capacidad de producción de bioetanol

INGENIERA Vol. 16 No. 1 ISSN 0121-750X UNIVERSIDAD DISTRITAL FRANCISCO JOS DE CALDAS6

Potencial de produccin deBioetanol a partir de CaaPanelera: dinmica entrecontaminacin, seguridadalimentaria y uso del suelo

Potential production bioethanol fromthe Panela Cane: dynamics betweenpollution, food safety and land use

Resumen

La generacin de combustibles a partir de productos agrco-las llamados agro-combustibles o biocombustibles ha sidoimpulsada recientemente como alternativa a los altos preciosdel petrleo y la contaminacin debida al dixido de carbono.Debido a que las materias primas usadas para la obtencin debioetanol o biodiesel son empleados original y primordialmenteen la produccin de alimentacin humana, esta alternativa plan-tea un dilema para los productores frente al uso del suelo, enespecial al sopesar los precios pagados por el sector energticocontra los del sector alimentario.

La caa panelera es una de las materias primas con mayorrendimiento para la produccin de bioetanol y es de especialrelevancia para Colombia, siendo este pas el segundo produc-tor de panela en el mundo despus de la India y el mayorconsumidor per cpita del mundo (37,4 Kg/Hab). El estudioque presentamos a continuacin est enfocado en analizar ladinmica de la produccin de bioetanol a partir de caa panelera,siguiendo un enfoque prospectivo, a partir de la dinmica ge-nerada por el uso del suelo, la contaminacin y la seguridadalimentaria, que contrasta con investigaciones previas realizadasdesde la perspectiva de incentivos en la cadena de suministrode agro-combustibles [1].

El artculo presenta la caracterizacin de la caa panelera enColombia, los proyectos vigentes y en desarrollo para la pro-duccin de agro-combustibles en Colombia, la influencia delprecio de petrleo en azcar y panela, igualmente la produc-cin de agro-combustible a partir de caa. Los datos histricosson tratados con estadstica multivariada y redes neuronales con

Fecha recibido: Enero 11/2011Fecha modificado: Abril 11/2011Fecha aceptado: Mayo 11/2011

Citacin: Orjuela, J.A., Huertas , I., Figueroa, J.C., Kalenatic, D. y Kadena, K. (2011). Potencialde produccin de Bioetanol a partir de Caa Panelera: dinmica entre contaminacin, seguridadalimentaria y uso del suelo. En: Ingeniera, Vol. 16, No. 1. 6 - 26.

Javier Arturo Orjuela C.Universidad Distrital

Francisco Jos de CaldasFacultad de Ingeniera

[email protected]

Isaac HuertasUniversidad Catlica de Colombia

Facultad de [email protected]

Juan Carlos FigueroaUniversidad Distrital

Francisco Jos de CaldasFacultad de Ingeniera

[email protected]

Dusko KalenaticUniversidad Catlica de Colombia


Katerine KadenaUniversidad Catlica de Colombia


INGENIERA Vol. 16 No. 1 ISSN 0121-750X UNIVERSIDAD DISTRITAL FRANCISCO JOS DE CALDAS 7

el fin de predecir el comportamiento futuro en la produccin de caa panelera. Ladinmica de la cadena frente a la problemtica es estudiada a partir de la identificacin defactores y variables relevantes y su diagrama causal.

Palabras clave: Biocombustibles, Bioetanol, Agro-combustibles, Caa Panelera, AnlisisMultivariado, Redes Neuronales, Dinmica de Sistemas.

Abstract

As a solution to both oil high prices and pollution, grown-product fuel-generation (so-called biofuels) policies and projects have been promoted worldwide. Because rawmaterials involved in Bioethanol-and-Biodiesel making are used for human-consumptionfood production, producers face dichotomy regarding ground use, especially due to theprices paid to producers by either the energy or the food-production sector.

Although the bio-fuel supply-chain dynamics have been studied from an incentivesviewpoint [37], an understanding of the supply-chain prospective is necessary based onthe dynamics of three aspects, namely ground use, pollution and food safety.

The Panela cane is one of the raw materials with the best performance for Bioethanolproduction. Because Colombia is the highest per-capita Panela consumer (37,4 Kg/Inhab) and the second producer in the world (after India), this article analyzes Bioethanolproduction dynamics based on Panela cane.

Throughout the present article four aspects are discussed, namely Colombian Panelacane characterization, Colombian bio-fuel production current-projects development, oil-price influence on both Panela and sugar prices, and finally Panela cane bio-ethanolproduction. Historical data are forecasted through multivariate statistics and neuralnetworks with the purpose of predicting future behavior within Panela cane production.

In the context of the aforementioned dichotomy, Panela cane chain dynamics are studiedbased on the identification of both factors and variables, which are presented through acausal diagram.

Key words: Bio-fuel, Bioethanol, Panela cane, multivariate statistics, neural networks,dynamic system.

1. Introduccin

La humanidad enfrenta grandes retos en el siglo XXI en relacin al avance de la indus-trializacin y el desarrollo de los pases, en particular en lo que se refiere a la contaminaciny el cambio climtico. La utilizacin de combustibles fsiles mediante el uso de hidrocar-buros y carbn, recursos no renovables, generan niveles no deseados de contaminacin.

Por otra parte, en la ltima dcada los precios de los hidrocarburos han venido enascenso de manera continua, el petrleo ha llegado a precios cercanos a 135 USD/bl. Sibien la crisis econmica mundial ha implicado una reduccin importante en los preciosen los aos 2008-2009, se espera que superada la crisis financiera, los precios vuelvan atomar su tendencia creciente, como evidencia su evolucin en el 2010-2011.

Javier Arturo Orjuela C. Isaac Huertas Juan Carlos Figueroa Dusko Kalenatic Katerine Kadena


Los gobiernos han tratado de solucionar esta problemtica con diferentes estrategias,tales como el uso de energas alternativas solar, elica, atmica, o la obtencin de combus-tibles a partir de productos agrcolas. En relacin a esto ltimo, la capacidad para produciragrocombustibles depende de la disponibilidad de la tierra, esto limita la produccin enciertos pases. Por ejemplo, la Unin Europea destinando el 70% de sus tierras podraproducir 10% del combustible fsil; por su parte EEUU, para producir bioetanol a basede maz tiene como mximo potencial el 10% de su consumo de gasolina [1]; otro estudioindicara que destinando la produccin de maz a los agrocombustibles abastecera el 12 %de gasolina [2].

Los pases de America Latina presentan condiciones ideales para la produccin deagrocombustibles tales como el alto porcentaje de reas hmedas (40%) y los recursoshdricos renovables, los bajos costos de produccin en las zonas tropicales [4] o a susbajos costos salariales [5]. Pases suramericanos como Brasil han tenido una polticaexpansiva en la siembra de caa como materia prima de bioetanol, esto dado su poten-cial, con un 0,5% de su tierra cultivable podra sustituir la mitad de la demanda degasolina, a lo anterior se suma los altos rendimientos de caa 6000 lts/Hect. frente a maz3000 lts/Hect [3].

Colombia regula a partir de la ley 693 de 2001 la produccin de alcoholes carburantesy bioetanol, y mediante la ley 939 de 2004 la produccin de biodiesel y bioetanol, loscuales deben ser usados en una mezcla con gasolina, con reemplazo de un 20% para el2010 [6]. Debido a ello se han creado varias plantas productoras de combustible usandocomo materias primas productos agrcolas, tales como palma africana y caa de azcar,para biodiesel y bioetanol respectivamente.

Estas polticas requieren ser analizadas en Colombia as como en otros pases de Am-rica del Sur, pues la poblacin de este continente presenta altsimos niveles de hambre yla utilizacin de suelos para los dos propsitos pondra en riesgo la seguridad alimentaria.La seguridad alimentaria garantiza la disponibilidad y acceso a los alimentos, culturalmenteaceptables para la poblacin, tanto en cantidad, calidad y variedad [7]. La FAO en elnuevo entorno de globalizacin acua el concepto de autosuficiencia alimentaria [8].Mientras entre 1990 y 2004 la cantidad de personas mal nutridas en pases en desarrolloaument de 823 millones a 830 millones segn FAO, la proporcin de personas malnutridas en el primer mundo disminuy del 20 al 17 por ciento [9].

En este contexto y dada la importancia que tiene para Colombia la produccin depanela, este artculo analiza el impacto que tiene la produccin de bioetanol a partir decaa demanda de materias primas en la prxima dcada, lo que genera un aumento enlos precios de los alimentos y por ende amenaza a la seguridad alimentaria [10].

En este contexto surge el desafo de la formulacin de polticas de la seguridadalimentaria, de forma que se asegure la sostenibilidad del medioambiente y un sistemainternacional favorable al desarrollo sostenible de los biocombustibles [12].

Lo anterior se debe a la gran cantidad de materias agricolas que pueden ser utilizadaspara bio-combustibles. Para la produccin de biodiesel se puede usar como materias pri-mas agrcolas la palma africana [13], el cocotero, higuerilla, aguacate, canola, man, soya y

Potencial de produccin de Bioetanol a partir de Caa Panelera: dinmica entre contaminacin, seguridad alimentaria y uso del suelo


girasol [14]. Por su parte, para la obtencin de alcohol carburante (bioetanol) se utiliza yuca,maz, caa de azcar o papa, entre otros. En su produccin, se emplean tres procesos defermentacin alcohlica diferentes. La fermentacin de los compuestos orgnicos acom-paada de un proceso de destilacin y secado, utiliza como materias primas como la caade azcar, panelera o remolacha azucarera [15].

Los rendimientos reportados por el Ministerio de Agricultura y Desarrollo Rural co-lombiano para bioetanol [16], son de 9.000 litros por hectrea para la caa, para remolacha5000 (l/ha), 4.500 para yuca (l/ha), sorgo 4.400 (l/ha) y 3.200 (l/ha) para maz.

3. Caracterizacin de la cadena panelera colombiana

Segn cifras de la FAO, 25 pases en el mundo producen panela; para el periodo 1998-2002, la India concentr el 65% de la produccin mundial, mientras que Colombia cercadel 13%, hacindose evidente que la produccin mundial de panela se concentra en stosdos pases, siendo Colombia el mayor consumidor per cpita (37,4 Kg/Hab) [17]. Noobstante la produccin se orienta al mercado interno, lo cual no le permite ampliar sudemanda fcilmente y se ve expuesto a la competencia del azcar, los edulcorantes sint-ticos y las bebidas artificiales [28].

La panela en Colombia es un rengln muy importante de la produccin agropecuarianacional, dado su participacin en la produccin, empleo y rea utilizada en caa panelera.Para el ao 2008 la caa particip con el 9.7% del rea destinada a cultivos permanentesy con el 5.7% del rea total cultivada en Colombia, se ubica en el quinto lugar entre loscultivos del pas, solamente superado por caf, maz, arroz y pltano [18].

En Colombia se estiman aproximadamente 194.021 hectreas de tierras dedicadas alcultivo de la caa panelera en 2009 (ver Figura 1), se encuentra dispersa en las regionesdel pas, en alturas comprendidas entre el nivel del mar y los 2.000 metros. Segn elministerio de agricultura (estadsticas Agronet), durante el ao 2009 la produccin decaa panelera se produjo en 24 de los departamentos de Colombia. La tasa de produc-cin creci a una tasa promedio de 0,7 % anual, mientras el rea disminuyo a 0,2%, conun crecimiento en cuanto al rendimiento de 0,9% promedio anual [18].

Figura 1. Produccin y rea Cosechada deCaa Panelera en Colombia.

Fuente: Agronet en: http://www.agronet.gov.co (22/Nov/2010) [18]



Desde el ao 1987 hasta el 2004 elrendimiento por hectrea ha pasadode 5.16 (ton/ha) a 6,7 (ton/ha) un au-mento de 1.54(ton/ha), con unaproduccin de 1.196.450 y 1.444.387toneladas respectivamente, disminu-yendo el rea sembrada en 16.410hectreas. No obstante, en el periodo2004 a 2009 se ha presentado una pen-diente negativa alcanzando laproduccin de 1.227.313 toneladas en2009, disminuyendo el rea cosechadaa 194.121 hectreas y su rendimiento a6.3 (ton/ha), como se observa en laFigura 2.

La produccin de caa panelerapara el 2009 se concentr bsicamen-te, en los departamentos de Boyac,Cundinamarca, Santander y Antioquiacon el 60,34% del total producido. Enla regin Andina y en los VallesInterandinos, se concentra el cultivo yel mayor nmero de productoresaportando ms del 90% de la pro-duccin [18]. La participacinporcentual por grupos representati-vos se presenta la Figura 3. .

Al observar la participacin porcen-tual a nivel departamental, tal comolo muestra la Figura 4, se puede com-prender la importancia que eldepartamento de Boyac,Cundinamarca y Santander tienen enla produccin de caa panelera a ni-vel nacional bajo el criterio detoneladas producidas al ao. Por suparte el comportamiento histrico dela produccin por los cuatro depar-tamentos principales productores sepresenta en le Figura 5, mientras en elFigura 6 el comportamiento histri-co del rea sembrada en los cuatrodepartamentos principales producto-res.

Figura 2. Evolucin Histrica de Rendimientode Caa Panelera en Colombia.

Fuente: Tomada de Agronet en: http://www.agronet.gov.covisitado el 22 de noviembre de 2010 [18]

Figura 3. Participacin porcentualpor grupos representativos 2009.

Fuente: Esta investigacin. Elaborada a partir de datosreportados en: [19] y [20] visitado el 6 de septiembre de 2009.

Figura 4. Participacin porcentual por departamentos 2009.Fuente: Esta investigacin. Elaborada a partir de datos reportados en: [18].



3.1. La Caa Panelera y los Agrocombustibles

Figura 5. Histrico de la produccin de caa panelera en Colombia (Toneladas).Fuente: Esta investigacin. Elaborada a partir de datos reportados en: [18] visitado el 22 /11/ 2010

Figura 6. Histrico del rea sembrada.Fuente: Esta investigacin. Elaborada a partir de datos reportados en: [18] visitado el 22 /11/ 2010

Mapa 1. Zonas potenciales de produccin de Bio-etanol.Fuente: Grfico obtenido del documento "El cultivo de la caa panelera y la agroindustria

panelera en el departamento de Santander" [20]

La caa panelera es una de lasmaterias primas con gran rendi-miento con respecto a las demspara la produccin de bioetanol9000 L/Hect. Las zonas poten-ciales del pas para su produccinse resaltan en el Mapa 1.

Para cada una de las zonas po-tenciales ECOPETROL realizuna aproximacin de los miles delitros de bioetanol que se podranproducir por hectrea, mostra-dos en el mapa 2. Se destaca eldepartamento del Valle como elmayor productor con 1.000 mi-les de litros diarios por las 40.000hectreas de caa sembradas.



Datos del Ministerio de Agricultu-ra y Desarrollo Rural de Colombiamuestran que el cultivo de la caaocupa actualmente 449.480 hectreasen todo el pas (con destino a la pro-duccin de azcar y panela)generando 336.310 empleos (Tabla1). La produccin de caa paneleraofrece mayor demanda de empleopor persona en comparacin con lacaa de azcar, para el ao 2008 seemplearon en esta actividad un totalde 287.506 personas que equivale al85% de empleos totales para este sec-tor econmico.

Mapa 2. Produccin en miles de litrospor hectrea de Bioetanol por Departamento.

Fuente: Grfico obtenido de ECOPETROL [21]

Uso rea sembrada Empleos rea Empleos Empleos(ha) 2008 actuales Potencial adicionales 20% adicionales 100%

(ha) rea potencial rea potencial

Panela 243.816 287.506 119.286 596.428

Azcar 174.263 41.275 21.050 105.252

Etanol 31.401 7.529 3.898.221 140.336 701.680

Total 449.480 336.310 3.898.221 140.336 701.680

Tabla I. Empleo actual y potencial en caa

Sin embargo, si se utilizar el 20% del rea potencial de cultivo de caa se tendran140.336 empleos nuevos y con el 100% el ministerio plantea que se obtendran 701.680nuevos empleos. Si se utilizara el 20% del rea potencial como lo plantea del Ministeriose tendran 119.286 empleos nuevos para el sector de la caa panelera el sector de la caapanelera y con el 100 % del rea potencial sembrada en caa se garantizaran 596.428empleos nuevos solo este sector [21].

3.2. Proyectos Actuales y en Construccin

Segn datos del Ministerio de Agricultura y Desarrollo Rural de los proyectos debiocombustibles que ya estn en marcha en Colombia [22], se produce 1,1 millones delitros diarios de etanol a partir de caa, cubriendo cerca del 70% de la demanda nacio-nal1, como se observa en la Tabla 2.

Por su parte los proyectos en desarrollo son presentados en la tabla 3, se espera queestos proyectos se conviertan en una solucin para la sobreoferta de panela presentada

Fuente: Esta investigacin. Datos. Ministerio de Agricultura y Desarrollo Rural [21].

1 Ntese que la sustitucin actual de gasolina por bioetanol es del 5%.



Fuente: Esta investigacin. Datos Federacin Nacional de Biocombustibles. [24, 25].

No. Regin Inversionista Capacidad Absorcin rea Empleos Empleos(L/Da) Azcar Crudo Sembrada Directos Indirectos (T/Ao) (ha)

1 Miranda, Incauca 250.000 97.690 11.942 2.171 4.342Cauca

2 Palmira, Ingenio 300.000 65.126 9.287 1.688 3.376Valle Providencia

3 Palmira, Manuelita 250.000 81.408 8.721 1.586 3.172Valle

4 Candelaria, Mayagez 150.000 48.845 6.587 1.198 2.396Valle

5 La Virginia, Ingenio 100.000 32.563 3.004 546 1.092Risaralda Risaralda

6 Canta Claro, GPC 25.000 33.000 1.200 240 480Puerto Lpez

TOTAL en Produccin 1.075.000 358.632 40.742 7.429 14.858

Tabla II. Proyectos actuales de produccin de Bioetanol

Fuente: Esta investigacin. Datos Federacin Nacional de Biocombustibles [22, 23, 24].

Empresa Regin Capacidad (L/Da) Materia Prima AoBIONERGY Puerto Lpez Puerto

Gaitn, Meta 300.000 Caa Julio 2012MAQUILTEC Tuta, Boyac 300.000 Remolacha 2012MERHAV S.A. Pivijay Magdalena 300.000 Caa 2012ALCOHOL DELRO SUAREZ Barbosa, Santander 300.000 Caa 2012AQA S.A. Valle R. La Vieja, 150.000 Caa 2010

QuindoINGENIOMAYAGEZ Candelaria, Valle 150.000 Caa Diciembre 2011(Ampliacin)Total en Produccin 1.500.000

Tabla III. Proyectos en Desarrollo de produccin de Bioetanol

3.3. La Influencia de agrocombustibles en los

precios de la cadena productiva

La influencia de los agrocombustibles en el precio de los derivados de la caa, es unfactor de gran importancia dado que este puede poner en riesgo su uso para la produc-cin de alimentos humanos o animales. En el Figura 7 se muestra el comportamiento delprecio internacional del azcar crudo [25]2, se evidencia cmo a partir del ao 2002 tieneun crecimiento exponencial hasta el 2006 con un precio de 14,65 US$cent /lb, luego dedecender abruptamente a un precio de 9,91 para el 2007, nuevamente asciende a unprecio de 17,78 en el ao 2009. Podra pensarse que este comportamiento se debe en

2 Precio promedio anual de los cierres diarios de la posicin ms cercana de la bolsa de Nueva York.

durante los ltimos aos en Colombia, ver Tabla 3. De lograrse esta proyeccin seincrementara la produccin en 1.500.000 litros da convirtindose en un motor de desa-rrollo para las regiones.



parte al uso de la caa de azcarpara produccin de etanol a nivelmundial, dado que el consumoper cpita de azcar no se haincrementado significativamente.

Por su parte, el comportamien-to de los precios de la panela,producto derivado de la caapanelera, es similar, como se ob-serva en la Figura 8; entre el ao2005 al 2007 present un incre-mento de ms del doble en suprecio, pasando de 645 pesos porkilogramo, a 1.578 $/kg siendoeste su ms alto en el periodo de1998 al 2010. Luego de dos aosde descenso 2008-2009, vuelve arepuntar el precio, presentando unvalor promedio de 1052 para2010.

El comportamiento de los pre-cios presentado en las dos figurasanteriores merece un anlisis de-tallado con el fin de identificar silos crecimientos de los precios es-tn relacionados con el alto valordel precio del petrleo para elperiodo. ECOPETROL reportalos datos del precio para el pe-trleo crudo WTI [23],plasmados en la Figura 9.

Se observa que luego de un con-tinuo crecimiento del preciopromedio del petrleo entre 1996-2008, alcanza en el ao 2008 el msalto valor 99,72 USD/lb (en esteao para junio alcanzo un valor deUSD/lb). A partir del ao 2008 elprecio recae a un precio prome-dio de 61,83 USD/lb ( 39, 26

Figura 7. Comportamiento histrico de los preciosinternacionales de azcar crudo.

Fuente: Esta investigacin. Datos [26]

Figura 8. Comportamiento Histrico de losPrecios de panela en Colombia.

Fuente: Esta investigacin. Elaborada a partir de datos reportados en [27] y [18]

Figura 9. Indicadores Petrleo - USD/bl. Crudo TI NYMEX.Fuente: Esta investigacin. Elaborada a partir de datos reportados en [23, 24, 25]

USD/lb en febrero). En el 2010 se presenta nuevamente una tendencia al alza con valorespara noviembre de 85,02 USD/lb. Se infiere que definitivamente que la crisis econmicamundial de los aos 2008-2009 ha afectado el precio del petrleo generando una reduc-cin significativa del precio, el cual se recupera en la medida que esta crisis se supera.



Del comportamiento presentado en comparacin de los Figuras 7, 8 y 9 se evidenciauna dependencia entre el crecimiento del precio del petrleo y el del azcar, aspectoinfluenciado por la entrada en produccin de etanol a partir de materias primas deriva-das del agro, el azcar no es la excepcin presenta el mayor crecimiento en los ltimoscinco aos. En este mismo sentido, en lo que respecta a la caa panelera, el crecimientodel precio de la panela est influenciado por los precios del azcar, derivados este ltimodel precio del petrleo, como se expres anteriormente.

Algunos analistas de este fenmeno podran atribuir el problema a las ineficiencias dela cadena de panela las cuales se han evidenciado en reportes de estudios previos [28].No obstante, es claro que el precio de la panela ha tenido crecimientos inusitados, msno en la proporcin de las ineficiencias de la cadena de abastecimiento de la cadenapanelera en los ltimos aos.

El centro regional de estudios econmicos de Santander, plantea que el alto nivel deintermediacin no permite mantener una cadena eficiente. Por el contrario, est sujeto aun comportamiento cclico acorde con el perodo productivo de la caa panelera y alefecto sustitucin entre panela y azcar [29]. Por su parte, el Ministerio de Agriculturaplantea el patrn estacional de los precios de la panela en el mercado nacional, presentan-do picos de alto valor en mayo y ms leves en noviembre y enero. Existen dos temporadasde precios, entre enero y julio con precios altos y entre agosto a diciembre los precios sedeprimen [30].

De los anlisis anteriores se infiere que, cuando los precios del azcar aumentan seincrementa la produccin de este bien y dada su influencia tambin aumenta la de caapanelera, con sus respectivo aumento de precio. De esta manera, el ciclo de precios y deproduccin de panela est determinado por el comportamiento de los precios y delmercado del azcar, as como del petrleo, a lo anterior se suma el incremento en el usode bio-etanol en la mezcla con gasolina para vehculos en Colombia.

De esta manera se plantea la necesidad de establecer el comportamiento futuro de laproduccin de caa panelera para lo que se evaluaron dos tcnicas de pronsticos con elfin de proyectar las variables incidentes en la dinmica de la caa panelera. Los resultadosobtenidos se presentan en el siguiente apartado.

3.4. Prediccin de la produccin de bioetanol

mediante anlisis estadstico

Para el anlisis estadstico se emplearon dos tcnicas, anlisis multivariado y redesneuronales

3.4.1. Anlisis por Regresin Mltiple

Para realizar este estudio se tuvo en cuenta informacin anual desde 1992 a 2006, delas siguientes variables: produccin (ton x ao), rendimiento (kg x hectrea), participa-cin de la caa panelera en la valoracin de la produccin, participacin del nmero depersonas en el sector, variacin y superficie cosechada (hectreas).

El modelo de regresin mltiple contiene una variable dependiente, en este caso la



variable produccin, que es la que se busca predecir, y las dems son las independientes.Los clculos del modelo fueron realizados en SPSS y son presentados en la Tabla 4. Elprimer anlisis incluye todas las variables. Los coeficientes de regresin denotan la mag-nitud del efecto que las variables independientes sobre la variable dependiente (en esteestudio la produccin). El modelo encontrado para la variable Y (produccin) fue:

Y = -13382696.48 + (2129921) rendimiento +

(62742,15) participacin + (1581,34) variacin

(1310,01) No personas + (62444,17) superficie

R cuadrado (Coeficiente de Determinacin) 0,9999

R cuadrado ajustada 0,9998

R Mltiple R (Coeficiente de Correlacin Mltiple) 0,9999

Estimados de Error Estndar (SEy) 9972,32

Observaciones (n). 15

Tabla IV. Estadsticas del Anlisis de Regresin

El Coeficiente de Determinacin indica que el 0.99 de la variacin en la variable produc-cin puede explicarse mediante el anlisis de regresin de las dems variables.

Por otra parte se realiz un Anlisis de Varianza (ANOVA), cuya prueba F mide laspropiedades estadsticas de los coeficientes con los clculos de las medias de los cuadra-dos de las regresiones y de las medias residuales de los cuadrados; mientras ms grandesea la estadstica F, ms significativo ser el modelo (ver Tabla 5).

En el estudio se rechaza la hiptesis nula, quiere decir que en conjunto los parmetrosestimados no son iguales a cero, por tanto el modelo de regresin es significativo. Supronstico se presenta en las Figura 10 y 11.

Dado que en las pruebas de hiptesis en forma individual se encontr que los regresores delas variables independientes participacin, variacin y nmero de personas, no son significati-vos, se ejecut un retroceso progresivo3. En el primero se examin la superficie cosechadaporque su parmetro es significativo, como lo muestra el resultado de la Tabla 6.

Fuente: Esta investigacin. Datos Federacin Nacional de Biocombustibles. [24, 25].

Suma de Media de los Pruebas de

los Cuadrados Cuadrados Estadstica F Valor P Hiptesis

Regresin 7001083884102,50 1400216776820,50 14079,99 0,0000 Estadstica F Crtica

(99% de confianza

con df de 5 y 9) 6,0569

Residual 895025783,50 99447309,28 Estadstica F Crtica

(95% de confianza con

df de 5 y 9) 3,4817

Total 7001978909886,00 Estadstica F Crtica

(90% de confianza con

df de 5 y 9) 2,6106

Tabla V. Anlisis ANOVA

3 Incluyendo variables independientes segn aporte al modelo



Figura 10. Validacin del pronstico: produccin.

Figura 11. Error del pronstico: produccin.

R cuadrado (Coeficiente de Determinacin) 0,7900

R cuadrado ajustada 0,7739



Observaciones (n). 15

Tabla VI. Estadsticas del Anlisis de Regresin: Retroceso Progresivo (paso 1 de 2)

El Coeficiente de Determinacin en este caso indica que el 0.79 de la variacin en lavariable produccin puede explicarse y calcularse mediante el anlisis de regresin de lavariable superficie cosechada, cuyo modelo es el siguiente:

Y = -5830300.87 + (88850.52) superficie

Una hectrea cultivada en el ao implica una produccin de 88.850 toneladas por ao.Adems se rechaza la hiptesis nula y el coeficiente de regresin de superficie se conside-ra as, significativo (ver Tabla 7).

Como puede notarse los parmetros de la ecuacin de regresin son significativos4 ypara efectos de estimacin este modelo sirve para realizar pronsticos segn la tendencia(ver Figura 12 y 13).

4 El anlisis de varianza la prueba estadstica F se rechaza cuando se plantea la hiptesis nula es igual a cero para el parmetro de la variablesuperficie y la alterna al menos es diferente a cero.



Intercepcin Superficie

Coeficientes -5830300,8768 88850,5296

Error Estndar 12704,8363 2739612,5828

Estadstica t -2,1281 6,9934

Valor P 0,0530 0,0000

Inferior al 5% -11748874,0145 61403,3995

Superior al 95% 116297,6596 88272,2608

Grados de Libertad Pruebas de Hiptesis

Grados de Libertad para la Regresin 1 Estadstica Crtica t (99% de confianza con df de 13) 3,0123

Grados de Libertad Residual 13 Estadstica Crtica t (95% de confianza con df de 13) 2,1604

Grados Totales de Libertad 14 Estadstica Crtica t (90% de confianza con df de 13) 1,7709

Tabla VII. Resultados de la Regresin

Figura 12. Validacin de pronstico, superficie cosechada.

Figura 13. Error del pronstico, superficie cosechada.

Seguidamente se consider un segundo modelo de retroceso progresivo donde serealiz una nueva regresin con la variables independiente superficie cosechada (del anteriormodelo) y adicionalmente la variable independiente rendimiento. Los resultados de estesegundo anlisis de retroceso progresivo se observan en la Tabla 8.



En este caso el Coeficiente de Determinacin indica que el 0.99 de la variacin en lavariable dependiente produccin puede explicarse mediante la regresin de las variablesindependientes superficie cosechada y rendimiento. El modelo obtenido es el siguiente:

Y = -13502933 + 62421,72 (superficie) + 2163929,47 (rendimiento)

Explicando el modelo significa que si el rendimiento permanece constante al cosecharuna hectrea, la produccin es de 62.421 ton. al ao y si permanece constante la superfi-cie, el rendimiento por kg. por hectrea es de 2.163.929 ton. por ao. El pronstico deeste modelo se presenta en las Figuras 14 y 15.

R al Cuadrado (Coeficiente de Determinacin) 0,9998

R al Cuadrado Ajustada 0,9998



Observaciones n 15

Tabla VIII. Estadsticas del Anlisis de Regresin: Retroceso Progresivo (paso 2 de 2).

Figura 14. Validacin del pronstico, produccin y superficie cosechada.

Figura 15. Error del pronstico, produccin y superficie cosechada.



Para validar el modelo se verificaron los supuestos de normalidad, homogeneidad devarianzas y multicolinealidad. En la Figura 16 se presentan los pronsticos obtenidos conregresin mltiple.

Figura 16. Pronstico produccin caa de panelera, regresin mltiple al 2038.

3.4.2. Pronstico con Redes Neuronales.

El segundo mtodo utilizado fue Redes Neuronales Artificiales (RNA). Esta es unatcnica de Inteligencia Computacional considerada como aproximadores generales defunciones no-lineales cuya capacidad de prediccin es sobresaliente. Tambin han sidoaplicadas a prediccin de series de tiempo [31-36], el cual es el enfoque asumido en lapresente investigacin. Las caractersticas de la RNA utilizada son:

Topologa: Alimentacin hacia adelante con retropropagacin.

Mtodo de Aprendizaje: Gradiente Descendiente con vector de pesos.

Mtodo de Entrenamiento: Algoritmo de Levenberg-Marquardt.

Criterio de Entrenamiento: Error Cuadrtico Medio (MSE).

Nmero de Capas: 3.

o Capa1: 10 Neuronas Lineales.

o Capa2: 5 Neuronas Lineales.

o Capa 3: 1 Neurona Lineal.

Criterio de parada: Aproximacin a cero MSE.

El pronstico obtenido mediante redes neuronales, es similar al obtenido medianteregresin mltiple, por lo tanto, este pronstico se ratifica.

Para cada variable se utiliz su variacin diaria, definida como 1

=ttt

yyy , predi-cha utilizando 3 autorregresiones

21,

tt

yy y3

t

y y 2 promedios mviles1

t

y y

2

ty .

Los resultados de 141 iteraciones para la variable produccin de caa panelera seobservan en la Tabla 9.

Periodo Nmero de Datos Pronstico ao 2009 MSE

1987-2008 18 129347 0.00012323

Tabla IX. Resultados de pronstico con RNA. Resumen Variable Caa Panelera



Dado que el pronstico obtuvo un error pequeo, se considera que el modelo de pre-diccin aprendido por la RNA es bastante aproximado. Lo anterior se corrobora con losgrficos del valor pronosticado frente al real y el comportamiento del error (Figuras 17 y18). Estos a su vez fueron evaluados mediante la siguiente evidencia estadstica.

Pruebas de aleatoriedad que confirman la independencia del error:

P-value Prueba de Rachas: 0.694

P-value Test de Portmanteau: 0.251

Pruebas de normalidad que confirman que el error se comporta de manera nor-mal:

P-value Shapiro Wilks: 0.363

P-value Anderson Darling: 0.212

Pruebas de correlacin que confirman que los errores no estan correlacionados:

P-value ARCH (3 Rezagos): 0.001

P-value Ljung-Box (5 Rezagos): 0.012

Figura 17. Validacin del pronstico, produccin y superficie cosechada.

Figura 18. Error del pronstico, produccin y superficie cosechada.



Adems se encuentra que el pronstico obtenido mediante redes neuronales, es similaral obtenido mediante regresin mltiple, por lo tanto, este pronstico se ratifica.

Luego de establecer el posible comportamiento cuantitativo de futuras producciones,se hace necesario estudiar el comportamiento del sistema incluyendo las polticasagroalimentarias, energticas y de contaminacin.

3.5. Dinmica del sistema.

Dado el nmero de variables que intervienen en el comportamiento de la produccinde bioetanol a partir de caa panelera y con el fin de entender la dinmica y la influenciaen la seguridad alimentaria, se plante un modelo basado en dinmica de sistemas; acontinuacin se presenta su modelo causal as como la explicacin detallada de cada unode los ciclos de retroalimentacin. El propsito es determinar la demanda potencial debioetanol que suplir la demanda de este combustible en el parque automotor colom-biano y establecer que implicaciones puede tener la sobreproduccin de bioetanol apartir de caa panelera en el medio ambiente y la seguridad alimentaria nacional.

Figura. 19. Pronstico produccin caa de panelera, redes neuronales al 2038.

Figura 20. Factores fundamentales en la dinmica del sistema.

Polticas Seguridad alimentaria Polticas Agropecuarias

Polticas Energticas

Factoreseconmicos,uso del suelo

Seguridadalimentaria,

demandaalimentos

Contaminacin,demanda vehculos

Los factores ms influyentes enla dinmica del sistema se obser-van en la Figura 20. El primeroest relacionado con la contami-nacin derivada del uso decombustibles fsiles, a su vez aso-ciada a las polticas energticas quedeterminen la sustitucin de ga-solina por bioetanol, obteniendouna mezcla cada vez mayor hastaun 20-80% respectivamente parael ao 2012. Influye aqu la de-manda de combustible por partede los vehculos.



El segundo factor es el relacionado con la cantidad demandada de alimentos paraconsumo humano, esto se refleja en las polticas de seguridad alimentaria, aquellas enca-minadas a no poner en riesgo la disponibilidad de alimentos humanos en Colombia.

El tercer factor est relacionado con estmulos econmicos, en el que es relevante laintencin de los productores para la utilizacin del suelo en produccin de materiasprimas para agrocombustibles y no para alimentos.

El diagrama causal presentado en la Ilustracin 1, muestra el comportamiento de lasprincipales variables relacionadas en el modelo y la interaccin entre ellas (el diagramafue obtenido utilizando la herramienta de modelado y simulacin IThink).

El Ciclo de Demanda de Combustible se ve afectado por el incremento de la Deman-da del Parque Automotor que a su vez est determinado por el nivel de ingresos, elaumento de la poblacin y su relacin directa con el Empleo.

La oferta de Gasolina est limitada a causa de la escasez de reservas de petrleo, incideel incremento de los precios y la estimulacin del gobierno por la produccin ycomercializacin de biocombustibles con el fin de asegurar el abastecimiento energticoy la promocin de energas amigables con el medio ambiente.

La Demanda de Etanol y Produccin de Etanol relacionadas con la actual capacidadproductiva con base en las plantas productoras que se encuentran a lo largo del territoriocolombiano y los proyectos que estn en curso permiten determinar si esta capacidad essuficiente para cubrir la demanda de combustible o la necesidad de crear e implementarnuevos proyectos, con el fin de aumentar la produccin de bioetanol en el pas.

La produccin de Panela, No. Hectreas para Caa Panelera, las Hectreas Disponi-bles para Agricultura forman diversos ciclos de retroalimentacin positiva.

A medida que el consumo de panela se incremente y los precios sean benficos para elproductor se garantiza que el uso del suelo (Ha. Disponibles para agricultura) sea para lademanda de alimentos; pero si los ingresos para el productor son ms altos al utilizar latierra (uso agropecuario) en cultivos para la produccin de bioetanol se ver afectada laseguridad alimentaria. Se contempla el efecto generado por disminucin de la poblacina causa del aumento de las enfermedades por desnutricin y si las Polticas y Leyesalimentarias son limitadas, el incremento de las muertes; por ende la incidencia en lamortandad de la poblacin y la afectacin directa.

4. Conclusiones

Es evidente que el rea de sembrada para caa panelera en el pas no se ha incrementado,ms bien se ha mejorado el rendimiento por hectrea. No obstante los pronsticosobtenidos por dos tcnicas diferentes evidencian el futuro crecimiento de la produccinde caa panelera, y por ende el incremento de demanda de suelo.

Por otra parte, los precios de la panela se han incrementado al parecer por consecuenciade la produccin de bioetanol, el crecimiento del precio del petrleo, azcar y la aparicinde nuevos proyectos de produccin de agrocombustibles con caa materia prima.




A lo anterior se une la problemtica de la sostenibilidad de produccin de panela, cuyosfactores relevantes de anlisis seran la contaminacin, seguridad alimentaria y uso del suelo.Como conclusin final, se recomienda realizar un modelo basado en dinmica de sistemas,para proyectar el comportamiento a 30 o 50 aos, frente al uso de la tierra y la seguridadalimentaria, as como la sostenibilidad en la produccin de panela, donde se incluyan losfactores identificados como influyentes en el modelo causal presentado en este estudio.

Ilu

str

ac

in

1.

Dia

gra

ma

Ca

usa

l d

in

mic

a b

ioe

tan

ol

a b

ase

de

Ca

a

Pa

ne

lera

.


5. Referencias Bibliogrficas[1] Worlwatch Institute. (2006). Biefuels for transportation: Global potencial and implications for sustainable agricultur and energy

in 21st century. Consultado: www.wordwatch.org/node/4078. (5 de enero, 2011).

[2] Altieri, Miguel y Bravo, Elizabeth. (2007). La tragedia social y ecolgica de la produccin de agrocombustibles en el continenteamericano. Consultado: www.foodfirst.org/files/altieri-Bravo_biocombustibles-ES.doc. (8 de junio, 2007).

[3] Trade, climate change and energy, ICTSD. (2006). Jonson, F.,et al. Bio-ethanol from sugarcane and sweet sorghum in southermAfrica: agroindustrial development, import substitution and export deversification. Consultado: www.trade-enverotment.org/output/resource/energy_issuebriefs.pdf. (6 de junio, 2006).

[4] CEPAL. (2007). Biocombustibles y su impacto potencial en la estructura agraria, presiones y empleo en Amrica latina. Seriede desarrollo productivo. Consultado: www.eclac.org/cgibin/geetProd.asp?xml+/publicaciones/xml5. (8 de junio, 2007).

[5] Agrocombustibles (2007). Honty, G. y Gudinas. E. Agrocombustibles y desarrollo sostenible en el Caribe. Observatorio dedesarrollo. Consultado: www.agrocombustibles.org/conceptos/agrocombustiblesclaesodeldo7.pdf. (8 de junio, 2007).

[6] Rodrguez, I., Orjuela, J. (2010). Panorama de las Polticas y leyes del gobierno frente a la produccin de alimentos agropecuariosy de produccin de agrocombustibles. Estudios en derecho y gobierno, Vol. 2. No 2. Universidad Catlica de Colombia. 84-98.

[[7] Secretara del Senado, Repblica de Colombia. (2011). Leyes desde 1992 - Vigencia expresa y Sentencias de Constitucionalidad.(ISSN 1657-6241). Consultado: http://www.secretariasenado.gov.co. (1 de febrero, 2011).

[8] Food and Agriculture Organization of the United Nations, FAO. (1996). Cumbre Mundial de Alimentos, proyecto de declaraciny plan de accin, 13-17 de noviembre de 1996 Roma, Italia. Consultado: http://www.fao.org/docrep/X2051s/X2051s00.htm#P304_35899. (2 de febrero, 2011).

[9] Machado, A. C. (2003). Ensayos sobre seguridad alimentaria. Universidad Nacional de Colombia, Red de desarrollo rural yseguridad alimentaria.

[10] Braun, J. (2007). Food-Security Risks Must Be Comprehensively Addressed 2008-2009 Annual Report. Instituto Internacionalde Investigacin sobre Polticas Alimentarias.

[11] Food and Agriculture Organization of the United Nations, FAO. (2008). El estado mundial de la agricultura y la alimentacin.Biocombustibles, perspectivas, riesgos y oportunidades. Consultado: http://www.fao.org/publications/sofa-2008/es/. (2 defebrero, 2011).

[12] Food and Agriculture Organization of the United Nations, FAO. (2008). The State of Food and Agriculture 2008 Biofuels: prospects,risks and opportunities. Rome 7 October 2008.

[13] Mosquera, M. P. Artculo (2008). Empresa y Energas Renovables. Fundacin Confemetal.

[14] Ojeda, Y. (2009). Seminario taller Biocombustibles. Congreso Biodiesel-Bioetanol. Universidad Nacional de Colombia. Ponen-cia: Panorama de las tecnologas para la produccin de Biodiesel.

[15] Federacin Nacional de Biocombustibles de Colombia. (2011). Brasil, Argentina y Colombia lideran produccin debiocombustibles en la regin, segn estudio de CEPAL. Consultado: http://www.fedebiocombustibles.com. (2 de febrero,2011).

[16] Federacin Nacional de Biocombustibles de Colombia. (2010). El ABC de los Alcoholes Carburantes. Consultado: http://www.fedebiocombustibles.com. (10 de febrero, 2010).

[17] Food and Agriculture Organization of the United Nations FAO. (2011). Consultado: http://faostat.fao.org/site/612/default.aspx#ancor. (15 de enero, 2011).

[18] Ministerio de Agricultura y Desarrollo Rural, Repblica de Colombia. (2011). Agronet. Consuntado: http://www.agronet.gov.co/agronetweb/AnalisisEstadisticas/tabid/73/Default.aspx. (15 de enero, 2011).

[19] Departamento Nacional de Planeacin, Repblica de Colombia. (2011). Consultado: http://www.dnp.gov.co/. (15 de enero,2011).

[20] Ministerio de Agricultura y Desarrollo Rural, Repblica de Colombia. (2008). Centro regional de estudios econmicosBucaramanga. Documento de trabajo El cultivo de la caa panelera y la agroindustria panelera en el departamento de Santander.Consultado: http://www.minagricultura.gov.co/02componentes/05biocombustible.aspx (n.d.).

[21] Food and Agriculture Organization of the United Nations, FAO COLOMBIA. (2011). Castello, L. FAO COLOMBIA 2008. Consul-tado: http://coin.fao.org/cms/world/colombia/es/PaginaInicial.html (2 de mayo, 2011).

[22] Ministerio de Agricultura y Desarrollo Rural, Repblica de Colombia. (2011). Polticas y Programas Misionales Empresarizacinde Actividades Agropecuarias. Consultado: http://www.minagricultura.gov.co/02componentes/05biocombustible.aspx. (n.d.).

[23] Federacin Nacional de Biocombustibles FEDEBIOCOMBUSTIBLES. (2011). Plantas productoras de Etanol en funcionamiento.Consutado: http://www.fedebiocombustibles.com/v2/nota-web-id-270.htm. (2 de mayo, 2011).

[24] Federacin Nacional de Biocombustibles FEDEBIOCOMBUSTIBLES. (2011). Plantas productoras de Etanol - Proyectos. Con-sultado: http://www.fedebiocombustibles.com/v2/proyecto-web-id-18.htm. (2 de mayo, 2011).

[25] CORPOICA. (2007). Estrategia de desarrollo de biocombustiles: Implicaciones para el sector agropecuario. Consultado:http://www.corpoica.org.co/SitioWeb/Convenio/Documentos/EstrategiaDesarrolloBiocombustiblesColombia.pdf. (2 de noviem-bre, 2010).

[26] SUGARINFO. (2011). Sugaronline Prices page. Consultado: http://www.sugarinfo.co.uk/home/website_contents/prices/ (05/2011).

[27] Federacin Nacional de Productores de Panela FEDEPANELA (2011). Precios Promedios Histrticos al Productor. Consultado:http://www.fedepanela.org.co/images/prechist.jpg (5 de mayo, 2011).

[28] Orjuela, J. A., Chavarra, I. A., y Caldern, M. E., (2010). Caracterizacin de la cadena de abastecimiento de panela para laprovincia del Bajo Magdalena Cundinamarca. Artculo en publicacin. Revista Cientfica, CIDC Universidad Distrital, 2011.




[29] Banco de la Repblica, Colombia. (2008). Centro regional de estudios econmicos Bucaramanga. Consultado: http://www.banrep.gov.co/documentos/publicaciones/pdf/sant_1.pdf (n.d.)

[30] La Cadena Agroindustrial de la Panela en Colombia. (n.d.) Buenas Prcticas Agrcolas (BPA) y Buenas Prcticas de Manufac-tura (BPM) en la produccin de caa y panela. Documento de trabajo N. 103. Consultado: ftp://ftp.fao.org/docrep/fao/010/a1525s/a1525s07.pdf. (n.d.).

[31] Kuo, Ch. R., (1995). Artificial Neural networks vs. conventional methods of forecasting. The Journal of Business ForecastingMethods & Systems. Winter 1995/1996. 14, 4; 1

[32] McMenamin, J. S . (1997). A primer on neural networks for forecasting. The Journal of Business Forecasting Methods & Systems.Fall 1997; 16, 3. 17.

[33] Rummelhart, D. E., Widrow, B., y Lehr, M. A. (1994). The basic ideas in neural networks. EEUU, Association for ComputingMachinery. Communications of the ACM.. Mar 1994; 37, 3. 86.

[34] Figueroa G., J.C. (2007). A comparison of ANFIS, ANN and DBR systems on volatile time series identification. Proceedings ofNAFIPS , IEEE. Conferences. 319 - 324.

[35] Figueroa G., J.C. (2009). An Interval Type-2 TSK Fuzzy Logic System for Volatile Time Series Identification. Proceedings of theSMC, IEEE. Conferences. 666 - 671.

[36] Figueroa G., J.C. (2010). A Neuro-Evolutive Interval Type-2 TSK Fuzzy System for Volatile Weather Forecasting. Lecture Notesin Computer Science, Vol. 6216.

[37] Franco, C., Flrez, A., y Ochoa, M. (2008). Anlisis de la cadena de suministros de biocombustibles en Colombia. En: Revistade Dinmica de Sistemas Vol. 4, No. 2. 109 - 133.

Javier A. Orjuela C.Ingeniero de Alimentos, Ingeniero Industrial de la Universidad Distrital Francisco Jos de Caldas, Bogot, Colombia. Maestra enInvestigacin de Operaciones y Estadstica en la Universidad Tecnolgica de Pereira, Colombia. Se desempeo como Subdirector

de Abastecimiento Alimentario en la Secretaria de Desarrollo Econmico en los aos 2007-2008. Lidero proyectos relacionados

con el Plan Maestro de Abastecimiento y Seguridad Alimentaria en Bogot Colombia, Se desempea como Docente en el rea de

logstica Universidad Distrital FJC desde 1997, en la Universidad Catlica como Docente en el rea de Investigacin de Operacio-nes y Produccin desde 1999 y en otras universidades colombianas en nivel de posgrados en las rea de Logstica, Produccin

y gestin de Proyectos en Bogot y Colombia. Lder del Grupo de Investigacin en gestin industrial GEGI que realiza estudios sobre

modelos de gestin industrial y sectorial. Lder del Grupo de Investigacin en Logstica, Trazabilidad y Cadenas de Abastecimiento.

Isaac Huertas F.Estadstico de la Universidad Nacional, Bogot, Colombia. Maestra en Investigacin de Operaciones y Estadstica en la Universidad

Tecnolgica de Pereira, Colombia. Se desempeo como Gerente de operaciones Banco de Colombia por ms de 10 aos. Se

desempea como Docente en la Universidad Catlica en el rea de Investigacin de Operaciones y Estadstica por ms de 25 aosy en otras universidades colombianas a nivel de pregrados en las reas de Investigacin de Operaciones y Estadstica. Investigador

en el Grupo de Investigacin en gestin industrial GEGI, que realiza estudios sobre modelos de gestin industrial y sectorial.

Juan C. FigueroaIngeniero Industrial de la Universidad Distrital Francisco Jos de Caldas, Bogot, Colombia. Maestra en Ingeniera Industrial de la

Universidad Distrital Francisco Jos de Caldas, Bogot. Se desempea como Docente en el rea de Investigacin de Operaciones

Universidad Distrital FJC desde 2006. Investigador del Grupo de Investigacin en Produccin GIP e investigador del grupo deinvestigacin en Modelos Matemticos aplicados a la Industria MMAI, que realizan estudios sobre produccin.

Dusko KalenaticIngeniero diplomado en organizacin del trabajo Universidad de Belgrado Servia. Obtuvo su doctorado en Ciencias Tcnicas en

la Universidad Central de las Villas, Cuba. Se desempea como Docente en el rea de Investigacin de Operaciones UniversidadCatlica por ms de 20 aos. Lder e investigador del Grupo de Investigacin en Produccin GIP, e investigador en el grupo de

Sistemas Logsticos, que realiza estudios sobre produccin y logstica.

Katherine CadenaIngeniera Industrial de la Universidad Catlica Colombia. Se desempea como supervisora de produccin en la Campia, Bogot,

Colombia. Es Investigador del Grupo de Investigacin en gestin industrial GEGI que realiza estudios sobre modelos de gestin

industrial y sectorial.

capacidad de producción de bioetanol

Documents