado en kilogramos de carne, se encuentra ligada significativamente al índice de destete y al momento del parto, al igual que en todos los casos anteriormente mencionados. Con respecto a la producción obtenida en el año 2014, esto implica un incremento en 2468 kg de carne, o 15,5 kg más de peso por cada ternero en promedio.

61


Gráfico 43 - Incremento en la producción de kilogramos de terneros tratados con respecto a los terneros sin tratar.


Gráfico 44 - Análisis de sensibilidad de la producción en kilogramos de ternero entre el modelo tratado con antiparasitario y modelo sin tratar.


Tabla 32 - Valor en dólares de la producción de terneros con aplicación de tratamiento antiparasitario.


Total (U$S)

Valor Promedio

Total (U$S)

Valor Máximo

Total (U$S)


62


Gráfico 45 - Valor en dólares de la producción de terneros con aplicación de tratamiento antiparasitario.


Gráfico 46 - Análisis de sensibilidad del valor de la producción en dólares aplicando tratamiento antiparasitario.

Expresado en dólares, el valor promedio de la producción estimado con aplicación del tratamiento fue de U$S 59119, lo que refleja un incremento posible en el ingreso de aproximadamente U$S 5374 o U$S 33,8 por cabeza en promedio, como refleja el gráfico 45.

63


Gráfico 47 - Incremento en el valor de la producción de terneros expresado en dólares, entre aquellos tratados con antiparasitario y los terneros sin tratar.


Gráfico 48 - Análisis de sensibilidad del incremento en el valor de la producción de terneros aplicando tratamiento antiparasitario.

Este último análisis de sensibilidad permite conocer que no existe una correlación estrecha entre alguna de las variables y el incremento en el ingreso por aplicar antiparasitario, aunque tanto el valor del kilogramo de las terneras como de los terneros en el modelo tratado parecer ser los mayores condicionantes del resultado, aún superiores al índice de destete.

64

Conclusiones


La desviación estándar del capital hacienda, considerando un ajuste de requerimientos a la receptividad del establecimiento y reteniendo solamente los vientres productores de terneros, resultó un 64% superior a la desviación estándar del ajuste manteniendo un idéntico esquema de producción que el actual. La diferencia en las desviaciones estándar está dada por la variabilidad del valor del kilogramo de la vaca del rodeo general superior al resto de las categorías en un 40%. Esto dificulta notoriamente el proceso de toma de decisiones ya que se incrementa el riesgo de descapitalización de la Empresa Familiar.

La media del valor del capital correspondiente a los ajustes que mantienen las categorías “terneras en crecimiento” y “vaquillonas de primera parición” es superior en un 6,7% al ajuste que retiene únicamente a las vacas de segunda parición y los vientres del rodeo general. Este porcentaje es equivalente a U$S 4000 aproximadamente.

No se encontraron diferencias entre los resultados del análisis de sensibilidad del capital. Es evidente que la variable “precio del kilogramo de la vaca del rodeo general” es la que presenta mayor impacto en el valor del capital. Esto se debe particularmente a la enorme variabilidad en el precio negociado en el Mercado de Liniers para esta categoría, como fue mencionado en las conclusiones anteriores. Si bien la variabilidad en el valor del kilogramo puede ser considerada una causante de riesgo de descapitalización, al contemplar los requerimientos energéticos marcadamente inferiores de las vacas adultas con respecto a las vaquillonas de primera parición, esta categoría puede ser conveniente en un proyecto que priorice el incremento de la carga de las categorías productoras de terneros por sobre el valor del capital.

La desviación estándar del margen bruto correspondiente al primer ajuste, que considera prescindir de la propia reposición, es superior a los desvíos de los restantes ajustes en un 468%. El análisis de sensibilidad establece que la variable de mayor impacto en el margen bruto es nuevamente el valor del kilogramo de la vaca del rodeo general por los motivos antedichos.

Se encontraron diferencias superiores al 145% en el margen bruto del ajuste que mantiene todas las categorías con respecto al que elimina las categorías improductivas, y superiores al 200% en el caso que utiliza inseminación artificial, especialmente originados por el elevado costo que implica la adquisición de reposición.

La descapitalización del patrimonio neto puede llevar a un estado de situación crítica, disminuyendo la capacidad de recupero ante la influencia

65

de variables externas como: inflación, estancamiento, mercados intervenidos y falta de apertura a las exportaciones. Mantener categorías permite que los activos puedan proyectarse en un escenario favorable para el próximo quinquenio, esperando que las variables externas den expectativas positivas.


La posibilidad de reducción del 25% en el índice de parición se refleja de manera cuasi proporcional en los resultados productivos y económicos. Esto implica un riesgo del 26% de sufrir importantes mermas en las ganancias de la Empresa Familiar.

El análisis de sensibilidad de la influencia de las variables sobre la productividad no evidenció diferencias entre el modelo actual y el modelo que contempla el riesgo de merma.

La reducción en la productividad puede alcanzar valores de más de 6000 kilogramos, producción equivalente a más de US$ 13400.

Evitar mortalidad embrionaria a través de la vacunación contra enfermedades reproductivas no solamente permite evitar el riesgo de pérdidas productivas y económicas, sino que también incrementa el porcentaje de cabeza de parición.


La aplicación del tratamiento antiparasitario en los terneros, a partir del cuarto mes de vida, posibilita un incremento del 10% en la ganancia de peso, logrando un aumento proporcional en los ingresos. En el caso en estudio, un incremento del 10% en la producción es equivalente a U$S 5374 o U$S 33,8 por cabeza.

No se hallaron diferencias en los resultados de los análisis de sensibilidad comparando el modelo tratado con respecto al sin tratamiento.

IV. Conclusiones Generales

La realización de este trabajo permite elaborar un análisis prospectivo, disminuyendo el nivel de incertidumbre en la toma de decisiones.

Se recomienda mantener una estructura productiva similar a la actual, ajustando la carga animal a la receptividad del establecimiento, y reemplazando el servicio natural por inseminación artificial a tiempo fijo. Esto permitiría:

66

o Lograr el mayor valor de capital favoreciendo la capacidad de recupero ante las variables externas,

o Disminuir la variabilidad en el valor del capital,

o Alcanzar márgenes brutos superiores a las restantes alternativas con variabilidades inferiores,

o Concentrar las pariciones en un menor período de tiempo, complementando dos inseminaciones a tiempo fijo en primavera con una invernal.

A su vez se ha demostrado la conveniencia que implica llevar a cabo una adecuación del plan sanitario, especialmente enfocada en el tratamiento de enfermedades reproductivas y parasitosis en terneros a partir del cuarto mes de vida.

67

Anexos


Tabla 33 - Requerimientos del rodeo considerando una adecuación de la carga a la receptividad del establecimiento y reteniendo categorías productivas.


Categoría Carga Total Descripción Servicio Destete PromediosRequerim EV/cab 1,35 1,4 0,7 0,75 0,8 0,85 0,9 1 1 1,1 1,15 1,25 1,02Requerim EV Tot. 37,80 39,20 19,60 21,00 22,40 23,80 25,20 28,00 28,00 30,80 32,20 35,00 28,58Requerim EV/cab 1,35 1,4 0,7 0,75 0,8 0,85 0,9 1 1 1,1 1,15 1,25 1,02Requerim EV Tot. 103,95 107,80 53,90 57,75 61,60 65,45 69,30 77,00 77,00 84,70 88,55 96,25 78,60Requerim EV/cab 0,91 0,93 0,82 0,84 0,85 0,86 0,88 0,89 0,90 0,93 0,97 1,06 0,90Requerim EV Tot. 13,65 13,95 12,33 12,53 12,73 12,93 13,13 13,33 13,53 13,88 14,53 15,94 13,54


Parición ServicioVaquillonas

de 2° 28

Vacas del rodeo

77

Vacas CUT 15

68


Tabla 34 - Requerimientos del rodeo considerando una adecuación de la carga a la receptividad del establecimiento y manteniendo un esquema de producción similar al presente.


Categoría Carga Total Descripción Servicio Destete PromediosRequerim EV/cab 0,61 0,64 0,67 0,70 0,74 0,77 0,80 0,83 0,86 0,89 0,75Requerim EV Tot. 0,00 0,00 14,64 15,40 16,15 16,91 17,66 18,42 19,18 19,93 20,69 21,44 15,04Requerim EV/cab 0,91 0,93 0,95 0,97 0,99 1,01 1,03 1,05 1,07 1,1 1,15 1,25 1,03Requerim EV Tot. 20,02 20,46 20,90 21,34 21,78 22,22 22,66 23,10 23,54 24,20 25,30 27,50 22,75Requerim EV/cab 1,35 1,4 0,7 0,75 0,8 0,85 0,9 1 1 1,1 1,15 1,25 1,02Requerim EV Tot. 27,00 28,00 14,00 15,00 16,00 17,00 18,00 20,00 20,00 22,00 23,00 25,00 20,42Requerim EV/cab 1,35 1,4 0,7 0,75 0,8 0,85 0,9 1 1 1,1 1,15 1,25 1,02Requerim EV Tot. 59,40 61,60 30,80 33,00 35,20 37,40 39,60 44,00 44,00 48,40 50,60 55,00 44,92Requerim EV/cab 0,91 0,93 0,82 0,84 0,85 0,86 0,88 0,89 0,90 0,93 0,97 1,06 0,90Requerim EV Tot. 10,92 11,16 9,86 10,02 10,18 10,34 10,51 10,67 10,83 11,11 11,63 12,75 10,83Requerim EV/cab 0,61 0,63 0,66 0,7 0,74 0,78 0,82 0,86 0,9 0,94 0,98 0,78Requerim EV Tot. 0 0,61 0,63 0,66 0,7 0,74 0,78 0,82 0,86 0,9 0,94 0,98 0,72Requerim EV/cab 1,02 1,06 1,1 1,14 1,18 1,22 1,26 1,3 1,34 1,38 1,42 1,46 1,24Requerim EV Tot. 1,02 1,06 1,1 1,14 1,18 1,22 1,26 1,3 1,34 1,38 1,42 1,46 1,24Requerim EV/cab 1,15 1,15 1,15 1,15 1,15 1,15 1,15 1,15 1,15 1,15 1,15 1,15 1,15Requerim EV Tot. 4,6 4,6 4,6 4,6 4,6 4,6 4,6 4,6 4,6 4,6 4,6 4,6 4,60


Parición ServicioTerneras en crecimiento

24

Vaquillonas de 1°

22

Vaquillonas de 2°

20

Vacas del rodeo

44

Vacas CUT 12

Toritos 1 año

1

Toritos 2 años

1

Toros 4

69


Tabla 35 - Requerimientos del rodeo considerando una adecuación de la carga a la receptividad del establecimiento y utilizando la técnica de inseminación artificial a tiempo fijo.


Categoría Carga Total Descripción Servicio Destete PromediosRequerim EV/cab 0,61 0,64 0,67 0,70 0,74 0,77 0,80 0,83 0,86 0,89 0,75Requerim EV Tot. 0,00 0,00 15,86 16,68 17,50 18,32 19,14 19,96 20,77 21,59 22,41 23,23 16,29Requerim EV/cab 0,91 0,93 0,95 0,97 0,99 1,01 1,03 1,05 1,07 1,1 1,15 1,25 1,03Requerim EV Tot. 21,84 22,32 22,80 23,28 23,76 24,24 24,72 25,20 25,68 26,40 27,60 30,00 24,82Requerim EV/cab 1,35 1,4 0,7 0,75 0,8 0,85 0,9 1 1 1,1 1,15 1,25 1,02Requerim EV Tot. 28,35 29,40 14,70 15,75 16,80 17,85 18,90 21,00 21,00 23,10 24,15 26,25 21,44Requerim EV/cab 1,35 1,4 0,7 0,75 0,8 0,85 0,9 1 1 1,1 1,15 1,25 1,02Requerim EV Tot. 60,75 63,00 31,50 33,75 36,00 38,25 40,50 45,00 45,00 49,50 51,75 56,25 45,94Requerim EV/cab 0,91 0,93 0,82 0,84 0,85 0,86 0,88 0,89 0,90 0,93 0,97 1,06 0,90Requerim EV Tot. 11,83 12,09 10,68 10,86 11,03 11,21 11,38 11,55 11,73 12,03 12,60 13,81 11,73


Vaquillonas de 2°

21

Vacas del rodeo

45

Vacas CUT 13

Parición ServicioTerneras en crecimiento

26

Vaquillonas de 1°

24

70

Índice de Gráficos

Gráfico 1 - Existencias a Mayo 2014. ................................................................... 15

Gráfico 2 - Requerimientos del rodeo según su categoría. ................................... 17

Gráfico 3 - Curva de requerimientos del rodeo. ................................................... 17

Gráfico 4 - Productividad por ambiente del campo natural. ................................ 23

Gráfico 5 - Receptividad por ambiente del campo natural. .................................. 23

Gráfico 6 - Productividad de la pastura base festuca. .......................................... 24

Gráfico 7 - Receptividad de la pastura base festuca. ............................................ 25

Gráfico 8 - Curva comparativa de los requerimientos y la receptividad del establecimiento. ..................................................................................................... 27

Gráfico 9 - Curva comparativa de los requerimientos y la receptividad del establecimiento con destete anticipado. ................................................................ 27

Gráfico 10 - Índices reproductivos del establecimiento. ....................................... 31

Gráfico 11 - Peso promedio de las terneras en crecimiento. ................................ 37

Gráfico 12 - Valor del kilogramo de la ternera en crecimiento en dólares. ......... 39

Gráfico 13 – Valor del capital correspondiente al año 2014. ............................... 40

Gráfico 14 - Análisis de sensibilidad del capital correspondiente al año 2014. .. 40

Gráfico 15 – Valor del capital correspondiente al ajuste de carga eliminando las categorías improductivas....................................................................................... 42

Gráfico 16 - Análisis de sensibilidad del capital ajustado a categorías productivas. ........................................................................................................... 42

Gráfico 17 - Margen Bruto comparativo del ajuste a categorías productivas. .... 43

Gráfico 18 – Probabilidad de obtener un margen bruto menor a cero con el ajuste a categorías productivas........................................................................................ 44

Gráfico 19 - Análisis de sensibilidad del margen bruto comparativo con ajuste eliminando categorías improductivas.................................................................... 44

Gráfico 20 – Valor del capital en dólares correspondiente al ajuste de carga. ... 46

Gráfico 21 - Análisis de sensibilidad del capital con ajuste de carga. ................. 46

Gráfico 22 - Margen Bruto comparativo del ajuste de carga. .............................. 47

Gráfico 23 - Análisis de sensibilidad del margen bruto comparativo con ajuste de carga. ..................................................................................................................... 48

Gráfico 24 – Valor del capital correspondiente al ajuste de carga y uso de inseminación artificial. .......................................................................................... 49

Gráfico 25 - Análisis de sensibilidad del capital con ajuste de carga e inseminación artificial. .......................................................................................... 50

71

Gráfico 26 - Margen Bruto comparativo del ajuste de carga con inseminación artificial. ................................................................................................................ 51

Gráfico 27 - Análisis de sensibilidad del margen bruto con ajuste de carga e inseminación artificial. .......................................................................................... 51

Gráfico 28 - Probabilidad de obtener índices de parición un 25% inferiores al actual. .................................................................................................................... 52

Gráfico 29 - Producción de terneros expresada en kilogramos de carne, para el año 2014. ............................................................................................................... 53

Gráfico 30 - Análisis de sensibilidad de la producción de terneros 2014. ........... 53

Gráfico 31 – Valor de la producción de terneros en el año 2014. ........................ 54

Gráfico 32 - Análisis de sensibilidad del valor de la producción de terneros 2014. ............................................................................................................................... 54

Gráfico 33 - Producción de terneros expresada en kilogramos de carne considerando la probabilidad de reducción del índice de parición en un 25%. ... 55

Gráfico 34 - Análisis de sensibilidad de la producción de terneros en kilogramos de carne considerando el riesgo de merma producido por enfermedades reproductivas. ........................................................................................................ 56

Gráfico 35 – Valor en dólares de la producción de terneros, considerando una reducción del índice de parición en un 25%. ........................................................ 56

Gráfico 36 - Análisis de sensibilidad del valor en dólares de la producción de terneros considerando el riesgo de merma por enfermedades reproductivas. ..... 57

Gráfico 37 - Producción en kilogramos de terneros considerando el riesgo de merma por efecto de las enfermedades reproductivas. ......................................... 57

Gráfico 38 - Análisis de sensibilidad de la merma de la producción de terneros considerando el riesgo de merma por enfermedades reproductivas. .................... 58

Gráfico 39 – Análisis de sensibilidad del valor, en dólares, de producción de terneros considerando el riesgo de merma por efecto de las enfermedades reproductivas. ........................................................................................................ 58

Gráfico 40 - Valor en dólares de producción de terneros considerando el riesgo de merma por efecto de las enfermedades reproductivas. ................................... 59

Gráfico 40 - Producción de terneros en kilogramos de carne aplicando tratamiento antiparasitario. .................................................................................. 60

Gráfico 41 - Análisis de sensibilidad de la producción de terneros en kilogramos aplicando tratamiento antiparasitario. ................................................................. 60

Gráfico 42 - Incremento en la producción de kilogramos de terneros tratados con respecto a los terneros sin tratar. .......................................................................... 61

Gráfico 43 - Análisis de sensibilidad de la producción en kilogramos de ternero entre el modelo tratado con antiparasitario y modelo sin tratar. ......................... 61

Gráfico 44 - Valor en dólares de la producción de terneros con aplicación de tratamiento antiparasitario. .................................................................................. 62

72

Gráfico 45 - Análisis de sensibilidad del valor de la producción en dólares aplicando tratamiento antiparasitario. ................................................................. 62

Gráfico 46 - Incremento en el valor de la producción de terneros expresado en dólares, entre aquellos tratados con antiparasitario y los terneros sin tratar. .... 63

Gráfico 47 - Análisis de sensibilidad del incremento en el valor de la producción de terneros aplicando tratamiento antiparasitario. .............................................. 63

73

Índice de Tablas

Tabla 1 - Composición del rodeo. ......................................................................... 15

Tabla 2 - Requerimientos promedio mensuales del rodeo. ................................... 16

Tabla 3 - Producción y receptividad de la soja destinada a pastoreo. ................. 19

Tabla 4 - Producción y receptividad del sorgo destinado a pastoreo. .................. 19

Tabla 5 - Porcentaje de cada ambiente por lote. .................................................. 21

Tabla 6 - Productividad forrajera por ambiente del campo natural. ................... 22

Tabla 7 - Producción de materia seca de praderas polifíticas de festuca. ........... 24

Tabla 8 - Receptividad por unidad de superficie según cada lote. ....................... 26

Tabla 9 - Receptividad total por lote. .................................................................... 26

Tabla 10 - Calendario sanitario modelo. .............................................................. 28

Tabla 11 - Índices reproductivos del establecimiento. .......................................... 30

Tabla 12 – Número y peso de animales según su categoría en el año 2014. ....... 37

Tabla 13 - Valor en dólares del kilogramo de carne por categoría en el mes de Julio del año 2014. ................................................................................................ 38

Tabla 14 - Valor por animal y total del stock por categoría en el año 2014. ....... 38

Tabla 15 – Número y peso de los animales según su categoría eliminando las categorías improductivas....................................................................................... 41

Tabla 16 - Valor por categoría y total del stock sin considerar las categorías improductivas. ....................................................................................................... 41

Tabla 17 - Ingresos pertenecientes al ajuste de carga limitado a categorías productivas. ........................................................................................................... 43

Tabla 18 - Egresos pertenecientes al ajuste de carga limitado a categorías productivas. ........................................................................................................... 43

Tabla 19 – Número y peso promedio de animales según su categoría con ajuste de carga. ................................................................................................................ 45

Tabla 20 - Valor en dólares por categoría y total del stock con ajuste de carga. 45

Tabla 21 - Ingresos pertenecientes al ajuste de carga. ......................................... 47

Tabla 22 - Egresos pertenecientes al ajuste de carga. .......................................... 47

Tabla 23 – Número y peso de animales según su categoría con ajuste de carga e inseminación artificial. .......................................................................................... 48

Tabla 24 - Valor del stock con ajuste de carga e inseminación artificial. ............ 49

Tabla 25 - Ingresos pertenecientes al ajuste de carga con utilización de inseminación artificial. .......................................................................................... 50

Tabla 26 - Egresos pertenecientes al ajuste de carga con utilización de inseminación artificial. .......................................................................................... 50

74

Tabla 27 - Producción de terneros expresada en kilogramos de carne en el año 2014. ...................................................................................................................... 52

Tabla 28 - Ingresos generados por la producción de terneros en el año 2014..... 54

Tabla 29 - Producción de terneros expresada en kilogramos de carne considerando la posibilidad de reducción del índice de parición en un 25%. ...... 55

Tabla 30 – Valor en dólares de la producción de terneros, considerando la probabilidad de reducción del índice de parición en un 25%............................... 56

Tabla 31 - Producción de terneros en kilogramos de carne con aplicación del tratamiento antiparasitario. .................................................................................. 59

Tabla 32 - Valor en dólares de la producción de terneros con aplicación de tratamiento antiparasitario. .................................................................................. 61

Tabla 33 - Requerimientos del rodeo considerando una adecuación de la carga a la receptividad del establecimiento y reteniendo categorías productivas............. 67

Tabla 34 - Requerimientos del rodeo considerando una adecuación de la carga a la receptividad del establecimiento y manteniendo un esquema de producción similar al presente. ................................................................................................ 68

Tabla 35 - Requerimientos del rodeo considerando una adecuación de la carga a la receptividad del establecimiento y utilizando la técnica de inseminación artificial a tiempo fijo. ........................................................................................... 69

75

Bibliografía

Libros:

Barnard, C.S. y Nix, J.S. Planeamiento y Control Agropecuarios. Buenos Aires, Ed. Ateneo, 1984.

Campero, C. Pérdidas ocasionadas por las enfermedades venéreas de los bovinos. Revista Idia, Vol 21, Buenos Aires, 2002.

Carrillo, J. Manejo de un rodeo de cría, Buenos Aires, Ed. Hemisferio Sur, 1993

Casal, A. Coria, D., El pastizal natural: respuestas al régimen de lluvia, Publicación INTA, 2009 Ayala Torales, Alejandra, Evaluación de recursos forrajeros, AACREA, 1991.

Casas Calderón, M., Crianza de vaquillas: el futuro y éxito de las lecherías, Chile, S.A.

Dent, J. y Anderson, J. El Análisis de Sistemas de Administración Agrícola, Mexico, Ed. Diana, 1974.

Donaldson, G.F. and Webster J.P.G. An Operating Procedure for Simulation Farm Planning - Monte Carlo Method. Ashford, Wye College, 1968.

Frank, R. Optimización de la empresa agropecuaria con programación lineal, Buenos Aires, Ed. Facultad de Agronomía, 2010.

Kay, R. Administración agrícola y ganadera, México, Compañía editorial continental, 1993.

Pallisade Corp., Guía para el uso de @Risk versión 5.7, New York, Pallisade Corp., 2010.

Pena de Ladaga, S. y Berger, A. Toma de decisiones en el sector agropecuario, Buenos Aires, Ed. Facultad de Agronomía, 2006

Román, M. Diseño y evaluación financiera de proyectos agropecuarios, Buenos Aires, Ed. Facultad de Agronomía, 2012.

Shannon, R.E. Simulación de Sistemas: diseño, desarrollo e implantación. Mexico, Ed. Trillas, 1997.

76

Publicaciones periódicas:

Caracostántogolo, J. Peña, M. T. Schapiro, J. (S.A.), Manejo de Parásitos Internos en los Bovinos, IDIAXXI, (1) 121-126.

Cardona López, G.A. Eddi, C.S. (1999), Efecto del parasitismo gastrointestinal de los bovinos en crecimiento en el Este del Chaco, Argentina. Vet. Arg. Vol. XVI. (153): 175-185.

Coronel de Renolfi, M. (2004), Facultad de Ciencias Forestales, Universidad Nacional de Santiago del Estero, (10): 1-37.

Fontao, M. G. (2014, 1 de Marzo), Desafíos tecnológicos frente a la presencia de enfermedades, Motivar.

Gargano, A.O. Andúriz, M.A. Saldungaray, M.C. (1992), Modelación de agrosistemas con programación lineal y Monte Carlo para el partido de Coronel Rosales, Argentina. Revista Facultad de Agronomía. 2 (12): 193-203.

Pattacini, S.H., Scoles, G.E. y G.F. Covas. (2000), Digestibilidad y energía metabolizable en Amaranthus greggii, Rev. Facultad de Agronomía, 1 (11): 71-72.

Rossanigo, C.E., J.D. Ávila, R.L. Sager. (1992), Parasitismo gastrointestinal subclínico en terneros de destete: su efecto sobre el consumo, la digestibilidad y la ganancia de peso. Rev. Med. Vet., (73): 88-93.

S.A. (2009), Esta brecha hay que cerrarla, Revista Ganadería y Compromiso, (8): 4-5.

Spara, F. Vernengo, E. Guercio, A. (2007), Producción de Forraje y manejo de soja para pastoreo. Revista Producir XXI, 16 (193): 20-26.

Páginas Web:

www.uclm.es/profesorado/licesio/Docencia/mcoi/Tema4_guion.pdf. Universidad de Castilla- La Mancha, Abril 2014.

www.merial.com.ar/Producers/Pages/prevencion.aspx. Enero 2014.

www.fiscus.com.ar/pdfs/laurens_valuacion.pdf. Marzo 2015.

modelacion de un establecimiento agropecuario en el...

Documents