sábado, 4 de agosto de 2007

Aplicación de la Investigación de Operaciones al Sector Pesquero

LA PRODUCCIÓN DE HARINA DE PESCADO HOMOGENEIZADA Y LA RENTABILIDAD ECONÓMICA DE LAS EMPRESAS PESQUERAS

JULIO CÉSAR ANGELES MORALES

RESUMEN

El propósito de la tesis fue establecer la influencia de la Producción de Harina de Pescado Homogeneizada en la rentabilidad económica de las empresas pesqueras. El trabajo tuvo un diseño de investigación descriptivo porque se trató de precisar la relación entre dos variables. Se utilizó un modelo de investigación de operaciones con el fin de optimizar la rentabilidad económica. Específicamente, se formuló un modelo de Programación Lineal con el fin de encontrar una solución “óptima”. Los resultados muestran que sí es posible encontrar la “mejor” solución al problema teniendo en cuenta las proteínas, grasas y humedad. Para obtener una tonelada de harina de pescado homogeneizada se ha determinado mezclar 812 kilos de harina de pescado entero y 188 kilos de harina de residuos de conservas de pescado, incrementándose la rentabilidad económica general de la empresa del 37,56% a 82,34%.

PALABRAS CLAVES: Investigación de Operaciones, Optimización, Programación Lineal, Harina de Pescado, Modelo, Rentabilidad Económica, Homogeneización, Proteínas, Grasas, Humedad.




INTRODUCCIÓN
Los contratos comerciales de exportación de harina de pescado tradicional tienen un importe fijo en dólares por harina de pescado con parámetros establecidos. Significa que si el exportador entrega una harina de mayor contenido proteico, no hay un pago adicional; sin embargo, si el exportador entrega una harina con menor cantidad de proteínas entonces se realizan los cálculos para aplicar una penalidad. En el puerto de Chimbote se producen, en términos generales, dos tipos de harina, las de pescado entero y las de residuos de las conservas. La alternativa para no desperdiciar el exceso de proteínas de la harina de especies enteras y no asumir la penalidad es lograr una homogeneización. Esta homogeneización debe ser planificada y calculada correctamente debido a los grandes volúmenes de harina que se producen y un proceso de homogeneización incurre en costos elevados. Según Kuramoto (2005) las ventajas competitivas de la industria de harina de pescado y del cluster de Chimbote están basadas en la abundancia de la anchoveta. Chimbote cuenta con un mar propicio para el desarrollo de esta especie marina. A nivel nacional, la legislación ambiental ha tenido un efecto favorable en la eficiencia de las empresas harineras. Su modernización ha logrado reducir el ratio de conversión de materia prima a harina de 5,01 TM de anchoveta por TM de harina a 4,3. La producción de las harinas prime se ha convertido en una fuente de ventaja competitiva debido a su mejor cotización en los mercados. Chimbote no goza de esta ventaja ya que solo produce el 6% de las harinas prime (o el 13%, si se incluye al distrito de Coishco). Cabrera (1999) indica que la materia prima está compuesta por tres fracciones principales: sólidos (materia seca libre de grasa), aceite y agua. A partir de 1000 Kg. de materia seca se obtienen 212 Kg. de harina y 108 Kg. de aceite. El propósito es separar estas fracciones lo menor posible, al menor costo y bajo condiciones que favorezcan la calidad del producto.
Bravo (2003) señala que el índice de rentabilidad económica ha de medir el retorno que proporciona el negocio independientemente de cómo ha sido financiado éste, mientras el índice de rentabilidad financiera ha de medir el retorno de los accionistas después del pago de la deuda.
Taha (2005) indica que la Investigación de Operaciones es la ciencia que permite modelar los sistemas simbólicamente y establecer procedimientos que, con apoyo del computador dan orientaciones significativas en la toma racional de decisiones. El problema específicamente fue: ¿En qué medida la producción de harina de pescado homogeneizada influye en la rentabilidad económica de las empresas pesqueras? Nuestra hipótesis fue que La Producción de Harina de Pescado Homogeneizada incrementa significativamente la rentabilidad económica de las empresas pesqueras.

MÉTODO
El trabajo se realizó utilizando la Investigación de Operaciones con un modelo de Programación Lineal correspondiente al almacén de embarques perteneciente a una pesquera anónima. Este modelo fue construido teniendo en cuenta el porcentaje de proteínas, grasas y humedad requerida y los porcentajes disponibles en la harina de pescado entero y harina de residuos de conservas de pescado producidas en la planta. A continuación se ofrece una breve explicación del funcionamiento del modelo.
a) Objetos. El modelo de Programación Lineal utilizó los siguientes elementos:
1.- Harina de Pescado para la exportación (Harina de Pescado Homogeneizada), cuyos requerimientos son: Proteínas, 64% (mínimo); Grasa, entre 9 a 10,5 % y Humedad, entre 9,5 a 11 %.
2.- Harina de Pescado entero producida en Planta: La cual se encuentra en el almacén de embarques en sacos de 50 Kg. y estibadas en rumas de 1000 sacos de acuerdo a NTP 204.039:1986 (Establece los requisitos mínimos que deben observarse durante el almacenamiento de la harina de pescado, tanto envasada como a granel). Sus porcentajes de Proteínas, grasas y humedad varían de acuerdo a diversos factores en su captura y procesamiento.
3.- Harina de Residuos de Conservas de Pescado: La cual se encuentra en el almacén de Harina en sacos de 50 Kg. y estibadas en rumas de 1000 sacos. Sus porcentajes de Proteínas, grasas y humedad varían de acuerdo a la procedencia de los residuos y diversos factores en su producción.
b) Material. Para obtener la información de la composición de todas las Harinas de Pescado utilizadas en el estudio se recurrió a los reportes del departamento de Control de Calidad de la empresa y de los laboratorios particulares de la ciudad cuyas muestras se sustentan en la norma NTP 204.038:1986 (Establece el método para la extracción de muestras de la harina de pescado destinada a análisis microbiológicos) y NTP 204.034:1985 (Establece las condiciones técnicas y administrativas para el muestreo de la harina de pescado, con la ayuda del control de calidad, para fines comerciales, técnicos y legales). Los análisis fueron realizados de acuerdo a las normas técnicas NTP 204.023:1982 (Establece el método para la determinación de la proteína cruda en la harina de pescado), NTP 204.030:1985 (Establece un método de rutina y otro de referencia para determinar el contenido de humedad en la harina de pescado), y para las grasas NTP 204.033:1985 (Establece un método para la determinación del extracto de hexano (método de rutina) y del extracto de éter dietílico (método de referencia) en la harina de pescado). Para la solución gráfica del modelo se utilizó el software GLP y para la analítica los programas TORA y WinQSB.
c) Procedimiento. El presente trabajo se inició recopilando información práctica (de control de calidad) y del contrato de exportación para establecer las restricciones constitutivas del modelo, asimismo se recogió información del Departamento de Contabilidad respecto a los costos de producción por rumas de harina de pescado. Esta información es muy importante, ya que estas determinan la harina de pescado homogeneizada que se formula. Con la información recopilada se seleccionaron los parámetros a considerar llevándose a cabo la definición del modelo. Se establecieron las restricciones constitutivas, condiciones de cantidad total y la rentabilidad por cada tipo de harina para el funcionamiento lógico del modelo. Además, se verificó la consistencia de unidades y se eligieron las unidades a usar para cada restricción, en este caso fue porcentaje. El valor de la restricción limitante debe ser la cantidad que se desea obtener, también porcentaje del peso, (el cual debe estar multiplicado por 100) y debe ir una restricción de consistencia la cual exija que la mezcla debe ser formulada para una tonelada de harina (restricción de cantidad). Luego, se digitaron los datos en el computador utilizando los programas de cómputo seleccionados.


RESULTADOS
El estudio de optimización en la producción de harina de pescado homogeneizada realizado puede ser dividido en tres partes principales: primero, la formulación del modelo de Programación Lineal; segundo, el tratamiento de los datos y su ingreso en los programas de cómputo para obtener las cantidades a mezclar, y, por último, la ejecución de la homogeneización en sí, con la consiguiente validación de resultados por parte de Control de Calidad. A continuación se describe con más detalle cada una de estas etapas.
Formulación Del Modelo En Programación Lineal.
Variables de Decisión:
X1 : Peso (TN) de la harina de pescado entero a mezclar
X2 : Peso (TN) de la harina de residuos a mezclar
Función Objetivo:
Como se desea que la rentabilidad aumente, la función económica o función objetivo será:
Maximizar (Z) = R1 X1 + R2 X2
Restricciones:
P1 X1 + P2 X2 >= 64 (Proteínas)
G1 X1 + G2 X2 <= 10.5 (Máx. De Grasas)
G1 X1 + G2 X2 >= 9 (Min. De Grasas)
H1 X1 + H2 X2 <= 11 (Máx. De Humedad)
H1 X1 + H2 X2 >= 9.5 (Min. De Humedad)
X1 + X2 <= 1 (Consistencia)
X1 , X2 >= 0 (No Negatividad)
Parámetros:
R1 = Rentabilidad de la Harina de pescado entero.
R2 = Rentabilidad de la Harina de residuos húmedos de conservas de pescado.
P1 = Proteínas de la Harina de pescado entero.
P2 = Proteínas de la Harina de residuos húmedos de conservas de pescado.
G1 = Grasa de la Harina de pescado entero.
G2 = Grasa de la Harina de residuos húmedos de conservas de pescado.
H1 = Humedad de la Harina de pescado entero.
H2 = Humedad de la Harina de residuos húmedos de conservas de pescado.

Tratamiento de los Datos.
La tabla 1 resume los resultados de los análisis de Control de Calidad de las rumas de Harina de Pescado entero, como puede apreciarse, cada ruma tiene distinto nivel de proteínas, grasas y humedad. La Ruma 007-07 presentó mayor contenido proteico, mientras que la ruma 012-07 presentó el menor contenido. Asimismo, muestra los costos de producción y la rentabilidad económica asociada a cada tonelada de Harina de Pescado Entero, tal como son reportadas por el departamento de contabilidad. Los diferentes costos de producción por ruma de harina se debieron principalmente a la frescura con la que se procesó la materia prima que arrojó diferentes índices de rendimiento y/o productividad. A mayor frescura mayor rendimiento y mayor rentabilidad. En algunos casos, los costos de mantenimiento emergente o por avería incrementaron los costos de producción.


La tabla 2 resume los resultados de los análisis de Control de Calidad de las rumas de Harina de Residuos de Conservas de Pescado en la que puede apreciarse el bajo nivel de proteínas. La ruma 018-06-R presentó el mayor contenido de proteínas, mientras que la ruma 002-07-R presentó 52,94% que es el valor más bajo en proteínas. Los costos de producción y la rentabilidad (a precios normales) asociados a cada tonelada de Harina de Residuos de Conservas de Pescado se muestran en la misma tabla.


La tabla 3 resume los nuevos indicadores de costos y utilidades por tonelada de la ruma de harina de pescado entero y de la ruma de harina de residuos de conservas de pescado que intervienen en la producción de la harina de pescado homogeneizada. Se han agregado los costos de reproceso y la utilidad se ha calculado al precio de $1000 por tonelada. La rentabilidad de la harina de pescado entero es del 28,04% que comparada con su rentabilidad, de la tabla 1, del 29,7% es ligeramente menor por incluirse los costos de reproceso. La rentabilidad de la harina de residuos de las conservas de pescado es del 136.63% que comparada con su rentabilidad, de la tabla 2, del 45.42% es significativamente mayor por calcularse al precio de US$ 1000 por tonelada.

La figura 1 nos muestra el tablero inicial del modelo en el programa TORA para procesarlos y determinar las cantidades correctas a mezclar de harina de pescado entero y harina de residuos de conservas de pescado. Una primera aplicación es mezclar la ruma 007-07 y la ruma 017-06-R. Se puede apreciar el objetivo de la función económica que es el de maximización (máx.), la rentabilidad económica por tonelada de cada tipo; asimismo pueden apreciarse los coeficientes de las variables en las restricciones. Podemos verificar el sentido de los símbolos de desigualdad y los valores del lado derecho.

La figura 2 muestra el ingreso de datos en el programa GLP. Se aprecian las restricciones tabuladas en el plano cartesiano y se encuentra sombreada en verde la región factible, asimismo puede apreciarse la función objetivo en líneas discontinuas. La región factible es un polígono que se forma de la intersección del conjunto solución de todas las restricciones del modelo y cada punto de esa región soluciona el problema, pero la que se busca es la “mejor”. En la celda PAYOFF, función objetivo, se encuentra el valor Z = 48,438; que nos indica que la rentabilidad económica ponderada para la ruma 1 de harina de pescado homogeneizada es del 48,44%. En la parte inferior de la pantalla la frase “Optimal Decisions” nos presenta los valores de X1, es decir la cantidad de harina de pescado entero que debe agregarse, por tonelada, a la mezcla y el valor de X2 que representa la cantidad de harina de pescado residual que interviene en la mezcla, tales que nos dan la “mejor” solución; para nuestro estudio X1 es el 0,812 y X2 el 0,188. Para los efectos prácticos de planta significa que por cada 812 sacos de harina de pescado entero será necesario agregar 188 sacos de harina de pescado residual.

La figura 3 muestra el tablero óptimo en el software TORA, se puede apreciar que la solución se obtuvo en la quinta iteración, el valor de la función objetivo “Obj value” es de 48,4389 que representa el valor Z = 48,44% de rentabilidad económica ponderada para la ruma 1 de harina de pescado homogeneizada. Asimismo, se aprecia la contribución de cada variable para conseguir ese porcentaje de rentabilidad económica, la Harina de pescado entero contribuye con el 22.77% y la harina de residuos de conservas de pescado con el 25,67%. El valor de X1 es 0,8121 que representa aproximadamente el 81.2% de harina de pescado entero y el valor de X2 igual a 0,1879 que representa aproximadamente el 18.8% de harina de pescado residual en la mezcla total.

FIGURA 3. Harina de Pescado Homogeneizada (Ruma1) obtenida con TORA.

La figura 4 es la solución al problema con el software WinQSB, podemos observar que los valores para las variables de decisión son iguales a los obtenidos con la aplicación del GLP y del programa TORA; se aprecian la contribución de cada variable en la solución. Una novedad importante en este software es que presenta los resultados indicando la fecha y hora del procesamiento. La columna “Left Hand Side” indica los valores teóricos que debe tener la Harina de Pescado Homogeneizada. Es decir, en teoría se debe obtener 64% de proteínas; 9,7662% de Grasas y 10,1050% de humedad. La columna “Slack or Surplus” nos muestra la holgura de cada restricción.
Figura 4. Harina de Pescado Homogeneizada (Ruma1) obtenida con WinQSB.

Ejecución de la Optimización.
Con los resultados teóricos obtenidos, se procedió a realizar el proceso de optimización, es decir la producción de la Ruma 1 de Harina de Pescado homogeneizada. El proceso se llevó a cabo por personal de una empresa de servicios contratada especialmente para el reproceso. Se procedió a mezclar 812 sacos de harina de pescado entero y 188 sacos de harina de pescado residual. Utilizaron una mezcladora tipo “jirafa” que consiste en dos tolvas de ingreso y un canal con helicoide para elevar la mezcla y entregarla en una boca de ensaque. El proceso de homogeneización tomó alrededor de 3 horas. Una vez terminado el proceso se procedió a muestrear la nueva ruma de Harina de pescado homogeneizada, obteniéndose la tabla 4 que resume los indicadores requeridos, obtenidos de acuerdo a cálculos y los realmente obtenidos:

La diferencia de humedad teórica y la obtenida en la realidad, que es mínima, se debe a que la harina homogeneizada absorbió humedad del ambiente al ser reprocesada, pero los resultados están dentro del nivel permitido.
En la tabla 5 se presentan los valores definitivos de rentabilidad y peso de una tonelada de harina de pescado homogeneizada. Se pueden apreciar los incrementos significativos de la rentabilidad económica por tonelada de 37,56% a 82.34% y por cada tonelada de mezcla de la ruma 1 se logra un incremento de 32,66% a 48,45%.


DISCUSION
Este trabajo ha presentado una aplicación de la investigación de operaciones para establecer la influencia de la Producción de Harina de Pescado Homogeneizada en la rentabilidad económica de las empresas pesqueras. Los resultados muestran que al usar programación lineal como estrategia de optimización, es posible encontrar una “óptima” solución al problema. Estos resultados nos hacen concluir que, al menos en esta aplicación en particular, la utilización del modelo formulado incrementa significativamente la rentabilidad de la empresa. La rentabilidad económica general de la empresa se incrementó de 37,56% a 82,34% lo que en tiempos actuales de vedas permanentes resulta muy atractivo para los inversionistas. La rentabilidad económica ponderada de la harina de pescado homogeneizada se incrementó de 32,66% a 48,45%, este indicador tiene en cuenta el porcentaje de participación de los componentes de la mezcla. Estos resultados incentivan la producción de harina de residuos de conservas de pescado evitando las malas prácticas de secado al sol, que algunas personas inescrupulosas realizan, generando focos infecciosos y además evitan la contaminación ambiental.
Salazar (1995) indica que todo modelo es teórico, luego es necesario el criterio del experto; en el caso de la presente investigación se verificó con los resultados de laboratorio, después del proceso de homogeneización, que los porcentajes de proteínas, grasas y humedad obtenidos están dentro de los requerimientos del comprador extranjero.
Como investigación futura se propone continuar evaluando esta herramienta en distintas empresas pesqueras. Además, resulta de alto interés probar otras técnicas de investigación de operaciones, como son la simulación y la programación dinámica, entre otras, con el fin de estudiar y comparar la rentabilidad económica para eventualmente proponer qué estrategia de elección de rumas dan la mayor rentabilidad económica.



REFERENCIAS

Angeles, J, y Aquino, V. (1998). Implementación de un Programa de Mantenimiento Preventivo en la Fábrica de Harina de Pescado Challwa Ancash. Chimbote: Tesis Universidad Nacional de Trujillo.

Bravo, S. (2003). Análisis de rentabilidad económica y financiera. Lima: Esan.

Cabrera, C. (1999). Compatibilidad ambiental de la industria de harina de pescado en Paracas - Pisco. Revista Institucional Investigación Facultad Minas Metalurgia Ciencias Geografía, 2, 119-134. ISSN 1561-0888.

Gass I., Saúl. (1985). Linear programming. New York: McGraw-Hill.

Guiagale, M, Fretes-Cibils, V, Y Newman, J. (2006). Perú. La oportunidad de un País Diferente. Lima: Banco Mundial.

Kuramoto, J. (2005). El cluster pesquero de Chimbote: Acción conjunta limitada y la tragedia de los recursos colectivos. Lima: GRADE.

Salazar, J. (1994). Desarrollo y Aplicación de un Modelo de Programación Lineal (Computarizado) para Alimentos Balanceados. Valparaíso: Universidad Católica de Valparaíso, Chile.

Taha, H. (2005). Investigación de Operaciones, una introducción. México: Prentice Hall.

miércoles, 4 de julio de 2007

Manual del GLP

Graficador de Programación Lineal GLP

Introducción

El optimizador de Gráficos en Programación Lineal GLP está diseñado para resolver problemas de restricciones lineales. El programa soporta hasta seis restricciones lineales. Este programa puede encontrar las soluciones óptimas para problemas de maximización o minimización automáticamente.

Commands --> Comandos
File menu --> Archivo del menú
Edit menu --> Editar Menú
View menu --> Ver menú
Option menu --> Opciones del menú
Window menu --> Ventana del menú
Help menu --> Ayuda de menú


Toolbar --> Barra de Herramientas
New --> Nuevo
Open --> Abrir
Save --> Guardar
Print --> Imprimir
Copy --> Copiar
Copy Picture --> Copiar figura
Cut --> Cortar
Paste --> Pegar
Auto Max --> Maximización automático
Auto Min --> Minimización automático
Auto Zoom --> Zoom automático
Trim --> Recortar
Toggle Label --> Proveedor de etiqueta
Toggle Color --> Proveedor de color
Toggle Grey --> Proveedor de gris
Toggle Integer --> Proveedor de números enteros
Hold --> Retener
Reset --> Rehacer
Undo --> Deshacer


Cómo ………………….

1. ¿Cómo ingresar etiquetas?

Ingresar etiquetas para ambos ejes X y Y son necesarios antes de poder editar las restricciones. Usted puede ingresar etiquetas en el cuadro de etiquetas.
2. ¿Cómo ingresar restricciones?

Usted puede ingresar/editar restricciones en el cuadro de restricciones. GLP soporta hasta seis restricciones lineales.

Las inecuaciones (< ó >) no son permitidas en las restricciones. Por ejemplo, 2.0X + 3.0Y <= 3.0 y 3.0X - 4.0Y >= -5.0 son válidas, pero 2.0X + 1.0Y <> -5.0 no son válidas.

GLP soporta el uso opcional de etiquetas en las restricciones, terminados en dos puntos.
Ejemplo:

Tarea: 5.0X + 1.0Y <= 3.0

Puede hacer click en los botones + ó – junto al cuadro de restricciones para elevar o disminuir el valor en el lado derecho de la inecuación.


3. ¿Cómo ingresar la función objetivo?

Puede escribir la ecuación de la función objetivo en el cuadro de la función objetivo: Las inecuaciones no son permitidas en la ecuación de la función objetivo. Por ejemplo, 2.0X + 3.0Y = 3.0 es válido, pero 2.0X + 3.0Y <= 3.0 ó 2.0X + 3.0Y >= 3.0 no es válido.

4. ¿Cómo mover una etiqueta, una línea de restricción y una línea de función
objetivo con el mouse?

Puedes mover una etiqueta, una línea de restricción o una línea de función objetivo por el mouse, sólo con mover el cursor a la línea o etiqueta que desees mover, y presiona el botón izquierdo del mouse para seleccionarlo. Puedes arrastrar la etiqueta seleccionada o línea a cualquier posición deseada.
Al soltar el botón izquierdo del mouse terminara el movimiento. Sin embargo las líneas de restricción no pueden ser movidas haciendo click arrastrado cuando este en modo de recorte. Tienes que desactivar el modo de recorte para así poder mover las líneas de restricciones mediante el mouse.

5. ¿Cómo cambiar el tamaño de la escala?

Puedes modificar el tamaño de la escala en los cuadros de zoom de X y Y. Sus valores por defecto son 6.
Puedes también conseguir ayuda para el tamaño adecuado de la escala presionando el botón del Autozoom en la barra de herramientas.

6. ¿Cómo cambiar el despliegue de precisión decimal?

Puedes controlar la precisión decimal de todos los valores. Sólo edita el número decimal en el cuadro de números decimales. Puede hacer clic en el botón Auto +/- para aumentar o disminuir igualmente. El colocar los números decimales afecta la ubicación del Auto +/- de la línea de optimización.
7. ¿Cómo cambiar los valores de X Min, X Max, Y Min and Y Max?

X Min, X Max, Y Min y Y Max son los valores mínimos y máximos de los ejes de las absisas y ordenadas. Pueden cambiarse para ofrecer una mejor visualización de los resultados y la gráfica.
8. ¿Cómo obtener la solución optima?

GLP calcula el mejor valor para la función objetivo, tal que cumpla con las restricciones del modelo de programación lineal. Luego de ingresar los valores de la función objetivo y de las restricciones se puede calcular la decisión óptima. Puede efectuar el cálculo haciendo click en el botón AutoMax o en el botón AutoMin de la barra de herramientas.






Trabajo Práctico.

Instrucciones:

- Resuelva el siguiente problema en forma gráfica.
- Implemente el Programa Lineal en el software GLP. Este trabajo se realizará como práctica de laboratorio.


Max(z) = 2X1 + 3X2

s.a. :
4X1 + 5X2 <= 20
5X1 + 3X2 <= 15
X1 + X2 <= 5
X1 , X2 >= 0