Universidad de La Salle Universidad de La Salle

Ciencia Unisalle Ciencia Unisalle

Ingeniería Industrial Facultad de Ingeniería

1-1-2016

Propuesta de mejoramiento de las mermas logísticas en la Propuesta de mejoramiento de las mermas logísticas en la

cadena de suministro frutícola en el contexto ciudad-región cadena de suministro frutícola en el contexto ciudad-región

(Bogotá, Cundinamarca) empleando cadenas de Markov: caso (Bogotá, Cundinamarca) empleando cadenas de Markov: caso

mora mora

Juan Manuel Bautista Correa Universidad de La Salle, Bogotá

Jorge Andrés Porras Manrique Universidad de La Salle, Bogotá

Follow this and additional works at: https://ciencia.lasalle.edu.co/ing_industrial

Citación recomendada Citación recomendada Bautista Correa, J. M., & Porras Manrique, J. A. (2016). Propuesta de mejoramiento de las mermas logísticas en la cadena de suministro frutícola en el contexto ciudad-región (Bogotá, Cundinamarca) empleando cadenas de Markov: caso mora. Retrieved from https://ciencia.lasalle.edu.co/ing_industrial/12

This Trabajo de grado - Pregrado is brought to you for free and open access by the Facultad de Ingeniería at Ciencia Unisalle. It has been accepted for inclusion in Ingeniería Industrial by an authorized administrator of Ciencia Unisalle. For more information, please contact ciencia@lasalle.edu.co.

PROPUESTA DE MEJORAMIENTO DE LAS MERMAS LOGÍSTICAS EN LA CADENA DE SUMINISTRO FRUTÍCOLA EN EL CONTEXTO CIUDAD-REGIÓN (BOGOTÁ,

CUNDINAMARCA) EMPLEANDO CADENAS DE MARKOV: CASO MORA.

AUTORES JUAN MANUEL BAUTISTA CORREA

JORGE ANDRÉS PORRAS MANRIQUE

UNIVERSIDAD DE LA SALLE FACULTAD DE INGENIERÍA

PROGRAMA DE INGENIERÍA INDUSTRIAL Bogotá, D.C.

2016

PROPUESTA DE MEJORAMIENTO DE LAS MERMAS LOGÍSTICAS EN LA CADENA DE SUMINISTRO FRUTÍCOLA EN EL CONTEXTO CIUDAD-REGIÓN (BOGOTÁ,

CUNDINAMARCA) EMPLEANDO CADENAS DE MARKOV: CASO MORA.

Propuesta de grado como prerrequisito para optar al título de ingeniero industrial de la Universidad de La Salle

AUTORES JUAN MANUEL BAUTISTA CORREA

JORGE ANDRÉS PORRAS MANRIQUE

DIRECTOR M.Sc. Ing. ÓSCAR MAYORGA TORRES

UNIVERSIDAD DE LA SALLE FACULTAD DE INGENIERÍA

PROGRAMA DE INGENIERÍA INDUSTRIAL Bogotá, D.C.

2016

1

NOTA DE ACEPTACIÓN

_____________________________________ _____________________________________ _____________________________________ _____________________________________ _____________________________________ _____________________________________

_____________________________________ Firma del Director

_____________________________________ Firma Jurado 1

_____________________________________ Firma Jurado 2

Bogotá, D.C. Noviembre de 2016

2

DEDICATORIA En el transcurso de la vida se desarrollan ciclos que poco a

poco se van culminando, es por eso que hoy se cierra uno los ciclos de mayor relevancia en mi vida y se crea otro que con gran entusiasmo y sentimiento por el oficio elegido, lleva a esforzarme hasta ver reflejados mis logros día a día. Este ciclo o proceso Universitario ha enriquecido mi vida, desde una base de valores y conocimientos como parte del inicio de uno de los más largos caminos que se deben recorrer en la vida y es por eso que hoy brindo cada esfuerzo entregado a quienes siempre han estado conmigo en esta etapa.

Cada paso que se presentó para llegar a este punto no fue

siempre fácil y es por eso que el haberme permitido culminar este ciclo, haberme dado salud y la compañía de todos quienes me apoyaron en la búsqueda de mis objetivos, además de su infinita bondad y amor, A Dios gracias.

Mis constantes ausencias frente a ese eterno amor brindado en

cada paso que doy, asimismo los grandes ejemplos de perseverancia y constancia, junto con sus palabras de apoyo, sabios consejos y valores me han permitido ser una persona de bien, A mis padres todo mi amor y gratitud.

Esa permanente compañía, además de las experiencias vividas

y anécdotas contadas, las cuales ocupan un gran lugar de mi corazón, dan paso para que este orgulloso de lo que es y lo que día a día construye, A mi hermano y mejor amigo infinitas gracias.

El recuerdo de esa persona que siempre estaba alegre, que

siempre me demostró su amor con grandes actos para mí y mi familia, quien dejó un gran legado y en su memoria, A Epifanía.

A pesar de la distancia, siempre su apoyo incondicional y sus

consejos formaron parte para cada una de las fases de esta etapa, por su paciencia y siempre estar allí, A Marcela Gracias.

Jorge

3

DEDICATORIA

A Dios, por darme vida, salud y sabiduría para llevar a buen término este Trabajo de Grado. A mi Mamá, por el amor y el sacrificio que ha hecho por mí, para que pudiera estudiar una carrera profesional. A mis dos Hermanos y a mi Papá, por todo el apoyo y cada uno de sus consejos en mi etapa de Pregrado. A mi novia Valeria, por todo su amor incondicional y por caca una de las veces que me tendió su mano para ayudarme. A mis tías Leonarda y Yaneth, que siempre estuvieron pendientes de mí y que nunca dudaron en apoyarme en todos los momentos de dificultad. Finalmente a toda la Familia Correa Gómez por todo el ejemplo y los valores inculcados, los cuales me permitieron tomar decisiones importantes en etapas cruciales de mi vida.

Juan

4

AGRADECIMIENTOS Inicialmente a la Universidad de La Salle y a nuestro director el Ingeniero Oscar Mayorga Torres, por brindarnos todas las herramientas de apoyo en este proyecto. Al Ingeniero Carlos Escobar, funcionario del Ministerio de Agricultura y Desarrollo Rural, quien nos orientó en cada una de las fases del proyecto y nos recomendó frente a los líderes de la región donde se desarrolló el proyecto. Finalmente al señor Rigoberto Morales, a la Junta Directiva de la Asociación FRUSAN y a cada uno de los Productores de mora e Intermediarios del Municipio de San Bernardo (Cundinamarca), quienes confiaron en nosotros y estuvieron dispuestos a participar en el desarrollo de nuestro trabajo de investigación.

Los Autores, 2016.

5

TABLA DE CONTENIDO

Pág.

NOTA DE ACEPTACIÓN ........................................................................................... 1

DEDICATORIA ............................................................................................................ 2

DEDICATORIA ............................................................................................................ 3

AGRADECIMIENTOS ................................................................................................. 4

TABLA DE CONTENIDO ............................................................................................ 5

TABLA DE IMÁGENES .............................................................................................. 7

TABLA DE CUADROS ............................................................................................... 8

TABLA DE GRÁFICAS ............................................................................................ 10

TABLA DE ECUACIONES ....................................................................................... 11

TABLA DE ANEXOS ................................................................................................ 12

RESUMEN ................................................................................................................. 13

ABSTRACT ............................................................................................................... 14

CAPITULO I: GENERALIDADES ............................................................................ 15

1.1. Introducción .......................................................................................................... 15

1.2. Antecedentes ........................................................................................................ 16 1.2.1. Cadena de Suministro ......................................................................................................... 16 1.2.2. Cadenas de Markov y Proceso Estocástico ..................................................................... 18

1.3. Planteamiento del Problema ............................................................................... 21 1.3.1. Descripción ............................................................................................................................ 21 1.3.2. Formulación .......................................................................................................................... 23 1.3.3. Delimitación ........................................................................................................................... 23

1.4. Objetivos y Justificación ..................................................................................... 23 1.4.1. Objetivo General ................................................................................................................... 24 1.4.2. Objetivo Específicos ............................................................................................................ 24 1.4.3. Justificación ........................................................................................................................... 24

1.5. Metodología .......................................................................................................... 29

CAPITULO II: MARCO REFERENCIAL .................................................................. 31

2.1. Marco Teórico ....................................................................................................... 31 2.1.1. Modelo de Red Logística .................................................................................................... 31 2.1.2. Actividad logística basada en Alimentos Perecederos (sector frutícola) ..................... 33 2.1.3. Mermas logísticas en Alimentos Perecederos ................................................................. 35 2.1.4. Proceso Estocástico y Modelo de Markov ........................................................................ 36

2.2. Marco Conceptual ................................................................................................ 39 2.2.1. Merma .................................................................................................................................... 39 2.2.2. Logística ................................................................................................................................ 40 2.2.3. Cadena de Suministro ......................................................................................................... 40

6

2.2.4. Gestión de la Cadena de Suministro ................................................................................. 41 2.2.5. Cadena Agroindustrial ......................................................................................................... 41 2.2.6. Proceso de Markov .............................................................................................................. 41 2.2.7. Modelo Matemático .............................................................................................................. 42 2.2.8. Plataforma Monomodal ....................................................................................................... 42 2.2.9. Mora ....................................................................................................................................... 43 2.2.10. Marco Legal .......................................................................................................................... 43

CAPITULO III: DESARROLLO DE LA INVESTIGACIÓN ...................................... 44

3.1. Cadenas productivas agrícolas en Colombia ................................................... 44 3.1.1. Cadena Hortofrutícola.......................................................................................................... 48 3.1.2. Cadena productiva de la Mora. .......................................................................................... 54

3.2. Cadena productiva de Mora en Cundinamarca ................................................ 69 3.2.1. Producción de Mora en San Bernardo .............................................................................. 82

3.2.1.1. Preparación del material vegetal ............................................................................... 89 3.2.1.2. Preparación del terreno .............................................................................................. 90 3.2.1.3. Siembra ......................................................................................................................... 91 3.2.1.4. Manejo y sostenimiento del cultivo ........................................................................... 91 3.2.1.5. Cosecha ...................................................................................................................... 100 3.2.1.6. Post Cosecha ............................................................................................................. 101

3.2.2. Comercialización y distribución ........................................................................................ 103 3.2.2.1. Transporte .................................................................................................................. 103 3.2.2.2. Industria de transformación...................................................................................... 105 3.2.2.3. La Central de Abasto de Bogotá (CORABASTOS) .............................................. 106

3.3. Cadenas de Markov ............................................................................................ 109 3.3.1. Identificación y clasificación de los estados de transformación de la cadena .......... 112

3.3.1.1. Descripción de la población ..................................................................................... 112 3.3.1.2. Calculo de la muestra ............................................................................................... 114 3.3.1.3. Toma de datos ........................................................................................................... 115 3.3.1.4. Codificación y análisis de los datos ........................................................................ 116 3.3.1.5. Estadística de los datos ............................................................................................ 121 3.3.1.6. Prueba de aleatoriedad de datos ............................................................................ 124 3.3.1.7. Clasificación de Estados .......................................................................................... 125 3.3.1.8. Grafo de la Cadena ................................................................................................... 127

3.3.2. Probabilidades de transición de un estado a otro dentro de la cadena ..................... 129 3.3.3. Análisis de resultados ........................................................................................................ 132 3.3.4. Costos de la operación de la cadena .............................................................................. 134

3.4. Modelo Matemático ............................................................................................ 137 3.4.1. Parámetros de entrada al modelo propuesto ................................................................. 138 3.4.2. Validación del Modelo........................................................................................................ 142 3.4.3. Análisis de sensibilidad ..................................................................................................... 144

3.4.3.1. Modelo con disminución del 5% de la merma por actor en la región ................ 145 3.4.3.2. Modelo con aumento del 5% de la merma por actor en la región ...................... 148 3.4.3.3. Modelo con disminución del 5% de la merma en la cadena ............................... 151

CAPITULO IV: CONCLUSIONES Y RECOMENDACIONES ............................... 156

REFERENCIAS ....................................................................................................... 163

ANEXOS .................................................................................................................. 171

7

TABLA DE IMÁGENES

Pág. Ilustración 1 Merma real operativa obtenida frente a la tolerada en ventas. ......................................... 27 Ilustración 2 Merma real operativa en ventas por sección. ...................................................................... 28 Ilustración 3 Impacto de la merma. .............................................................................................................. 28 Ilustración 4 Consumo de fruta en Bogotá D,C. en 2005. ........................................................................ 29 Ilustración 5 Cadena Proveedor- Empresa - Consumidor........................................................................ 32 Ilustración 6 Efecto látigo de la demanda de los consumidores, con respecto al numero de productos.

........................................................................................................................................................................... 32 Ilustración 7 Organigrama típico de una organización de cadena. ......................................................... 46 Ilustración 8 Configuración genérica de la Cadena Hortofrutícola. ........................................................ 50 Ilustración 9 Canales de Comercialización de Mora. ................................................................................ 55 Ilustración 10 Actores de la cadena de Mora. ............................................................................................ 59 Ilustración 11 Caracterización de las zonas de producción a nivel nacional. ....................................... 64 Ilustración 12 Cultivo de mora en hectáreas por rangos en el departamento de Cundinamarca. ..... 80 Ilustración 13 Camas de germinación. ........................................................................................................ 89 Ilustración 14 Caja de comercialización de plántulas de mora. .............................................................. 90 Ilustración 15 Espaldera en doble T. ........................................................................................................... 92 Ilustración 16 Botrytis o pudrición del fruto o moho gris (Botrytis cinérea) ............................................ 95 Ilustración 17 Mildeo velloso o peronospora (peronospora sparsa Berk) .............................................. 96 Ilustración 18 Antracnosis del fruto, muerte descendente, secadera o palo negro (Colletotrichum

gloesporioides) ................................................................................................................................................ 96 Ilustración 19 Barrenador de tallos y ramas (Hepialus sp) ...................................................................... 97 Ilustración 20 Burrita de la virgen o picudo de la Mora (Compsus sp) ................................................... 98 Ilustración 21 Perla de tierra (Eurhizococcus colombianus) .................................................................... 98 Ilustración 22 Barrenador del cuello de la planta (Zascelis sp) ............................................................... 99 Ilustración 23 Mosca de la fruta (Anastrepha sp) ...................................................................................... 99 Ilustración 24 Centro de Acopio de mora de FRUSAN. ......................................................................... 102 Ilustración 25 Tipo de empaque para la recolección de Mora en FRUSAN. ....................................... 102 Ilustración 26 Canasta de mora para la comercialización. ..................................................................... 103 Ilustración 27 Diagrama general de CORABASTOS. ............................................................................. 106 Ilustración 28 Matriz de probabilidad de transición P ............................................................................. 109 Ilustración 29 Diagrama de la Cadena de Markov .................................................................................. 110 Ilustración 30 División por sub-matrices de una matriz de probabilidades con estados absorbentes

......................................................................................................................................................................... 111 Ilustración 31 Sustracción e inversa de matriz (I-O) ............................................................................... 111 Ilustración 32 Probabilidades de absorción por cualquier estado absorbente .................................... 112 Ilustración 33 División Política Municipio de San Bernardo (Cundinamarca) ..................................... 117 Ilustración 34 Resultado prueba de rachas SPSS .................................................................................. 124 Ilustración 35 Grafico prueba de rachas SPSS ....................................................................................... 125 Ilustración 36 Grafo de la cadena .............................................................................................................. 128

8

TABLA DE CUADROS

Pág. Tabla 1 Fases para la realización de la metodología. .............................................................................. 30 Tabla 2 Mesas temáticas regionales. .......................................................................................................... 56 Tabla 3 Mesas temáticas nacionales. ......................................................................................................... 57 Tabla 4 Área, Producción y Rendimiento de la Mora en Colombia. ....................................................... 61 Tabla 5 Área, Producción y Rendimiento de la Mora por Departamentos en los años 2014 – 2015.

........................................................................................................................................................................... 62 Tabla 6 Calendario de cosechas para el cultivo de Mora en el país. ..................................................... 63 Tabla 7 Balanza comercial para el mercado de la Mora en Colombia. .................................................. 65 Tabla 8 Exportación de Mora en Colombia. ............................................................................................... 65 Tabla 9 Importaciones de Mora en Colombia. ........................................................................................... 66 Tabla 10 Precios del mercado de la Mora entre los años 2012 - 2015.................................................. 66 Tabla 11 Costos de producción anual entre los años 2012 - 2015. ....................................................... 66 Tabla 12 Costos de producción en cultivo de Mora para una actividad de 2 años. ............................. 67 Tabla 13 Empleos directos e indirectos de cultivo de Mora en Colombia. ............................................ 67 Tabla 14 Programas de apoyo para la cadena de Mora. ......................................................................... 68 Tabla 15 Créditos Agropecuarios para productores de Mora. ................................................................. 68 Tabla 16 Alianzas productivas apoyadas en la cadena de Mora. ........................................................... 68 Tabla 17 Balance tecnológico de competitividad para perfiles industriales de Mora en Cundinamarca.

........................................................................................................................................................................... 70 Tabla 18 Indicadores propuestos para la cadena de la mora en Cundinamarca. ................................ 74 Tabla 19 Identificación de brechas tecnológicas en la cadena de Mora de Cundinamarca. .............. 76 Tabla 20 Caracterización tecnológica de la Mora. .................................................................................... 78 Tabla 21 Área sembrada, área cosechada, producción y rendimiento de la Mora en Colombia. ..... 79 Tabla 22 Área sembrada, área cosechada, producción y rendimiento de la Mora en Cundinamarca.

........................................................................................................................................................................... 79 Tabla 23 Población de la Provincia de Sumapaz. ..................................................................................... 83 Tabla 24 Calendario de desarrollo de la planta vegetal. .......................................................................... 91 Tabla 25 Propiedades de los suelos según su pH. ................................................................................... 93 Tabla 26 Plan de fertilización para el cultivo de Mora por planta. .......................................................... 94 Tabla 27 Precio promedio de fertilizantes en San Bernardo. .................................................................. 94 Tabla 28 Estados de maduración de la Mora. ......................................................................................... 101 Tabla 29 Sistema de rutas de recolección de frutas de FRUSAN en el municipio de San Bernardo.

......................................................................................................................................................................... 104 Tabla 30 Precio promedio de venta de mora a la industria junto con respectivas cantidades en

FRUSAN. ....................................................................................................................................................... 105 Tabla 31 Horario de ingreso de camiones por tipo de alimento transportado. ................................... 107 Tabla 32 Ficha Técnica de la mora para recepción en la Industria de Transformación de Alimentos

......................................................................................................................................................................... 114 Tabla 33 Valores de k y sus niveles de confianza .................................................................................. 115 Tabla 34 Codificación veredal Asociación FRUSAN............................................................................... 116 Tabla 35 Clasificación del Índice de Precipitación Estandarizado ........................................................ 117 Tabla 36 Clasificación del clima por meses del año 2015 ..................................................................... 118 Tabla 37 Promedió de merma por grupo veredal en San Bernardo (Cundinamarca) ....................... 118 Tabla 38 Temporadas del cultivo de mora en Cundinamarca por semana para el año 2015 .......... 119

9

Tabla 39 Cantidades transportadas, mermas y devoluciones presentadas por los intermediarios

independientes .............................................................................................................................................. 119 Tabla 40 Resumen de ventas socios FRUSAN año 2015 (Kg) ............................................................. 120 Tabla 41 Cantidades transportadas, mermas y devoluciones presentadas por la asociación FRUSAN

......................................................................................................................................................................... 120 Tabla 42 Mermas presentadas dependiendo del tipo de tiempo en cada grupo veredal .................. 123 Tabla 43 Clasificación de los estados de la cadena ............................................................................... 126 Tabla 44 Sub-matriz de probabilidad N ..................................................................................................... 129 Tabla 45 Matriz de resultado (I-N) ............................................................................................................. 130 Tabla 46 Matriz inversa de (I-N) ................................................................................................................. 131 Tabla 47 Sub-matriz de probabilidad A ..................................................................................................... 131 Tabla 48 Matriz de probabilidad de absorción por cualquier estado absorbente ............................... 131 Tabla 49 Número de pasos antes de que el proceso sea absorbido ................................................... 132 Tabla 50 Costos de intermediación por destino ...................................................................................... 134 Tabla 51 Costos que se generan en cada uno de los estados de la Cadena ..................................... 136 Tabla 52 Convenciones asociadas a los actores .................................................................................... 138 Tabla 53 P1(i,j) Probabilidad de mutación del Grupo Veredal (i) al Intermediario (j) ......................... 139 Tabla 54 P2(j,k) Probabilidad de mutación del Intermediario (j) al Mayorista no Absorbente (k) .... 139 Tabla 55 P3(j,a) Probabilidad de mutación del Intermediario (j) al Absorbente (a) ............................ 139 Tabla 56 P4(i,a) Probabilidad de mutación del Grupo Veredal (i) al Absorbente (a) ......................... 139 Tabla 57 P5(k,j) Probabilidad de Devolución del Mayorista (k) al Intermediario (j) ............................ 140 Tabla 58 C1(j,k) Costo de transportar desde el Intermediario (j) al Mayorista (k) .............................. 140 Tabla 59 C2(j,a) Costo por kilo absorbido del Intermediario (j) al Estado (a) ..................................... 140 Tabla 60 CP(i) Kilos de mora producidas por el Grupo Veredal (i) ...................................................... 140 Tabla 61 Probabilidades de envió desde los grupos veredales a los intermediarios en modelo de

disminución de la merma en 5% ................................................................................................................ 145 Tabla 62 Probabilidades de envió de los intermediarios a los mayoristas con disminución de 5% de

merma. ........................................................................................................................................................... 145 Tabla 63 Probabilidades de envió desde los grupos veredales a los intermediarios en modelo de

aumento de la merma en 5% ...................................................................................................................... 148 Tabla 64 Probabilidades de envió de los intermediarios a los mayoristas con aumento de 5% de

merma. ........................................................................................................................................................... 149 Tabla 65 Probabilidades de envió desde los grupos veredales a los intermediarios en modelo de

disminución de la merma total en 5% ....................................................................................................... 152 Tabla 66 Probabilidades de envió de los intermediarios a los mayoristas con disminución de 5% del

total de la merma. ......................................................................................................................................... 152

10

TABLA DE GRÁFICAS

Pág.

Gráfica 1 Desperdicios a nivel mundial de alimentos en caso específico. ............................................ 24 Gráfica 2 Porcentaje aportado por América Latina y el Caribe en desperdicios de productos

perecederos. ................................................................................................................................................... 25 Gráfica 3 Porcentaje de hogares tienen inseguridad alimentaria en Colombia. ................................... 26 Gráfica 4 Porcentaje de toneladas desperdiciadas en CORABASTOS S.A. al día. ............................ 26 Gráfica 5 Distribución de los clientes finales de la cadena de suministro en el sector frutícola. ....... 34 Gráfica 6 Valor agregado del PIB por actividad económica a precios corriente................................... 44 Gráfica 7 Mercado laboral según ramas de actividad año 2014. ............................................................ 45 Gráfica 8 Área, Producción y Rendimiento de la Mora en Colombia. .................................................... 61 Gráfica 9 Área, Producción y Rendimiento de la Mora por Departamentos en 2014. ......................... 62 Gráfica 10 Área, Producción y Rendimiento de la Mora por Departamentos en 2015. ....................... 62 Gráfica 11 Demanda industrial de frutas frescas en Cundinamarca. ..................................................... 70 Gráfica 12 Precio de Mora en Cundinamarca en el 2014. ....................................................................... 81 Gráfica 13 Área de Desarrollo Rural de Sumapaz. ................................................................................... 84 Gráfica 14 Cultivos semestrales Áreas de Desarrollo Rural de Sumapaz 2014. ................................. 85 Gráfica 15 Cultivos semipermanentes Áreas de Desarrollo Rural de Sumapaz 2014. ....................... 86 Gráfica 16 Cultivos Permanentes Áreas de Desarrollo Rural de Sumapaz 2014. ............................... 86 Gráfica 17 Promedio de precios durante los años 2012 a 2015. .......................................................... 108 Gráfica 18 Comportamiento de precios durante los doce meses del año 2015. ................................ 108 Gráfica 19 Porcentaje de productores independientes y asociados a FRUSAN ................................ 121 Gráfica 20 Porcentaje de intermediarios encuestados ........................................................................... 121 Gráfica 21 Cantidades de libras recibidas y comercializadas mensualmente por la asociación

FRUSAN en el 2015 ..................................................................................................................................... 122 Gráfica 22 Porcentaje de envió del producto desde los intermediarios hasta los mayoristas .......... 123 Gráfica 23 Porcentaje de costos por actividad de cada actor ............................................................... 136 Gráfica 24 Porcentajes de participación en la producción de mora por grupos veredales ............... 142 Gráfica 25 Porcentaje de participación total de los intermediarios ....................................................... 143 Gráfica 26 Porcentaje de participación de los Mayoristas ..................................................................... 143 Gráfica 27 Cantidades de mermas por tipo de actor .............................................................................. 144 Gráfica 28 Resultado final del producto .................................................................................................... 144 Gráfica 29 Porcentajes de participación en la producción de mora por grupos veredales con

disminución de merma en 5% .................................................................................................................... 146 Gráfica 30 Porcentaje de participación total de los intermediarios para modelo de reducción del 5%

de la merma. ................................................................................................................................................. 146 Gráfica 31 Cantidades de mermas por tipo de actor en modelo de disminución de la merma en 5%

......................................................................................................................................................................... 147 Gráfica 32 Resultado final del producto para modelo de disminución del 5% .................................... 147 Gráfica 33 Costos por eslabón de la cadena en el caso de reduccion del 5% de la merma. ........... 148 Gráfica 34 Porcentajes de participación en la producción de mora por grupos veredales con aumento

de merma en 5% .......................................................................................................................................... 149 Gráfica 35 Porcentaje de participación total de los intermediarios para modelo de aumento del 5%

de la merma. ................................................................................................................................................. 150 Gráfica 36 Cantidades de mermas por tipo de actor en modelo de aumento de la merma en 5% . 150 Gráfica 37 Resultado final del producto para modelo de aumento del 5% ......................................... 151 Gráfica 38 Costos por eslabón de la cadena en el caso de incremento del 5% de la merma. ........ 151

11

Gráfica 39 Porcentajes de participación en la producción de mora por grupos veredales con

disminución total de la merma en 5% ....................................................................................................... 153 Gráfica 40 Porcentaje de participación total de los intermediarios para modelo de reducción del 5%

sobre el total de la merma........................................................................................................................... 153 Gráfica 41 Cantidades de mermas por tipo de actor en modelo de disminución de la merma total en

5% ................................................................................................................................................................... 154 Gráfica 42 Resultado final del producto para modelo de disminución del 5% del total de las perdidad

......................................................................................................................................................................... 154 Gráfica 43 Costos por eslabón de la cadena en el caso de disminuir el 5% del total de la merma.

......................................................................................................................................................................... 155

TABLA DE ECUACIONES

Pág.

Ecuación 1 Costos directos esperados en la Acción A del Estado X. .................................................... 37 Ecuación 2 Diferencia del stock teórico y el stock físico de las mercaderías que comercializan. ..... 39 Ecuación 3 Propiedad Markoviana ............................................................................................................ 109 Ecuación 4 Condición Markoviana para sumatoria de filas ................................................................... 109 Ecuación 5 Calculo del tamaño de la muestra ......................................................................................... 114 Ecuación 6 Calculo del tamaño de la muestra ......................................................................................... 115 Ecuación 7 Cálculo de matriz inversa por determinantes ...................................................................... 130 Ecuación 8 Costo promedio de producción de mora por grupos veredales ........................................ 134 Ecuación 9 Costo promedio de comercialización de mora por intermediarios ................................... 135 Ecuación 10 Costo promedio de devolución asumido por los intermediarios ..................................... 135

12

TABLA DE ANEXOS

Pág.

Anexo I Resumen de las técnicas, el flujo de la actividad, y la medición de la red logística ............ 171 Anexo II Ficha técnica de la Mora (Rubus Glaucus Benth) .................................................................. 172 Anexo III Porcentaje (%) de hectáreas diversificadas en el departamento de Cundinamarca ......... 174 Anexo IV Porcentaje (%) de avance para construcción de estructura de costos e ingresos para Mora

......................................................................................................................................................................... 175 Anexo V Porcentaje (%) de variación de las pérdidas de Mora durante la producción ..................... 176 Anexo VI Porcentaje (%) de apoyo para proyectos de asistencia, técnica y transferencia de

tecnología para cultivo de Mora ................................................................................................................. 177 Anexo VII Porcentaje (%) de eslabones informados y articulados con los instrumentos de apoyo del

MADR ............................................................................................................................................................. 178 Anexo VIII Porcentaje (%) de ejecución de estudio de mercados de Mora ........................................ 179 Anexo IX Porcentaje (%) de acuerdos comerciales de los agentes de la cadena ............................. 180 Anexo X Porcentaje (%) de eslabones informados de los precios de Mora en las diferentes plazas

de mercado .................................................................................................................................................... 181 Anexo XI Porcentaje (%) de eslabones informados y conectados con aliados comerciales ............ 182 Anexo XII Porcentaje (%) de asistencia de los actores convocados por el MADR ............................ 183 Anexo XIII Porcentaje (%) de cumplimiento del protocolo de la Mora ................................................. 184 Anexo XIV Porcentaje (%) de variación del PIB del sector .................................................................... 185 Anexo XV Porcentaje (%) de zonas parceladas para mapa agrícola de Mora ................................... 186 Anexo XVI Porcentaje (%) de personas vinculadas a la cadena capacitada ...................................... 187 Anexo XVII Porcentaje (%) de gestión para Agenda de Ciencia y Tecnología .................................. 188 Anexo XVIII Porcentaje (%) de proyectos apoyados para Investigación ............................................. 189 Anexo XIX Porcentaje (%) de avance para Plan de Acción 2016 ........................................................ 190 Anexo XX Diagrama de Operaciones de Producción de Mora en San Bernardo (Cundinamarca) . 191 Anexo XXI Cuestionario dirigido a cada uno de los productores asociados a FRUSAN .................. 194 Anexo XXII Cuestionario dirigido a los productores independientes de mora del municipio de San

Bernardo ........................................................................................................................................................ 195 Anexo XXIII Cuestionario dirigido a los distribuidores independientes de mora del municipio de San

Bernardo ........................................................................................................................................................ 196 Anexo XXIV Cuestionario dirigido a los distribuidores de FRUSAN del municipio de San Bernardo

......................................................................................................................................................................... 197 Anexo XXV Resultados para encuestas de productores independientes y FRUSAN ....................... 198 Anexo XXVI Resultados para encuestas de intermediarios independientes y FRUSAN .................. 201 Anexo XXVII Matriz de ingreso de datos a SPSS ................................................................................... 202 Anexo XXVIII Matriz inicial de cantidades de la cadena agroindustrial de la mora en San Bernardo

(Cundinamarca) ............................................................................................................................................ 204 Anexo XXIX Matriz de probabilidades de transición ............................................................................... 205 Anexo XXX Resultado del Modelo Actual ................................................................................................. 206 Anexo XXXI Resultado del Modelo con disminución de la merma en 5% ........................................... 207 Anexo XXXII Resultado del Modelo con aumento de la merma en 5% ............................................... 208 Anexo XXXIII Resultado del Modelo con disminución total de la merma en 5% ................................ 209 Anexo XXXIV Carta de aprobación por parte del ingeniero Carlos Escobar (MADR) ....................... 210 Anexo XXXV Carta de aceptación y participación en el proyecto por parte de FRUSAN................. 212

13

RESUMEN

Las mermas logísticas de los alimentos son un fenómeno socio-económico que afecta a todos los seres humanos, puesto que la disponibilidad de los mismos no es la suficiente para toda la población y el desperdicio de los recursos que se utilizaron en la producción de los mismos, afecta los ingresos de cada uno de los actores involucrados, en especial de los productores agrícolas que son una población vulnerable en Colombia. Esta situación es aún más evidente con los alimentos altamente perecederos, dado que el manejo y cuidado requiere de un conocimiento detallado de cada una de las actividades de producción y comercialización, junto con una infraestructura que permita la conservación de los alimentos hasta el consumidor final.

Con este panorama se buscó establecer cuál sería el tipo de alimento más propenso a

dañarse o a perderse por sus características y a su vez por su alta demanda, con el fin de desarrollar una propuesta de investigación pertinente y de alto impacto. La mora cuenta con esas particularidades y en especial en el contexto Bogotá-Cundinamarca, ya que es una región líder en la producción y consumo de cada una de las formas de presentación de la fruta. Teniendo en cuenta que el producto pasa a través de muchos actores antes de llegar al consumidor final, se observa un modelo de negocio tipo cadena el cual se debe analizar bajo un enfoque de principio a fin.

El objetivo de este proyecto de investigación es analizar el comportamiento de la Cadena

Agroindustrial de la Mora y en especial el de las mermas logísticas, tomando como referencia el Municipio de mayor producción del país que es San Bernardo (Cundinamarca), lo que finalmente conllevará al desarrollo de una propuesta que permita disminuir el desperdicio de la fruta. Como herramienta de apoyo se utilizarán las cadenas de Markov, que estudian una serie de eventos independientes, los cuales presentan una probabilidad de ocurrencia a lo largo de un periodo de tiempo y se asocian a cada uno de los eslabones que conforman la cadena analizada (Universidad Nacional Autonoma de Mexico, 2016).

Con base al propósito general se caracterizará y configurará el estado actual de la

cadena, que servirá de insumo para llevar a cabo el cálculo de las probabilidades de mutación de la mora en cada uno de los estados y en particular el de pérdidas durante el año 2015. Por medio de estas probabilidades se podrá inducir el comportamiento y evolución del producto a lo largo de la cadena a través de un modelo matemático, que se validará a través de herramientas de comparación de ingeniería. Palabras Clave: Desperdicio de alimentos, Mermas Logísticas, Cadena Agroindustrial, Cadenas de Markov, Modelamiento Matemático.

14

ABSTRACT

Logistic food wastes are a socio-economic phenomenon that affects all human beings, because the availability of them is not enough for all the people and the waste of the resources that they had used in the production of them, affects the income of each of the actors involved, especially the agricultural producers who are a vulnerable population in Colombia. This situation is even more evident with highly perishable foods, since the management and care requires a detailed knowledge of each activity of the production and marketing, along with an infrastructure that allows the conservation of food to the final consumer. This scenario wants to establish what would be the type of food most likely to be damaged or lost by its characteristics and in turn by its high demand, in order to develop a relevant research proposal and high impact. The blackberry has these peculiarities and especially in the Bogota-Cundinamarca context, since it is a region leader in the production and consumption of each one of the forms of presentation of the fruit. Taking into account that the product passes through many actors before reaching the end consumer, there is a model chain business, which must be analyzed under a focus from beginning to end. The objective of this research project is to analyze the behavior of the Agroindustrial Chain of the blackberry and especially the logistic loss, taking as reference the Municipality of greater production of the country that is San Bernardo (Cundinamarca), which will finally lead to the Development of a proposal that allows to reduce the waste of the fruit. Markov chains, which study a series of independent events, which have a probability of occurrence over a period and are associated to each of the links that make up the analyzed chain (Universidad Nacional de Colombia, 2016). Based on the general purpose, the current state of the chain will be characterized and configured, which will serve as input to carry out the calculation of the probability of mutation of the blackberry in each of the states and in particular the loss in the year 2015. Through these probabilities, it is possible to induce the behavior and evolution of the product along the chain through a mathematical model, which will be validated through engineering comparison tools. Keywords: Food waste, Logistics sludge, Agroindustrial Chain, Markov Chains,

Mathematical Modeling.

15

CAPITULO I: GENERALIDADES

1.1. Introducción

Las mermas logísticas agroindustriales hacen referencia a la perdida y desperdicio de alimentos, durante las diferentes etapas de la cadena de suministro, antes de llegar al consumidor final, lo cual obedece a problemas de recolección, almacenamiento, embalaje, transporte, infraestructura, mecanismos de mercado o a los precios. Según la FAO cada año hay una pérdida de un tercio de todos los alimentos que se producen en el mundo, en una época en donde casi mil millones de personas pasan hambre. Este hecho no solo representa una disminución de la disponibilidad de los alimentos, también genera desperdicio de la mano de obra, agua, energía, tierra y los insumos utilizados (Organización de las Naciones Unidas para la Alimentación y la Agricultura - FAO, 2016).

Los alimentos que más se exponen a este fenómeno son aquellos que tienen un grado

alto de perecibilidad, como lo son las carnes, frutas, verduras, hortalizas y legumbres. Este tipo de alimentos son básicos en la dieta de cualquier ser humano, lo que obliga a los mercados a preservar su calidad, inocuidad y asegurar su disponibilidad, con el fin de obtener una plena satisfacción del cliente. Teniendo en cuenta que el funcionamiento de las cadenas de suministro debe ser al costo mínimo, la búsqueda de mejores relaciones para la producción, distribución y almacenamiento, están presionando a los actores de las cadenas para que modifiquen los antiguos modelos de operación (Jiménez & Hernández, 2002).

A nivel mundial existe una tendencia de mayor consumo de frutas originado por la

preocupación de consumir una dieta más equilibrada, reducida en carbohidratos y grasas y con altas porciones de fibra, vitaminas y minerales. En el caso particular de la ciudad de Bogotá hay tres frutas que son las más elegidas para el consumo, las cuales son el Banano la Guayaba y la mora (Galindo, 2015). De este grupo, la mora, es la que más tiene riesgo de dañarse o perderse durante su producción y comercialización, ya que su contenido de humedad supera el 90% (Universidad Nacional de Colombia, 2016).

La producción de mora a nivel nacional es liderada por el Departamento de

Cundinamarca con 26.438 toneladas comercializadas durante el año 2015, superando a Departamentos que son influyentes en la Agroindustria Colombiana como lo es Santander y Antioquia. Esta cifra es la más alta del país gracias a que dentro de Cundinamarca se encuentra el municipio con mayor área cosechada del fruto que es San Bernardo (1.013 ha), el cual posee una reserva hídrica importante (Rio Negro, Rio pilar y Quebrada la Chorrera) que lo ha convirtiéndolo como la despensa agrícola del departamento.

16

El municipio de San Bernardo tiene un total de 304 explotaciones agrícolas de mora con un promedio de rendimiento de nueve (9) toneladas por hectárea, las cuales se encuentran dispersas por sus veintitrés (23) veredas. Este rendimiento no es el más alto y tiene una amplia brecha con otros municipios del país, lo cual responde a un porcentaje considerable de mermas logísticas debido a el desconocimiento de las actividades productivas ideales, falta de infraestructura vial, baja oferta de servicios de transporte de alimentos y ausencia de apoyo institucional en cuanto capacitación, asistencia técnica y financiera.

El objetivo principal de este trabajo de investigación es desarrollar una propuesta que

permita disminuir el desperdicio de la mora, en las fases de producción y comercialización de la cadena Agroindustrial de la Mora del Municipio de San Bernardo (Cundinamarca). La primera fase de desarrollo es un diagnóstico de la cadena, identificando condiciones, factores, recursos, tecnologías, actores e indicadores. La segunda fase es un análisis de las probabilidades de mutación de la fruta a lo largo de la cadena, durante el año 2015, utilizando cadenas absorbentes de Markov. Finalmente, por medio del anterior estudio se desarrollará un modelo matemático, en el cual se valide el escenario actual de la cadena para predecir su comportamiento y evolución, y se sensibilice con el fin de proponer un estado con condiciones ideales de funcionamiento. 1.2. Antecedentes

Para los antecedentes del proyecto se realizó una revisión del estado del arte del tema en estudio, realizados por instituciones de educación e investigación. Dentro de los cuales están trabajos de grado, trabajos de postgrado, resultados de investigaciones institucionales, ponencias, conferencias, congresos y revistas especializadas. Estos se presentan en orden secuencial, sintetizando la situación problema, metodología utilizada y resultados obtenidos. 1.2.1. Cadena de Suministro

Las organizaciones de alguna u otra manera están en una mejora constante de todos sus procesos, por ejemplo, algunas de ellas han utilizado la calidad para la disminución de costos a medida que se hacen mejor las cosas, también se ha utilizado la reingeniería de procesos de negocio en donde el tamaño de las operaciones se disminuyó eliminando las etapas del negocio que no agregan valor. Luego de aplicar estas metodologías las compañías descubrieron que dentro de los modelos de negocio existía una cadena con un enfoque de principio a fin, en donde podían unirse esfuerzos de cada uno de los actores, con el fin de obtener una mejor satisfacción del cliente. Posterior a esto se descubrió que el conocimiento juega un papel crucial en el desarrollo de ideas innovadoras y es por eso que para estar a la vanguardia en la gestión de la cadena de suministro se deben emplear las nuevas tecnologías digitales como software, middleware y aplicaciones de procesos de negocios que ofrezcan una gran ventaja (Peña & Solís, 2006).

A parir de la evolución de la logística nace la cadena de suministro en la cual se denota

la gestión de integrar las relaciones entre clientes y proveedores para satisfacer la demanda de los consumidores finales. Gestión de la Cadena de Abastecimiento o SCM por sus siglas en inglés, Supply Chain Management, es un proceso mediante el cual se pretende una reducción significativa de costos, permitiendo a las compañías un mejor nivel de

17

competitividad, enfatizando en la interacción de las actividades logísticas con áreas como marketing, ventas y producción propias de la empresa y entre actores externos. Por lo tanto la cadena de suministro es la aplicación de la logística bajo la estrategia de trabajo en equipo de cada uno de los participantes, en donde se busca lograr entregarle al consumidor un valor mucho más alto de su percepción con respecto al producto o servicio que espera (Chicas & Guzmán, 2012).

La combinación de la complejidad de la cadena de suministro y las condiciones del

mercado pone aún más presión sobre fabricantes para proporcionar la cantidad adecuada de productos, en el momento correcto, por el precio más bajo posible. En la actualidad ha habido muchas inconsistencias de inventario dentro de las compañías como resultado de la incapacidad de los sistemas ERP para predecir adecuadamente la demanda y evitar la acumulación de inventario. Además, la mayoría de las organizaciones ahora externalizan la fabricación de componentes por medio de la contratación de terceros, lo que dificulta aún más la gestión de la cadena de suministro (The New Logistics Management Paradigm, 2001).

La economía global ha cambiado drásticamente el papel de las operaciones de

transporte, como resultado, los departamentos de gestión logística deben tratar de realizar milagros de transporte, día a día, con el fin de cumplir con las metas monumentales que se les presentan. A pesar de que profesionales del transporte pueden satisfacer la mayoría de estas demandas, los costos son demasiado altos y cada unidad monetaria gastada en este punto produce una disminución de la rentabilidad neta. Esto se convierte en una preocupación aún mayor si lo que fue despachado fue enviado de manera incorrecta y tiene que ser devuelto o desviar de forma distinta (The New Logistics Management Paradigm, 2001).

La alineación de los diferentes participantes involucrado en la cadena de suministro debe

hacerse por medio de una Planificación Colaborativa, ya que debe hacerse un trabajo coordinado para cumplir con las exigencias de un mercado mucho más competitivo. Esta planificación se puede clasificar en dos tipos, dependiendo la situación relativa de las entidades que se coordinan dentro de la red, primero está la coordinación vertical o jerárquica y la coordinación horizontal (Pascual, 2007).

La coordinación jerárquica obliga a que se tomen decisiones en un nivel superior común

entregando acciones sincronizadas a los niveles más bajos desde un mando centralizado. La coordinación horizontal, en cambio, implica que se lleguen a acuerdos de objetivos, indicadores y reglas de igualdad entre los implicados de la cadena (Pascual, 2007). Los esfuerzos de colaboración giran en torno a establecer mejores condiciones de involucramiento entre los miembros, coordinar las decisiones, mejorar las prácticas justo a tiempo, diseñar y desarrollar productos innovadores, intercambiar información relacionada con pronósticos de demanda, niveles de inventarios, tiempos de entregas, formular colectivamente estrategias y objetivos que afecten positivamente en la planeación y programación de la producción, abastecimiento, capacidad, niveles de inventarios, alta calidad de los productos, tiempo más cortos de entrega de los productos, entre otros aspectos (Montoya & Ortiz, 2011).

18

1.2.2. Cadenas de Markov y Proceso Estocástico

Por parte de la investigación de operaciones se sabe que esta se ocupa de la solución de problemas relacionados con la conducción y coordinación de las operaciones o actividades dentro de un sistema (Hiller & Lieberman, 2010). De modo que las cadenas de Markov manifiestan un tipo de proceso estocástico en el que la sucesión de variables aleatorias que lo definen, unidas mediante la llamada dependencia markoviana, determinan la ubicación de un sistema en el tiempo, teniendo en cuenta su posición previa. De cara a destacar las bondades de este planteamiento frente a los modelos de corte causal en estudios de mermas logísticas, la discusión sobre el grado de definición causal o incluso sobre la existencia o no de definición causal que despliega el fenómeno que se está analizando es un aspecto de suma importancia (Hierro & Guijarro, 2007).

Para el análisis de la fiabilidad de las cadenas de suministro, ha habido un renovado

interés en la cadena de Markov por sus propiedades atractivas durante los últimos años. Sin embargo, está lejos de generalización en cuanto a la formulación de un modelo para las cadenas de Markov de primer orden. Como se evidencia desde el punto de vista del proceso de servicio de distribución, se propone un método basado en la cadena de Markov de orden superior para el análisis de la fiabilidad de las cadenas de suministro, del mismo modo, se presenta un método analítico para la determinación de la fiabilidad de las cadenas de suministro para sistemas de logística. Al introducir el modelo, la fiabilidad de los estudios en las cadenas de suministro, sugiere un método de evaluación, y se obtiene los indicadores de fiabilidad del servicio de distribución (Jia & Cui, 2008).

Desde el punto de vista del proceso de servicio de distribución, se propone un método

basado en la cadena de Markov de orden superior para el análisis de la fiabilidad de las cadenas de suministro. Un modelo 𝐾 − 𝑜𝑢𝑡 − 𝑜𝑓 − 𝑛: 𝐹 se construye con el fin de analizar la cadena de suministro en términos de algunas experiencias y el modelo descrito en el documento ofrece una situación para evaluar la eficacia de una cadena de suministro. La importancia de los índices de fiabilidad es obtenida cuando el centro de distribución funciona de manera constante. Los resultados de este estudio son de gran valor en el desarrollo de planes en una cadena de suministro. La extensión se puede realizar teniendo en cuenta otros sistemas, tales como el sistema de serie-paralelo y sistemas de red (Jia & Cui, 2008).

Desde el punto del proceso de servicio de distribución, se propone un método basado

en la cadena de Markov para el análisis de la fiabilidad de la cadena de suministro. En este trabajo se presenta un método analítico para la determinación de la fiabilidad de las cadenas de suministro para sistemas de logística. Al introducir el modelo 𝐾 − 𝑜𝑢𝑡 − 𝑜𝑓 − 𝑛: 𝐺 muestra la fiabilidad con base en los estudios de la cadena de suministro, sugiriendo un método de evaluación, para obtener de este modo la fiabilidad de servicio de distribución cuando el centro de distribución funciona de manera constante. Estos indicadores tienen un significado práctico y significativo para evaluar el desempeño la fiabilidad del sistema de cadena de suministro y también se pueden utilizar para mejorar la gestión de la fiabilidad (Liu, Li, & Jia, 2008).

Se construye el modelo para la cadena de suministro en términos de algunas

experiencias prácticas y el modelo descrito ofrece una situación para evaluar la eficacia de una cadena de suministro. Al introducir el modelo 𝑘 − 𝑜𝑢𝑡 − 𝑜𝑓 − 𝑛: 𝐺 la fiabilidad en los

19

estudios de la cadena de suministro, sugiere el método basado en la cadena de Markov. La importancia de los índices de fiabilidad tales como la probabilidad de fallo del sistema de cadena de suministro, la media de tiempo hasta el fallo, la función de la fiabilidad, la probabilidad constante del estado y así sucesivamente son obtenidos cuando el centro de distribución opera de manera constante. Los resultados de este estudio son de gran valor y tienen un significado importante para el desarrollo de planes en una cadena de suministro. Pueden ser utilizados en la evaluación y medición del desempeño de la cadena de suministro y pueden proporcionar ayuda y orientación significativa (Liu, Li, & Jia, 2008).

Por parte del estudio sobre la cadena de suministro en el mercado de productos con

base en la cadena de Markov, se muestran las principales y básicas características de las cadenas de Markov y el método de análisis de pronostico estadístico de los fenómenos aleatorios que fueron introducidos, mostrando así, el estudio del pronóstico de mercado en los productos “S” antes del establecimiento de la cadena de suministro, y un pronóstico del modelo de Markov acerca de la tasa de ocupación de mercado basado en el proceso estocástico de la tasa de ocupación de venta en el mercado, y, finalmente, el modelo fue aplicado a un caso (Luo & Zhao, 2010).

De este documento se establece un modelo de pronóstico para la cadena de Markov en

la comercialización de productos y presenta un análisis de ejemplo de tasa de ventas en el mercado de los cuatro tipos de productos en las operaciones de la cadena de suministro y crea un índice de distribución de ventas cuando el sistema permanece constante. El análisis indica que la tasa de ventas de un determinado producto es alta, no significa que una mayor tasa de crecimiento vaya a durar ya que también depende de las preferencias personales de los clientes. En un período relativamente corto, se puede considerar que la probabilidad de desplazamiento no cambia. Por lo que se puede hacer previsiones del mercado a corto plazo o mediano plazo basado en el modelo propuesto, proporcionando un soporte de referencia para la evaluación del valor de mercado de los productos de las empresas (Luo & Zhao, 2010).

Existe una larga lista de factores que generan incertidumbre cuando una cadena de

suministro es de ciclo cerrado. Al interior de la cadena de suministro de ciclo cerrado, como se puede observar de acuerdo con el proceso hacia adelante y hacia atrás están marcados Markov y la estabilidad de la cadena de suministro de ciclo cerrado, dado el cálculo de la probabilidad de transición entre los diferentes modos, podemos obtener la probabilidad en el estado límite, es decir, la probabilidad de selección a largo plazo en que cada modo cooperan y podemos obtener el modo de cooperación estable a largo plazo en la cadena de suministro de ciclo cerrado (Xiangzhou, Xinwei, & Yun, 2010).

Por un lado, este artículo analiza el proceso de transferencia entre sus propios miembros

y los miembros del proceso luego comparar estas dos conclusiones. Así obtenemos la estabilidad relativa de modo de funcionamiento interno. Por otra parte, en este trabajo, se cambia el modo de la cadena global de suministro de ciclo cerrado, mientras hacemos un modo a largo plazo de funcionamiento de bucle cerrado estable. Por lo que puede ofrecer la referencia científica para el desarrollo futuro de las empresas. Sin embargo, en este documento se asume que este proceso cumple con la ergodicidad, si bien puede haber más estados que no se pueden estudiar muy bien, se pasa al futuro (Xiangzhou, Xinwei, & Yun, 2010).

20

Esta investigación analiza la expansión suburbana en el área metropolitana de Teherán, Irán. Un modelo híbrido que consiste en el modelo de regresión logística, cadena de Markov, y los autómatas celulares con el fin de mejorar el rendimiento del modelo de regresión logística estándar. Las variables ambientales y socioeconómicas relacionadas con la expansión urbana, se operacionalizan para crear una superficie de probabilidad de estados de espacios-temporales sobre el uso de la tierra urbanizada para los años 2006, 2016 y 2026. Para la validación, el modelo se evaluó por medio de los valores de las características operativas relativas para diferentes conjuntos de variables.

El método fue calibrado para el año 2006 para comparar los mapas reales y los

simulados sobre el uso del suelo. Los resultados obtenidos representan una participación del 89% entre los mapas simulados y los reales de 2006, que fue satisfactoria para aprobar el proceso de calibración. Por último, los futuros mapas de uso del suelo para 2016 y 2026 se predijeron por medio de este enfoque híbrido. Los mapas simulados ilustran una nueva ola de desarrollo suburbano en el entorno de Teherán en la frontera occidental de la metrópoli durante las próximas décadas (Arsanjani, Helbich, Kainz, & Boloorani, 2013).

Sin embargo, a pesar de las ventajas de este enfoque, la investigación ha puesto de

manifiesto también las considerables limitaciones del enfoque. Aunque el método puede incorporar diversas fuerzas motrices, que no incorporan ciertas limitaciones en los modelos paralelos, como la no factorización del comportamiento de los individuos, las preferencias personales y las acciones gubernamentales en las conversiones de uso de la tierra, que realiza el modelado basado en agentes. Ninguno de los dos modelos de regresión logística simple ni modelos de regresión logística híbridos considera todos los factores relacionados con el individuo. Por lo tanto, algunos autores toman las variables relacionadas con el ser humano en consideración de manera más eficaz y, en consecuencia, los resultados disímiles es casi seguro que se produzca (Arsanjani, Helbich, Kainz, & Boloorani, 2013).

Dado el caso del modelo de cadena de Markov en tiempo continúo evaluado para una

cadena de tres actores, con oferta y demanda estocástica y su plazo de ejecución, muestra la explicación de un modelo de cadena de suministro de tres actores, que considera el centro de suministro, fabricante y distribución. Los centros de suministro frente a la

demanda muestran un comportamiento Poisson con una tasa de 𝜆𝑑 y los fabricantes despachan sus pedidos con tiempo de espera estocástica con distribución exponencial con

la tasa de 𝜇𝑑. Un proveedor de materias primas, para el fabricante cuenta con un tiempo de espera

estocástico, siguiendo una distribución exponencial con una tasa 𝛾𝑠. Suponiendo pérdidas de ventas en los puntos centros de distribución, una evaluación del tiempo continuo mediante el modelo de las cadenas de Markov establece una evaluación de los índices de actuación del modelo. Los resultados muestran que el propósito del modelo puede evaluar los índices de actuación de la cadena de suministro de manera determinante y precisa sobre la política óptima de inventario. Sin embargo, el establecimiento de una metodología de superficie de respuesta puede estimar un beneficio neto del sistema (Razmi, Moghadam, & Jolai, 2015).

A partir de la generación de un modelo de evaluación que puede evaluar el valor

esperado de las actuaciones. Como parte de una futura investigación considerando una futura simulación para evaluar los índices de actuación y comparando los resultados con el enfoque Markov. Del mismo modo, meta-heurísticas pueden ser desarrolladas para la

21

optimización del propósito del modelo, sin dejar a un lado el nivel de servicio al cliente y estrategias como los precios; siendo estas buenas áreas para una futura investigación. Mas, sin embargo, la investigación de la cadena de suministro con más actores, nodos, rutas y además de la logística inversa y modelos de cadena de suministro cerrados pueden ser considerados como posibles áreas para una futura investigación (Razmi, Moghadam, & Jolai, 2015). 1.3. Planteamiento del Problema

En esta sección se presenta la situación clara y concisa para describir los fenómenos

que el abordara el proyecto. De este modo se dividió en descripción del problema, formulación del problema y en ultimo la delimitación del problema, que contiene tres áreas como lo son la temática, espacial y cronológica.

1.3.1. Descripción

En América Latina los alimentos son desperdiciados en el transcurso de toda la cadena de suministro, desde la producción hasta el consumidor; los eslabones de la cadena en donde se pierden más alimentos son el consumidor con un 28%, la producción con un 28%, manejo y almacenamiento 22% y mercado y distribución 17% (Organización de las Naciones Unidas para la Alimentación y la Agricultura - FAO, 2014).

En la producción de alimentos se pierden alimentos debido a una prematura recolección,

los agricultores de escasos recursos realizan la recolección de sus siembras de manera anticipada debido a la inseguridad alimentaria o la necesidad de adquirir ingresos para el sostenimiento de sus cultivos y familia. Dado a la rápida cosecha de los alimentos, estos pierden características nutricionales y son inadecuados para el consumo humano. Asimismo, otro factor influyente es la sobre producción de alimentos; lo cual depende de las variables no controlables que se presentan al momento de tener el cultivo (Plagas, clima, etc.), asegurando así, la venta de grandes cantidades acordadas para suplir la falta de cosecha en épocas de baja producción (Gustavsson, Cederberg, & Sonesson, 2012).

En cuanto al eslabón de mercado y distribución se evidencia una muy baja capacidad

instalada en los centros mayoristas que aseguren condiciones apropiadas a la venta de alimentos. Derivado a esto los mercados minoristas y mayoristas de países en desarrollo son insalubres, abarrotados y carecen de aparatos de refrigeración. Los altos estándares para la recepción de alimentos en los supermercados impiden el ingreso de alimentos con características de baja calidad y no deseables por parte del consumidor, demostrando que un factor de éxito clave es la calidad de la conservación de los alimentos en la cadena de suministro (Gustavsson, Cederberg, & Sonesson, 2012).

Para este caso se hallan diferentes procesos de manejo en cadenas de suministro,

mostrando la mejora en procesos de la cadena de suministro en diferentes sectores, en caso de un Análisis de un sistema de inventario con tres estados de deterioración: En este artículo se presenta la evaluación continua de un sistema de inventario de alimentos perecederos con una política de reposición instantánea, asumiendo tres estados para los productos, bueno, regular y dañado y una demanda que se comporta bajo una distribución Poisson. Los resultados obtenidos son medidas de desempeño para un sistema

22

estacionario, la tasa global del mantenimiento y la optimización del nivel máximo de inventario (Sobha, Thangavelu, Elango, & Anbazhagan, 2012).

De otro lado la se halla la Caracterización de la cadena de abastecimiento de Panela

para la provincia de Bajo Magdalena; donde se aborda de manera general los aspectos más relevantes de la cadena productiva de la panela y el dimensionamiento del mercado del municipio. El proyecto arroja dos principales resultados; el primero es la posibilidad de réplica de la metodología de estudio en otro tipo de cadenas productivas y el comportamiento de los eslabones producción-transformación, comercialización, transporte y punto de venta (Orjuela & Chavarrio, Caracterizacion de la Cadena de Abastecimiento de Panela, 2011).

Por otro lado se observa una investigación en el sector frutícola denominada “Logística

en la cadena de frutas”, proyecto comprendió tres fases de desarrollo; en la primera se seleccionaron los productos a estudiar (Aguacate, Banano, Coco, Guayaba, Limón, Mango, Manzana, Maracuyá, Mora, Naranja, Papaya, Patilla, Pera, Piña, Tomate de Árbol) a través de la metodología AHP y se recopilo información primaria y secundaria, en la segunda se identificaron los procesos, recursos logísticos, seleccionaron 185 variables de estudio en los tres niveles organizacionales (estratégico, táctico, operacional) y se aplicaron encuestas como herramienta de investigación para el levantamiento de información y ya en la última fase se caracterizó la cadena de abastecimiento de frutas en Colombia. Como resultado principal se identificaron las variables sobre las cuales se debe prestar especial atención y que permitieron generar propuestas encaminadas a mejorar los indicadores logísticos en la cadena en general (Orjuela, Castañeda, Canal, & Rivera, 2013).

No obstante, se realiza una revisión al Modelo matemático estocástico para el problema

de ruteo de vehículos en la recolección de productos perecederos, donde se observa que el propósito del trabajo es presentar una alternativa de recogida del sector floricultor, mediante un modelo que refleja el comportamiento estocástico en el suministro de las flores, requeridas por las empresas productoras de ramos. El resultado final del modelo incluyo el diseño de rutas, asignación de camiones a rutas, simulación de Montecarlo y un modelo de regresión para la obtención de la ecuación del costo total del sistema y el punto óptimo de reabastecimiento (Gonzales, Adarme, & Orjuela, 2015).

En último se muestra el trabajo titulado “Perspectiva de trazabilidad en la cadena de

suministros de frutas, un enfoque desde la dinámica de sistemas” que desarrolla un modelo causal de desarrollo en dos niveles, uno general basado en el comportamiento dinámico en la cadena de suministro de frutas y otro específico para la implementación de tecnologías de trazabilidad en la cadena. Dinámica de sistemas, implican la inclusión del efecto de la implementación de tecnología de trazabilidad en la cadena de suministro de frutas y sus relaciones con la capacidad de inversión y la calidad de un producto (Herrera & Orjuela, 2014).

23

1.3.2. Formulación

En la actualidad la cadena de suministro de alimentos perecederos en Colombia tiene niveles significativos de mermas logísticas, especialmente en el sector frutícola, para lo cual se plantea:

¿Cómo tratar mediante un Modelo Matemático el mejoramiento de las Mermas

Logísticas en la Cadena de Suministro de Productos Perecederos Empleando Cadenas de Markov en el contexto Ciudad-Región (Bogotá, Cundinamarca): Caso Sector Frutícola – Mora?

A partir de la pregunta de investigación se formula la siguiente hipótesis: ¿Es posible reducir en un 5% las Mermas Logísticas de la Cadena Agroindustrial de la

Mora en el contexto Ciudad-Región (Bogotá-Cundinamarca) a partir de la propuesta? 1.3.3. Delimitación a. Temática: En el planteamiento y desarrollo del problema se aplicarán conocimientos,

herramientas y técnicas relacionadas con la Ingeniería Industrial abordadas en los espacios académicos como: Logística, Investigación de Operaciones, Simulación Avanzada de Procesos, Gestión de Proyectos e Indicadores de Gestión como apoyo para la investigación.

b. Espacial: El proyecto se pretende desarrollar en todos los actores definidos en la cadena agroindustrial de la fruta mora (Rubus Fruticosus), con el fin de recolectar información para desarrollar el modelo matemático y proponer acciones para el Mejoramiento de las Mermas Logísticas en la Cadena de Suministro de Productos Perecederos Empleando Cadenas de Markov: Caso Sector Frutícola – Mora, en el municipio de San Bernardo, Cundinamarca, dado que es el mayor productor en la región y Bogotá el mayor distribuidor.

c. Cronológica: En relación con la presente investigación se consideran seis meses de ejecución y un mes de holgura para ajustes y correcciones de la metodología, teniendo en cuenta que la ejecución del proyecto inicia en el mes de junio y termina el mes de noviembre, en caso de haber holgura el proyecto terminara en diciembre.

1.4. Objetivos y Justificación

Se define el objetivo general y los objetivos específicos, con el fin de delimitar el alcance

del proyecto de investigación, indicando el propósito del proyecto y centrando unas metas específicas, las cuales están encaminadas en determinar las causas y consecuencias del fenómeno analizado y en el desarrollo de una propuesta que las minimice su alcance. Mediante la justificación se soportará la pertinencia y la importancia que implica el desarrollo del proyecto de investigación.

24

1.4.1. Objetivo General

Proponer un Modelo Matemático de las Mermas Logísticas en la Cadena de Suministro de Productos Perecederos Empleando Cadenas de Markov que permita reducir las pérdidas de la cadena de suministro en el contexto Bogotá – Cundinamarca, Caso Sector Frutícola – Mora. 1.4.2. Objetivo Específicos Caracterizar la cadena agroindustrial de suministro de la mora identificando condiciones,

factores, recursos, tecnologías, actores e indicadores mediante la implementación de herramientas cualitativas y cuantitativas de la ingeniería.

Desarrollar un modelo matemático que permita cuantificar las variables y las mermas logísticas asociadas a la cadena agroindustrial de la mora empleando Cadenas de Markov.

Validar el modelo matemático a través de la utilización de herramientas cuantitativas de Ingeniería buscando predecir el comportamiento y evolución de la cadena de suministro de la mora.

1.4.3. Justificación

A nivel mundial se observa grandes falencias en la producción y distribución de alimentos, dejando como resultado el desperdicio de alimentos, lo cual se evidencio en el estudio del Instituto sueco de Alimentos y Biotecnología (SIK) a petición de la Organización de las Naciones Unidas para la Alimentación y la Agricultura (FAO) entre los años 2010 y

2011: las cifras arrojadas por esta institución son de aproximadamente 1300𝑡𝑜𝑛𝑒𝑙𝑎𝑑𝑎

𝑎ñ𝑜

millones de alimentos desperdiciados a nivel mundial, equivaliendo 1

3 de la producción total,

lo que incluye 30% de los cereales, entre el 40 − 50% de las raíces, frutas hortalizas y

semillas, el 20% de la carne y productos lácteos y el 35% de pescados, según se observa en la Gráfica 1 (Gustavsson, Cederberg, & Sonesson, 2012).

Gráfica 1 Desperdicios a nivel mundial de alimentos en caso específico.

Fuente: Autores basados en (Gustavsson, Cederberg, & Sonesson, 2012).

30%

45%

20%

35%

70%

55%

80%

65%

0% 20% 40% 60% 80% 100%

Cereales

Raíces, frutas, hortalizas y semillas

Lacteos y carne

Pescados

PorcentajeTip

o d

e a

lime

nto

s p

ere

ce

de

ros

Desperdicio Aprovechamiento

25

De igual manera el desperdicio per cápita de alimentos en Europa y América del Norte

es aproximadamente de 95 − 115𝐾𝑔

𝑎ñó, mientras que en África subsahariana y en Asia

meridional y sudoriental esta cifra representa solo de 6 − 11𝐾𝑔

𝑎ñó (Gustavsson, Cederberg, &

Sonesson, 2012). Como se puede observar en la Gráfica 2 por parte de la región América latina y el Caribe se estima que el 6% de pérdidas mundiales, a pesar de que la cifra es alentadora aproximadamente 47 millones de sus habitantes aún viven con hambre (Organización de las Naciones Unidas para la Alimentación y la Agricultura - FAO, 2014).

Gráfica 2 Porcentaje aportado por América Latina y el Caribe en desperdicios de productos perecederos.

Fuente: Autores basado en (Organización de las Naciones Unidas para la Alimentación y la Agricultura - FAO,

2014).

En Colombia una de las mayores barreras es el acceso a la Red de Alimentos, hecho

que se ampara con el aumento de la malnutrición y muerte de la población; aproximadamente un 47.2% de los hogares tienen inseguridad alimentaria; según es

observado en la Gráfica 3, asimismo el 13.3% de la población menor de 5 años se encuentran en un estado de desnutrición crónica. El uso de la tierra en Colombia para fines

agropecuarios es de 44.6% del territorio nacional, perteneciendo un 9.62% a actividades agrícolas. Sin embargo, en el transcurso del año 2010 se desperdiciaron en poscosecha aproximadamente 1.154.923 toneladas en frutas y 272.009 en verduras (Organización de las Naciones Unidas para la Alimentación y la Agricultura - FAO, 2014).

6%

94%

Desperdicio

Aprovechamiento

26

Gráfica 3 Porcentaje de hogares tienen inseguridad alimentaria en Colombia.

Fuente: Autores basados en (Organización de las Naciones Unidas para la Alimentación y la Agricultura -

FAO, 2014).

La capital colombiana no es ajena al problema de desperdicio alimenticio del país, debido

a que un 58.8% de alimentos no preparados (verduras, frutas y carnes) son llevadas a la

basura, en términos monetarios esta cantidad de alimento equivale a $45.365.000.000. (Unidad Administrativa Especial de Servicios Publicos - UAESP, 2012)

Se estima que él 95% de la pérdida y desperdicio de alimentos en los países en

desarrollo son pérdidas involuntarias en las primeras etapas de la cadena de suministro de alimentos (Gustavsson, Cederberg, & Sonesson, 2012). Asimismo, en la principal Corporación de abastos de Colombia los malos tratamientos de los productos causan este

gigante desperdicio de comida; de 15,000 toneladas de alimentos diarios que ingresan, 4,500 toneladas (ver Gráfica 4) de ellas son residuos orgánicos que prácticamente se tiran a la basura (Malaver, 2013).

Gráfica 4 Porcentaje de toneladas desperdiciadas en CORABASTOS S.A. al día.

Fuente: Autores basados en (Malaver, 2013).

La Política de Seguridad Alimentaria y Nutricional instituye el compromiso de los sujetos

que conforman la cadena de suministro con fin de erigir redes de seguridad alimentaria y nutricional, incidiendo en el acceso a los alimentos y en sus precios. Para esto, es preciso crear sistemas de abastecimiento que encadenen la producción con la demanda (Política

47%

53%

Inseguridad alimentaria

Seguridad alimentaria

33%

67%

Desperdicio Aprovechamiento

27

Nacional de Seguridad Alimentaria y Nutricional, 2013). Los análisis realizados por la Organización de las Naciones Unidas para la Alimentación y la Agricultura en Colombia para identificar la problemática relativa a la cadena de suministro, han permitido determinar que uno de los factores críticos del proceso de abastecimiento y distribución es el incumplimiento de la normatividad vigente relativa al empaque, a la manipulación y al transporte de los alimentos. Siendo así, evidente el incumplimiento de las responsabilidades que les competen a las instituciones del Estado, tanto del nivel nacional como del local, en hacer observar las normas que, rigen el manejo de los alimentos, desde la producción misma, su paso por los mercados mayoristas y su posterior distribución a los consumidores (Usuga, 2013).

La disponibilidad de alimentos se puede lograr con sistemas de producción y logística

eficientes, lo que deriva en costos y precios justos e incrementa el acceso por la población. El aspecto logístico incide fundamentalmente en la estructura de costos de la cadena agroindustrial, esto puede variar según la estructura de la cadena y del sistema logístico, siendo un caso crítico el de los productos perecederos, como las hortalizas o frutas frescas (Orjuela, Castañeda, Canal, & Rivera, 2013).

De acuerdo al Censo Nacional de Mermas de FENALCO para el año 2015, el fenómeno

sigue presentando un crecimiento importante en los últimos 2 años, como se observa en la Ilustración 1. El 1.75% sobre la venta obtenido para 2014, no es la cifra histórica más alta para el país, pero se acerca a las obtenidas en 2004, 2008, 2009 y 2010 (FENALCO, 2015).

Ilustración 1 Merma real operativa obtenida frente a la tolerada en ventas.

Fuente: (FENALCO, 2015)

De igual manera, secciones como accesorios, ropa para bebe, farmacia y droguería son

las que muestran un crecimiento en comparación con los años anteriores. La sección de hogar sigue teniendo una participación importante dentro del fenómeno de la merma, con niveles muy parecidos a los años anteriores. Pero en el caso de perecederos se tiene que sigue siendo la sección más representativa dentro de la merma, siendo muy impactante dentro de las ventas, lo que la hace importante dentro de la composición del fenómeno (FENALCO, 2015), como puede observarse en la Ilustración 2.

28

Ilustración 2 Merma real operativa en ventas por sección.

Fuente: (FENALCO, 2015)

Como parte de impacto de la merma se tiene que, en 2014, la merma se incrementa en

80.000 millones de pesos con respecto al 2013, generando un impacto de más $498 mil millones de pesos. Este aumento año a año, se traduce en 4.500 empleos de más o 1.578 viviendas de interés social construidas, como se observa en la Ilustración 3. La merma es un fenómeno que impacta a la economía en general y para el caso de perecederos se tiene que esta tiene un porcentaje de participación del 46% frente a un 54% de no perecederos (FENALCO, 2015).

Ilustración 3 Impacto de la merma.

Fuente: (FENALCO, 2015).

Con respecto a la selección de la fruta, para el caso de estudio, se ha definido por medio

de dos factores relevantes que soportan el alcance del estudio. El primero de ellos fue a partir de los hábitos de consumo de frutas que los bogotanos tienen. Como se puede observar en la siguiente Ilustración 4, para el año 2005 las frutas más consumidas fueron el banano con un 20%, la guayaba con el 17% y la mora con un 15% (Galindo, 2015).

29

Ilustración 4 Consumo de fruta en Bogotá D,C. en 2005.

Fuente: (Galindo, 2015).

El segundo factor es la selección de la fruta con mayor nivel de humedad o altamente

perecedera dentro de las tres frutas más consumidas por los bogotanos. El banano es un fruto que se caracteriza por tener una forma curvilínea, color amarillo, sabor dulce, textura dura y con un contenido de humedad del 72% (Casallas, 2014). La guayaba es una fruto con forma redonda, tiene una corteza delgada y delicada, color verde pálido a amarillo y tienen un contenido de humedad de aproximadamente el 86.3% (Arenas, Marin, Peña, Toyo, & Sandobal, 1999). La mora es un fruto que pertenece al grupo de las bayas, tienen un color rojo oscuro y su contenido de humedad es mayor al 90% (Universidad Nacional de Colombia, 2016). Según los factores de selección, la mora es la fruta más apropiada y pertinente para el caso de estudio.

Son pocas las investigaciones que se han realizado en el campo de la logística de

distribución en productos perecederos (Usuga, 2013), y no se encontraron investigaciones encaminadas en esta temática relacionadas con mermas logísticas; por lo cual la investigación representara un avance en la caracterización y diagnóstico del sistema logístico de alimentos perecederos gestionado por pequeños productores en Colombia. 1.5. Metodología

Por medio de la metodología definida para la propuesta, esta se basa en los procesos de caracterización de la Cadena Agroindustrial de Suministro de la Mora, el desarrollo de un Modelo Matemático y validación del modelo mediante herramientas de ingeniería, con base en los datos recolectados por los autores. De este modo la metodología se define en las siguientes tres (3) fases, como se muestra en la Tabla 1:

30

Tabla 1 Fases para la realización de la metodología.

Inicio

Fase No.1: Caracterización de la Cadena Agroindustrial de Suministro de la Mora.

O.1.

Caracterizar la cadena agroindustrial de suministro de la mora Identificando condiciones, factores, recursos, tecnologías, actores e indicadores mediante la implementación de herramientas cualitativas y cuantitativas de la ingeniería.

O.1. A.1. Evaluación de estado actual de la cadena.

O.1. A.2. Identificación de los actores que hacen parte de la cadena.

O.1. A.3. Tabulación de la información y análisis de datos.

O.1. A.4. Verificar la caracterización de la Cadena Agroindustrial de la mora.

Fase No.2: Desarrollo del Modelo Matemático para la Cadena Agroindustrial de Suministro de la Mora.

O.2.

Desarrollar un modelo matemático que permita cuantificar cargas, costos y mermas logísticas asociadas a la cadena agroindustrial de la mora.

O.2. A.1. Identificar y clasificar los estados de transformación de la cadena.

O.2. A.2. Calcular las probabilidades de transición de un estado a otro dentro de la cadena.

O.2. A.3. Desarrollar modelo matemático.

O.2. A.4. Calcular Cargas, pérdidas y costos asociados.

Fase No.3: Validación del Modelo Matemático para la Cadena Agroindustrial de Suministro de la Mora.

O.3.

Validar el modelo matemático a través de la utilización de herramientas cuantitativas de Ingeniería.

O.3. A.1. Definir los parámetros de entrada al modelo propuesto.

O.3. A.2. Realizar una comparación por medio de herramientas de Ingeniería Industrial.

O.3. A.3. Calcular los índices de sensibilidad de la propuesta.

Fuente: Autores.

31

CAPITULO II: MARCO REFERENCIAL

Para desarrollo del marco de referencia, se realiza una recopilación breve y concisa de los conceptos, teorías y reglamentaciones, relacionados directamente con el desarrollo del tema y del problema de investigación (Universidad America, 2016). Con base a esta definición, se estructuro el marco referencial en tres partes como lo es el marco teórico, marco conceptual y marco legal. 2.1. Marco Teórico

Como desarrollo de esta sección, se plantea una teoría que va a fundamentar el proyecto con base al planteamiento del problema que se ha explicado. Se tienen para este caso cuatro (4) sub-grupos, los cuales están comprendidos por: modelo de red logística, actividad logística basada en alimentos perecederos en el sector frutícola, mermas logísticas en alimentos perecederos y finalmente se encuentra proceso estocástico junto con cadenas de Markov. 2.1.1. Modelo de Red Logística

Actualmente a consecuencia de los cambios en la estructura de la producción y la globalización de los mercados, las actividades de suministro, trasformación y distribución se han integrado a otras actividades que hacen parte de otros departamentos de negocio, constituyendo un conjunto de empresas que se benefician mutuamente y que a la vez se convierten en socios estratégicos formando una cadena con varios eslabones, siendo el ultimo el consumidor (Jiménez & Hernández, 2002).

Esta cadena de suministro permite crear un vínculo con un flujo de información continuo

entre todas las partes interesadas, como se puede observar en la Ilustración 5, lo que en efecto desarrolla procesos de excelencia y fortalece relaciones comerciales (Jiménez & Hernández, 2002). En resumidas palabras es un proceso que busca el trabajo conjunto de clientes, consumidores, vendedores y productores con el fin de minimizar los costos asociados a actividades que no agregan valor, mejorar la calidad del servicio o del bien ofrecido, cumplir con el tiempo y las unidades de entrega e introducir al mercado nuevos productos y tecnologías (Porter, 1997).

32

Ilustración 5 Cadena Proveedor- Empresa - Consumidor

Fuente: Autores, 2016.

Dentro de la cadena de suministro existe un fenómeno que afecta directamente el

comportamiento del flujo entre cada eslabón, el cual se denomina efecto látigo y está relacionado con el aumento de la variabilidad en la demanda, lo que genera una alteración en los planes de producción, inestabilidad en los niveles de inventario, disminución del nivel de servicio y aumento del precio final del producto, siendo estos factores primordiales dentro del adecuado funcionamiento de la cadena (Arto, 2011).

Las causas principales de dicho efecto son la falta de actualización de la demanda, las

fluctuaciones de los precios y los altos tiempos de entrega (Arto, 2011). Un ejemplo de este fenómeno es cuando el productor no desarrolla un pronóstico acertado de la demanda para un determinado periodo de tiempo y como consecuencia empieza a retener en bodega las unidades que sobre-produjeron ya que el cliente final solo demandara una cantidad menor lo cual se evidencia en la Ilustración 6.

Ilustración 6 Efecto látigo de la demanda de los consumidores, con respecto al numero de productos.

E: Empresa, D: Distribuidor, M: Minorista, CF: Cliente Final

Fuente: Autores, 2016.

Para evitar la generación de este fenómeno hay que administrar y controlar la cadena

de manera que se pueda visualizar cualquier alteración a corto, mediano y largo plazo, esto le permitirá a cada uno de los actores que conforman los eslabones gestionar los cambios

33

necesarios para adaptarse a tiempo a las circunstancias del mercado. Es por eso que a continuación se mostraran siete principios formulados por la compañía Andersen Consulting para una adecuada gestión de la cadena de suministro, los cuales aplican para cualquier actividad económica (Arrieta, 2011): Segmentar a los clientes basado en las necesidades de servicio de los diferentes grupos

y adaptarse para servir a estos mercados rentablemente. Diseñar la cadena de suministro basada en cada uno de los requerimientos de los

segmentos anteriormente identificados. Diagnosticar constantemente el estado de la cadena con el fin de detectar patrones de

cambio. Acercar al cliente final al proceso de manufactura para diferenciar el producto. Manejar estratégicamente la relación con todas las fuentes de abastecimiento con el fin

de trabajar más cerca de ellas y reducir el costo de materiales y servicios. Desarrollar una plataforma tecnológica de información que entregue de manera clara

visibilidad del flujo de productos, servicios y recursos en toda la cadena de suministro. Formular medidas de desempeño que permitan monitorear y evaluar las actividades

internas de cada uno de los involucrados en la cadena de suministro. 2.1.2. Actividad logística basada en Alimentos Perecederos (sector frutícola)

La estructura de la cadena de suministro de frutas está conformada por diferentes actores, iniciando con los proveedores los cuales son las empresas que se encargan de suministrar materia prima, insumos, servicios de asistencia, etc. al siguiente eslabón de la cadena. Los productores, son aquellos que se encargan del proceso de elaboración del bien o servicio. En Colombia existe más de 433 especies nativas frutales comestible las cuales sin importar el hecho que son estacionales son demandadas durante todo el año. La producción varía según las regiones, el clima, los pisos térmicos, entre otros factores y es distribuida en pequeñas unidades que tienen como fin llegar a los centros de consumo, ya sea por medio de la distribución en el mercado o por la transformación de la fruta en otro producto demandado por el consumidor final (Orjuela, Castañeda, Canal, & Rivera, 2013).

La agroindustria es el eslabón donde ocurre el proceso de transformación de la materia

prima, en este caso la fruta, para obtener un producto con un valor agregado, por ejemplo, bebidas, repostería, preparación de cereales, entre otros. En llegado caso el productor decide vender su cosecha a los comercializadores mayoristas, debe recurrir a los centros de acopio, centrales de abasto plazas de mercado donde distribuyen los productos a supermercados, tiendas, restaurantes, plantas procesadoras y a personas en particular (Orjuela, Castañeda, Canal, & Rivera, 2013).

Los comercializadores al detal son aquellos que ofrecen los productos en cantidades

menores al consumidor final entre estos entran los hipermercados, supermercados, tiendas y plazas pequeñas, los cuales se abastecen de los centros de acopio o de la agroindustria. Como último actor se encuentran los consumidores, quienes en un 70% se encuentran en la ciudad de Bogotá y el Departamento de Cundinamarca, un 12% en ciudades y municipios del resto del país y un 18% los consumidores que se encuentran fuera del país (Orjuela, Castañeda, Canal, & Rivera, 2013). Datos representados en la Gráfica 5.

34

Gráfica 5 Distribución de los clientes finales de la cadena de suministro en el sector frutícola.

Fuente: Autores basados en (Orjuela, Castañeda, Canal, & Rivera, 2013).

Las frutas se encuentran dentro del grupo de alimentos perecederos lo cual implica que

para el diseño de la cadena de suministro se debe tener en cuenta la vida útil del producto y los tiempos de las actividades dentro de la cadena, esto con el fin de considerar la aplicación o no de ciertos mecanismos de conservación como cadena de frio, empaques, tratamientos térmicos y desinfección, entre otros (González & Rojas, 2011). Entre los aspectos a tener en cuenta para alargar lo más posible el ciclo de vida del producto se presentan las siguientes: Requerimientos de enfriamiento, refrigeración y ventilación de la fruta Madurez del producto (madurez fisiológica, hortícola y organoléptica) Almacenamiento Modo de transporte Empaque

A partir de las condiciones de la fruta se deberá evaluar y seleccionar al conjunto de proveedores los cuales serán el elemento de partida para el diseño de la cadena frutícola, junto con el establecimiento de acuerdos contractuales que garanticen la sustentabilidad económica de la cosecha, especialmente en cultivos que tienen ciclos largos de maduración. Dentro de estos acuerdos se deberá establecer de manera clara las condiciones exactas de entrega, el número estimado de unidades a pedir en un determinado periodo de tiempo y los tiempos reales de entrega, priorizando la reducción de desperdicios y daños en los suministros (González & Rojas, 2011).

La manipulación del fruto en la post cosecha es sumamente importante para la elección

del transporte, al tratarse de un producto perecedero debe darse un cuidado especial a este tipo de carga. A demás del trasporte, el embalaje, las condiciones de almacenamiento y disposición dentro de los contenedores de carga son factores fundamentales a definir, con el fin que la fruta se conserve, llegue en buenas condiciones al consumidor final y se evite al máximo el desperdicio (González & Rojas, 2011).

Cuando la carga llega al centro de acopio debe considerarse ciertas variables para que

el producto no se pierda o se desperdicie durante el tiempo que permanezca allí; dentro de ellas está la capacidad de recibo y despacho, de flujo de material y almacenamiento. Teniendo en cuenta las condiciones del centro de acopio, los productores deben garantizar

70%

12%

18%

Bogota y Cundinamarca

Resto del Pais

Exportaciones

35

que el tipo de carga que envían cumple con esos requisitos. Las actividades que se realizan en este punto de la cadena son descarga, pesaje, segmentación, manejo de desperdicio, conservación, empacado, etiquetado y carga, las cuales deben cumplir con requerimientos de personal, infraestructura y documentos, que permitan la conveniente administración de los procesos de recibo, manejo y despacho (González & Rojas, 2011). 2.1.3. Mermas logísticas en Alimentos Perecederos

Actualmente se ha evidenciado el creciente deseo de los consumidores por adquirir alimentos nutritivos, con especificaciones y características que garanticen su calidad, los cuales minimicen los riesgos para su salud. Sin embargo aún se presentan problemas y peligros que atentan contra la seguridad alimentaria de las personas, las cuales tienen relación con las actividades de transporte, almacenamiento y la adquisición de materias primas (Revista Enfasis Logística, 2003). En el sector alimenticio existe una barrera que impide llegar a una merma del 0%, principalmente por la fluctuación del rendimiento de las materias primas, la vida útil de los alimentos, entre otras características de los mismos. Sin embargo el control de la merma es imprescindible para ajustar los costes logísticos (Cocinas Centrales, 2009).

Contrariamente a la creencia común, la cadena de suministro de productos agrícolas

sigue siendo importante, en términos de consumo y el valor monetario. Para este caso se estimó que, en el año 2000, el sector alimentario y agrícola, participan en más del 9% del producto interno bruto. Se muestra que la contribución al producto interno bruto de algunos sectores de la agricultura está en realidad en una etapa de ampliación, informando que el mercado agrícola de Estados Unidos ha mantenido un crecimiento constante de la producción impulsada por la demanda interna (Kinsey, 2001).

Este aumento de la demanda de productos frescos y una expectativa de su disponibilidad

durante todo el año a su vez ha impulsado la expansión de las cadenas de suministro subyacentes para incluir unidades de producción en el extranjero, tales como los productos de invierno de México, Chile y otros países de América del Sur. Se espera que estos cambios en los patrones de demanda y distribución puedan continuar o incluso se aceleren en un futuro cercano, por lo que es necesario buscar formas de mejorar las prácticas de la cadena de suministro actuales. En particular, las mejoras deben tener en cuenta los nuevos retos que impone la demanda cambiante en el sector de la agroalimentación, y las nuevas realidades de la industria, lo que implica un mercado global y las normas de seguridad alimentaria más estrictas (Ahumada & Villalobos, 2009).

La sofisticación necesaria para competir con éxito en estas cadenas de suministro

emergentes hace que sea más probable que algunos de los conceptos de planificación de la cadena de suministro y la coordinación que se han aplicado con éxito en el sector de la fabricación se puedan adaptar a las cadenas de suministro agroindustriales (Ahumada & Villalobos, 2009).

En el caso de la pérdida de alimentos perecederos, se vislumbra como la reducción de

la calidad y cantidad de los mismos debido a diferentes condiciones que se presentan en toda la cadena de abastecimiento, lo que genera desecho o uso alternativo de los alimentos (no alimentario). Muy posiblemente todos los recursos y suministros utilizados en la producción de este tipo de alimentos se utilizan en vano, además todas las consecuencias

36

causadas por esta actividad económica al entorno también quedan sin justificación. (Gustavsson, Cederberg, & Sonesson, 2012).

Mostrando de este modo, que el desperdicio de alimentos es un problema crónico que

evidencia la falta de manejo y control de los elementos clave que hay dentro de la cadena de abastecimiento, como lo es la planeación de la producción, el manejo de la post-cosecha, la seguridad y conservación del alimento durante su distribución mayorista y minorista y el consume responsable dentro del hogar. Este inconveniente genera efectos sociales, económicos y medio ambiental, los cuales deben ser abordados conjuntamente debido al impacto directo en la seguridad alimentaria y nutricional, los recursos naturales y el cambio climático (Organización de las Naciones Unidas para la Alimentación y la Agricultura - FAO, 2016).

Exponiendo que la gestión de la cadena de suministro de alimentos se puede entender

como el diseño y la implementación de acciones que disminuyan los riesgos de perder o de afectar físicamente estos productos, en especial en lo que concierne a la calidad y la inocuidad de los mismos. Para Luca Crisciotti, CEO de DNV Business Assurance, la gestión de cada eslabón de la cadena debe ser parte de una estrategia que tiene como meta la creación de valor para todos los grupos de interés, algo que las empresas han entendido como un enfoque que integra la sustentabilidad en las estrategias de negocios (DNV GL Business Assurance, 2013).

Del mismo modo, Mariano Bruzzi exterioriza las mermas como pérdidas o reducción de

un número significante de artículos dentro de un sistema productivo, lo cual provoca una diferencia entre el contenido real de un inventario y el contenido esperado del mismo. Este término se emplea en el análisis de pérdidas y desperdicios de mercancía en cadenas de suministro y puede conceptualizarse como Mermas Logísticas. Las mermas se clasifican en dos tipos dependiendo de la certeza con que se identifican, conocidas (vencimientos, roturas, robos detectados) y en desconocidas (errores administrativos, fraudes) (Bruzzi, 2016).

La cadena de abastecimiento, requiere de esfuerzos colectivos y colaborativos de

comunicación eficiente para su progreso y el de cada uno de los eslabones que la conforman (Chandra & Kumar, 2001). Estos últimos autores han realizado estudios de la cadena de frutas donde aplican los conceptos y establecen metodologías de análisis de las mismas. Igualmente establecieron metodologías para la caracterización y dimensionamiento del mercado de alimentos en centros urbanos, aplicada en varias localidades de Bogotá (Orjuela, Castañeda, Canal, & Rivera, 2013). 2.1.4. Proceso Estocástico y Modelo de Markov

Las cadenas de Markov se limitan a unos pocos de sus momentos de orden más bajo, tales como su media, la varianza y la covarianza (Gillespie, 1992). Siendo así, las cadenas de Markov son modelos probabilísticos aplicados a sistemas, los cuales muestran un especial tipo de dependencia, dado que, una vez este tipo de sistema está dentro de un estado dado, los cambios futuros en el sistema dependen solo sobre este estado y no de la forma en el que sistema llega a este particular estado, mostrando el conjunto de todos los posibles estados que puede ocupar y realizar un estado de transición, denominado estado de transición dado sus características de transferencia de un sistema desde un estado a

37

otro estado. Debiendo así enfatizar el amplio significado de las palabras Estado y Sistema, siendo estos especificados para cada caso bajo consideración según respecte el caso (Tamir, 1998).

Un estado transitorio se puede definir formalmente como estado del cual la unidad puede

cambiar antes de salir del sistema. Los ejemplos de estados transitorios que podrían ser considerados podrían incluir la compra, la reposición, distribución, etc. Los objetivos son un costo mínimo, el tiempo mínimo y el máximo beneficio. (Yasar, 2005) Como problema secuencial la cadena de Markov muestra una propiedad sin memoria; donde la descripción del estado debe contener toda la información pertinente, con base en el pasado y la situación actual, para tomar una decisión, por incurrir costes directos y para derivar las probabilidades de transición. Enfocándose de este modo en el espacio de estados multidimensionales, los cuales estarán representados por un vector 𝑥 = (𝑥1, … , 𝑥𝑚) donde 𝑥𝑖 puede tomar valores de 𝑋𝑖. Permitiendo un espacio de estados 𝑋 = ∏ 𝑋𝑖

𝑚𝑖=1 como un

espacio de estados contables infinito (Haijema, 2008). Para el caso de las decisiones son relacionadas con un conjunto de acciones 𝐴, que a

su vez estas pueden ser dependientes del estado 𝐴(𝑥) ⊆ 𝐴. En algunos estados 𝑋 solo una simple acción es posible, por ende la acción de conjunto 𝐴(𝑥) se compone de un solo elemento. En principio, cuando varias decisiones deben ser tomadas al mismo tiempo, el espacio de acción puede ser multidimensional. Siendo así, para la determinación de la transición de un estado 𝐴 un estado siguiente, hay que especificar el curso de los acontecimientos que pueden suceder durante un cierto tiempo (Haijema, 2008).

El estado del sistema, 𝑋, se inspecciona en el inicio de un tiempo. Con base a los estados 𝑋 observados, se selecciona una acción 𝐴. Cuando se toma una acción 𝐴 en el estado 𝑋, solo los estados 𝑌 en 𝑋(𝑥,𝑎) ⊆ 𝑋 puede ser alcanzado. Derivado a esto las diferentes

secuencias de acontecimientos que pueden suceder, pueden resultar en el mismo estado siguiente 𝑌. Al inicio del siguiente tiempo, el sistema en el estado 𝑌 estará con 𝑃𝑥,𝑦(𝑎); Estas

probabilidades de transición se calculan a partir de las distribuciones de probabilidad de los conocidos sucesos inciertos que pueden suceder durante un tiempo determinado (Haijema, 2008).

Dado lo anterior, los costos totales de incurrir en un horizonte de planificación, se pueden

desglosar en costes directamente relacionados con los tiempos sucesivos. Cuando en el

inicio de una acción 𝐴 en el tiempo se toma en estado 𝑋, entonces costes directos 𝐶(𝑥, 𝑎, 𝑦) incurren en el siguiente estado 𝑌. Como múltiples eventos inciertos pueden dar lugar a la

misma transición de un estado 𝑋 a un estado 𝑌, los costos directos son los costos esperados más de todos los posibles eventos relacionados con esa transición. Como varios estados 𝑌

pueden visitar después de tomar la decisión 𝐴 en un estado 𝑋, a menudo se calcula los costes directos esperados como 𝔼𝐶(𝑥, 𝑎). Los costes directos esperados de la 𝔼𝐶(𝑥, 𝑎)

incurren cuando una acción 𝐴 es seleccionada en un estado 𝑋 dependiendo de la probabilidad de transición 𝑃𝑥,𝑦(𝑎) (Haijema, 2008), y se calcula de la manera como se ve

en la Ecuación 1.

Ecuación 1 Costos directos esperados en la Acción A del Estado X.

𝔼𝐶(𝑥, 𝑎) = ∑ 𝐶(𝑥, 𝑎, 𝑦)𝑃𝑥,𝑦(𝑎)𝑦∈𝐶8𝑥,𝑎)

Fuente: Autores basados en (Haijema, 2008)

38

En el caso de los criterios para la cadena de Markov tenemos que el horizonte de planificación del MDP es finito o infinito. En la cadena de Markov finita, por lo general se reduce al mínimo el costo esperado en el horizonte de planificación, y en los modelos de horizonte infinito, uno minimiza, ya sea el costo medio de largo plazo o los costos totales descontados esperados (Haijema, 2008).

Del mismo modo, la programación estocástica es una técnica de optimización la cual usa

información probabilística para resolver problemas de optimización probabilísticos a gran escala (Yasar, 2005). El proceso de decisión de Markov es un proceso estocástico de toma de decisiones secuencial caracterizado por cinco elementos: épocas de decisión, estados, las acciones, las probabilidades de transición y las recompensas (Puterman, 1994). Muchas áreas de la ciencia y la tecnología usan cadenas de Markov para resolver problemas complejos de los factores subyacentes que atribuyan a diferentes tipos de transiciones, transiciones inversas, y las transiciones repetidas (Ataharul & Rafiqul, 2006). Las formulaciones de Markov son útiles para resolver una serie de problemas del mundo real en virtud de incertidumbres, tales como la determinación de los niveles de inventario para los minoristas y la programación de mantenimiento para los fabricantes (Zhao, Chen, Leung, & Lai, 2010).

Las cadenas de Markov proporcionan una mayor flexibilidad en el examen estadístico

de las transiciones múltiples, simultáneas y predice el futuro estado de un sistema a partir de su estado actual, ignorando su historia pasada. Por lo tanto, la cadena de Markov es más eficaz en el suministro de información predictiva para los gerentes y ofrece estimaciones de probabilidad para los resultados futuros (Wilcox, Horvath, Griffis, & Autry, 2011). Su naturaleza probabilística hace de esta una técnica ideal para la solución de problemas logísticos obteniendo menores incertidumbres, tales como determinar el nivel de inventario para los minoristas, la programación de mantenimiento para los fabricantes, la planificación en la gestión de la producción, y la planificación de los recursos de tiempo, costo y humano (Gayon, Benjaafar, & Véricourt, 2009).

Los modelos logísticos han sido desarrollados por muchas técnicas como la

programación estocástica, el proceso de decisión de Markov, EOQ, entre otros, que se resumen en el Anexo I. La falta de estudio de manera integral de estas actividades dejó problemas de logística difíciles de tener en cuenta. El advenimiento y la aplicación de tecnología de la información simplemente acelera las actividades de rutina, pero deja intacta la complejidad inherente.

La introducción del modelo de Markov para analizar las probabilidades de transición en

las actividades de logística consiste en un medio prometedor para hacer frente a tales obstáculos. Como la capacidad de transición del proceso de Markov puede representar el flujo de varias etapas de la actividad logística en situaciones de incertidumbre, el modelo representativo resultante se puede utilizar para el estudio adicional en la minimización de los costos, el tiempo, la pérdida de oportunidades, y maximizar la flexibilidad, donde las diferentes actividades pueden ser transitado dentro de la red de distribución logística (Tilokavichai, Sophatsathit, & Chandrachai, 2012).

En años recientes, se observa el incremento de estudios referentes a modelos

matemáticos con aplicaciones prácticas en la gestión de la cadena de suministro y en especial en el subsector de biocombustibles y afines. Para este caso se tiene que uno de los mayores autores en estudios es Estados Unidos con un correspondiente 38% del total

39

de artículos revisados, Europa reporta también un 38 % y el porcentaje restante, 24 %, se distribuye entre el Pacífico Sur y Suramérica. Por parte del diseño y gestión de la cadena se plantean objetivos utilizados con mayor frecuencia en los modelos de gestión de la cadena de suministro evaluados. En segunda instancia se encuentran modelos con objetivos varios los cuales corresponden al análisis y cuantificación de variables en las cadenas productivas. Las características y variables de decisión de los modelos evaluados incluyen variables relacionadas con el flujo de las materias primas a través de la red (Barón, Huertas, & Orjuela, 2013). 2.2. Marco Conceptual Para el marco conceptual se recopilan conceptos para formular y desarrollar el proyecto, esto refiriéndose a ideas básicas que forman la base para los argumentos. De modo que este se divide en nueve (9) conceptos como lo es merma, logística, cadena de suministro, gestión de la cadena de suministro, cadenas agroindustriales, proceso de Markov, modelo matemático, plataforma monomodal y mora. Estos siendo de relevancia para el desarrollo y entendimiento para las partes que configuran y dan desarrollo al proyecto. 2.2.1. Merma

Según define la merma es una porción de algo que se sustrae o se consume naturalmente. Donde esta puede producirse por cuestiones naturales (cuando los productos perecederos caducan), operativas (las mercancías se dañan durante las operaciones habituales de la empresa), administrativas (un fallo en el registro) o externas (un robo) (Deutsch-Wörterbuch, 2016).

Aunque se observa que algunas compañías no evalúan su merma de la misma forma o

no contemplan un modelo de control por lo cual no tienen una medición de lo que esto representa para las compañías. Esto impide hacer comparaciones y estimar un número que indique cuál sería la media aceptable, dificultando saber si los resultados son óptimos o no (Bruzzi, 2016).

No obstante para todas ellas tiene la misma definición de la merma; la cual es el

resultado de la diferencia de su stock teórico (sistema) y el stock físico de la tienda en su inventario total, como muestra la Ecuación 2.

Ecuación 2 Diferencia del stock teórico y el stock físico de las mercaderías que comercializan.

𝑀𝑒𝑟𝑚𝑎 = 𝑆𝑡𝑜𝑐𝑘 𝑇𝑒𝑜𝑟𝑖𝑐𝑜 − 𝑆𝑡𝑜𝑐𝑘 𝐹𝑖𝑠𝑖𝑐𝑜 Fuente: Autores basados en (Bruzzi, 2016)

Para FENALCO la merma es considerada como toda constricción o disminución del

inventario. Se calcula obteniendo la diferencia entre el inventario teórico (final) y el inventario real (final) (FENALCO, 2015). En estos casos la merma se podría dividir en cuatro grupos: Merma Conocida: Es aquella merma operativa a la cual se le puede atribuir su causa (es

plenamente identificable su origen). Un ejemplo de esto es el deterioro de mercancía, desperdicios y vencimientos (FENALCO, 2015).

Merma Desconocida: Es aquella merma operativa a la cual no se le puede identificar su

40

origen, pero gracias a la experiencia de las cadenas participantes, se le atribuyen conceptualmente las siguientes a causas como robo interno, robo externo, error del proveedor, error administrativo y otras (FENALCO, 2015).

Merma Comercial: Es aquella diferencia entre el inventario teórico y el real, causada por la actividad comercial en sí. Un ejemplo de esto son los descuentos y las promociones (FENALCO, 2015).

Merma Operativa: Es aquella diferencia entre el inventario teórico y el real, causada por la operación en sí. Se compone por la merma operativa conocida y la merma operativa desconocida (FENALCO, 2015)

2.2.2. Logística

La real academia española define a la logística como el “conjunto de medios y métodos necesarios para llevar a cabo la organización de una empresa de un servicio, especialmente de distribución” (Real Lengua Española}, 2016).

En el marco de la semana multisectorial a cargo del Sena en el 2013, la superintendencia

de puertos y transporte la definió como “parte del proceso de gestión de la cadena de suministro encargada de la planificación, implementación y control eficiente del flujo de materiales y/o productos terminados, así como el flujo de información relacionada, desde el punto de origen hasta el punto de destino, cumpliendo al máximo con las necesidades de los clientes y generando los mínimos costos operativos” (Prieto, 2013).

Según la universidad EAFIT y el grupo éxito, la logística “es el arte de la planeación,

implementación y control del conjunto de las actividades tales como el aprovisionamiento y almacenamiento de materia prima, material en proceso, producción, distribución y transporte del producto terminado, y de manejar el flujo de información relacionado desde el punto de origen al punto de consumo, con el objetivo de satisfacer las exigencias del cliente con las condiciones acordadas, como el plazo, el lugar y el costo” (Valencia, 2013).

2.2.3. Cadena de Suministro

En el documento “La importancia de la cadena de suministro y su administración” definen: “La cadena de suministro es la red de organizaciones conectadas e interdependientes trabajando juntas en forma cooperativa para controlar, manejar y mejorar el flujo de materiales e información desde los proveedores hasta los usuarios finales” (Garza, 2016).

En el diccionario Cambridge la definen como el “Sistema de personas y objetos que

están involucradas en la obtención de un producto, desde el lugar donde se produce hasta donde las personas lo compran” (Cambridge Distionaries, 2016).

En el trabajo de grado “Modelación de una cadena de abastecimiento para el sector

textil-confección en el entorno colombiano” puntualizan que “Las cadenas de suministros son una secuencia de procesos y flujos que tienen lugar dentro y fuera de la empresa y entre diferentes etapas que se combinan para satisfacer las necesidades de los clientes” (Echeverri, 2010).

41

2.2.4. Gestión de la Cadena de Suministro

Para un director ejecutivo del Banco de América “es administrar las actividades de la cadena de suministro para maximizar el valor entregado al cliente y lograr una ventaja competitiva sostenible. Esto representa un esfuerzo consiente por parte de las empresas que forman la cadena para desarrollar y ejecutar de la forma más efectiva y eficiente las actividades de la cadena” (Handfield, 2011).

Según Christian Pastrana miembro del Innovation & Entrepreneurship Business School

se entiende como “un subsistema dentro de la propia organización que engloba la planificación de las actividades de suministro, fabricación y distribución de los productos” (Pastrana, 2013).

Douglas Lambert explica en su documento “Supply Chain Management” que la gestión

de la cadena de suministro es la integración de procesos claves hasta el usuario final, a través de los proveedores que suministran productos, servicios e información, los cuales agregan valor a los consumidores y a otras partes interesadas (Lambert, 2005). 2.2.5. Cadena Agroindustrial

Para el instituto iberoamericano de cooperación para la agricultura “la cadena agroindustrial es un sistema que agrupa actores económicos y sociales interrelacionados que participan articuladamente en actividades que agregan valor a un bien o servicio, desde su producción hasta que este llega a los consumidores, incluidos los proveedores de insumos y servicios, transformación, industrialización, transporte, logística y otros servicios de apoyo, como el de financiamiento” (García, y otros, 2009).

La Secretaria de agricultura, ganadería, desarrollo rural, pesca y alimentación de México

la ha definido como el “Itinerario o proceso que sigue un producto agrícola, pecuario, forestal o pesquero a través de las actividades de producción, transformación e intercambio hasta llegar al consumidor final” (Secretaria de Agricultura, 2008).

La Agencia Suiza para el desarrollo y la cooperación considera que la cadena

agroindustrial es la articulación de diferentes actores que participan en los flujos o movimientos de bienes y servicios, desde el abastecimiento de insumos, pasando por la producción, hasta el consumo; ésta toma en cuenta la transformación y distribución del producto, proporcionando una serie de servicios de apoyo en cada paso del proceso (INIAP, Proyecto Papa Andina, Agencia Suiza para el Desarrollo y la Cooperación., 2016).

2.2.6. Proceso de Markov

En un documento de la Universidad de Valladolid se expresa que “un proceso de Markov tiene la propiedad de que la probabilidad de comportamiento futuro está totalmente definida si se conoce el estado actual. El conocimiento de estados previos al actual no altera la probabilidad de comportamiento futuro” (Ingeniería de sistemas y automática, 2010).

42

En el Libro Investigación de Operaciones de Hamdy A. Taha definen un proceso estocástico como un proceso de Markov si un estado futuro depende sólo del estado inmediatamente anterior (Taha, 2004).

En palabras de Frederick Hillier y Gerald Lieberman en el libro Introducción a la

Investigación de Operaciones, definen que la propiedad markoviana establece que la probabilidad condicional de cualquier evento futuro dados cualquier evento pasado y el estado actual, es independiente de los eventos pasados y solo depende del estado actual del proceso (Hiller & Lieberman, 2010). 2.2.7. Modelo Matemático

Para Juan Alberto Rodríguez y Cristina Steegmann, alumnos de la Universidad Oberta de Cataluña, un modelo matemático es una descripción, en lenguaje matemático, de un objeto que existe en un universo no-matemático (Rodríguez & Steegmann, 2010).

La Universidad de Coruña en el marco del Master en Ingeniería del Agua, expresa que

un modelo matemático es la expresión formal (en lenguaje matemático) de las relaciones entre los componentes de un modelo. La construcción de un modelo de este tipo implica la selección y cuantificación de los componentes, variables y relaciones presentes en el sistema para representarlo con el nivel de detalle requerido (Suárez, 2009).

En la revista El mundo de la matemática de las empresas Polar, se dice que un modelo

matemático es una construcción matemática abstracta y simplificada relacionada con una parte de la realidad y creada para un propósito particular. Así, por ejemplo, un gráfico, una función o una ecuación pueden ser modelos matemáticos de una situación específica (Yamagata, 2004).

2.2.8. Plataforma Monomodal

Las plataformas monomodales atienden a un único sistema de transporte. Por lo general están dedicadas al transporte carretero y tienen un papel de concentración de carga optimizando el transporte al consolidar los orígenes y destinos de los pedidos. Entre las plataformas monomodales se incluyen las centrales de abasto o mercados centrales y las áreas de logísticas de distribución (Arango, 2012).

El Departamento Nacional de Planeación define: solamente involucran un modo de

transporte, habitualmente el carretero. En este grupo se encuentran los mercados de abasto o mayoristas, los centros de transporte terrestre o truck centers y las áreas logísticas de distribución. Los mercados mayoristas son plataformas logísticas en la medida que se concentran actividades relacionadas con el manejo de la carga (Departamento Nacional de Planeación, 2008).

Para la CEPAL Los centros de distribución monomodal son infraestructuras que actúan

como almacén y se orientan principalmente a la gestión del flujo de mercaderías hacia el cliente final y del inventario asociado, pudiendo participar en esta infraestructura una o múltiples empresas, sin que esto implique necesariamente algún grado de integración de operaciones. Este tipo de infraestructura está orientado al transporte terrestre por carretera (Leal & Pérez, 2009).

43

2.2.9. Mora

Según la RAE es un Fruto del moral, de unos dos centímetros de largo, con forma ovalada, formado por la agregación de glóbulos pequeños, carnosos, blandos, agridulces y, una vez maduro, de color morado (Real Academia Española, 2014).

En sitio web de la Universidad de Antioquia se menciona que es una fruta que se cultiva en las regiones frías, tiene gran aceptación para el consumo en fresco y procesado por su exquisito sabor y la facilidad de la agro-industrialización. La mora es una fruta muy apetecida, rica en minerales y vitaminas, es muy perecedera, por lo tanto, requiere de especiales cuidados durante la cosecha y el transporte (Universidad de Antioquia, 2016).

El Instituto ecuatoriano de Normalización en la norma técnica NTE INEM 2-427-2010 define que es un fruto que está formado por pequeñas drupas adheridas a un receptáculo floral que al madurar es blancuzco y carnoso, su color varía de rojo a negro brillante conforme su desarrollo, es de consistencia dura y sabor agridulce, su pulpa es rojiza y ahí se encuentran las semillas (Norma Tecnica Ecuatoria, 2010). 2.2.10. Marco Legal

El marco legal desarrolla las normas jurídicas que incumben al proyecto, las cuales son de carácter obligatorio y general. En este caso se tienen aquellas que refieren a la cadena logística, actividades agropecuarias entre otras, las cuales se explican así:

Ley 811 de 2003: Determina la creación de las organizaciones de cadena que pueden ser: a nivel nacional, a nivel de una zona o región productora, por producto o grupos de productos, por voluntad de un acuerdo establecido y formalizado entre los empresarios, gremios y organizaciones más representativas tanto de la producción agrícola, pecuaria, como de la transformación, la comercialización, la distribución, y de los proveedores de servicios e insumos y con la participación del Gobierno Nacional y/o los gobiernos locales y regionales (Congreso de Colombia, 2003).

Política nacional fitosanitaria y de inocuidad para las cadenas de frutas y de otros vegetales: Contiene los lineamientos de política que permitirán mejorar las condiciones fitosanitarias de las frutas y la inocuidad de la producción hortofrutícola con el fin de proteger la salud y vida de las personas, aumentar la competitividad y fortalecer la capacidad para obtener la admisibilidad de los productos en los mercados internacionales (Dirección de Desarrollo Rural Sostenible, 2008).

Resolución No. 3929 de 2013: Por la cual se establece el reglamento técnico sobre los requisitos técnicos sanitarios que deben cumplir las frutas y bebidas con adición de jugo (zumo) o pulpa de fruta o concertados de fruta, clarificados o no, o la mezcla de estos que se procesen, empaquen, transporten, importen y comercialicen en el territorio nacional (Congreso de Colombia, 2013).

Decreto No. 2333 de 1982: EI control sanitario de los vegetales, como frutas y hortalizas elaboradas, destinadas al consumo humano, deberá efectuarse por el Ministerio de Salud y los Servicios Seccionales de Salud, de acuerdo con las normas vigentes y con el objeto de evitar enfermedades vehiculizadas por estas (Congreso de Colombia, 1982).

Ley 101 de 1993: Proteger el desarrollo de las actividades agropecuarias y pesqueras, promoviendo el mejoramiento del ingreso y calidad de vida de los productores rurales (Congreso de Colombia, 1993).

44

CAPITULO III: DESARROLLO DE LA INVESTIGACIÓN 3.1. Cadenas productivas agrícolas en Colombia

El campo colombiano guarda un enorme potencial de riqueza, el cual exige el compromiso de todos los actores que hacen parte de este sector para explotar al máximo todos sus recursos y así poder dar un verdadero salto económico y social en las zonas rurales del país (Departamento de Planeación Nacional, 2010). Para el gobierno colombiano el sector agrícola es un motor de crecimiento para el país, sin embargo, este no es el rubro de mayor incidencia en la economía nacional, dado que para el año 2014 este representó el 6.6 % del producto interno bruto (ver Gráfica 6), el cual es superado por intermediación financiera, administración pública, comercio, industria manufacturera, construcción, minería y transporte y comunicaciones (Comisión Económica para América Latina y el Caribe, 2014). En cuanto al mercado laboral este representa un 16.2 % (ver Gráfica 7), ocupando el tercer puesto a nivel nacional, sobrepasado solo por el Comercio, hoteles y restaurantes y Servicios, comunales, sociales y personales (Asociación Nacional de Empresarios de Colombia, 2015).

Gráfica 6 Valor agregado del PIB por actividad económica a precios corriente.

Fuente: Autores basados en (Comisión Económica para América Latina y el Caribe, 2014).

Intermediación

Financiera

20%

Administración

publica

18%

Comercio

13%

Industria

manufacturera

12%

Construcción

10%

Minería

10%

Transporte y

comunicaciones

7%

Agricultura

6%

Electricidad, gas y

agua

4%

45

Gráfica 7 Mercado laboral según ramas de actividad año 2014.

Fuente: Autores basados en (Asociación Nacional de Empresarios de Colombia, 2015).

Con el propósito de asumir la creciente apertura comercial en un mundo globalizado, el

gobierno creó a mediados de los 90`s la política de cadenas agrícolas, para incentivar la creación de ventajas competitivas del sector. La ejecución de esta política ha estado a cargo de la dirección de las cadenas productivas del sector agropecuario y rural, con el fin de cumplir las siguientes funciones (Ministerio de Agricultura y Desarrollo Rural, 2014):

Coordinar con los organismos públicos competentes y actores del sector privado y de la

comunidad el desarrollo de los aspectos productivos del sector rural tales como crédito, asistencia técnica, comercialización, agroindustria e infraestructura.

Proponer y orientar mecanismos que articulen los eslabones de las diferentes cadenas productivo-comerciales y apoyar el desarrollo de la capacidad pública y privada para gestionar compromisos relacionados con el comercio de productos agropecuarios y pesqueros.

Velar por el cumplimiento de las políticas para el desarrollo productivo del sector campesino en los programas de Inversión que adelanten las entidades adscritas o vinculadas al Ministerio.

Sugerir y proponer planes y programas para propiciar la modernización y la diversificación productiva y el desarrollo empresarial de las zonas campesinas.

Identificar las limitantes y oportunidades de los productos agropecuarios, forestales y pesqueros, sugerir los renglones productivos a Impulsar y coordinar los programas respectivos para su implementación.

Velar para que los fondos parafiscales cumplan su objetivo frente al Sector Agropecuario, Forestal y Pesquero, conforme a las normas y disposiciones vigentes.

Promover los programas a su cargo, buscando potenciar los recursos, mediante alianzas o esquemas de cooperación entre el Estado, la comunidad y el sector privado.

Presentar a consideración del Viceministro, en el mes de diciembre de cada año, una evaluación relacionada con el cumplimiento de los objetivos propuestos y un programa anual de actividades a desarrollar por el área de su competencia en el año inmediatamente siguiente.

Las demás que le sean asignadas y que correspondan a la naturaleza de la dependencia.

Comercio,

hoteles y

restaurantes

27%

Servicios, comunales,

sociales y personales

20%Agricultura

16%

Industria

manufacturera

12%

Transporte,

almacenamiento y

comunicaciones

8%

Actividades

inmobiliaria y

servicios a las

empresas

7%

Construcción

6%

Intermediación financiera

2% Minería

1%

Electricidad, gas y

agua

1%

Mercado laboral según ramas de actividad año 2014

46

Durante el desarrollo de esta política se han implementado un marco de estrategias, las cuales cuentan con el incentivo de programas a nivel micro con el objetivo de estimular comités regionales en los principales focos productivos agrícolas a nivel nacional. Estos comités serán quienes formen cadenas agrícolas competitivas e inclusivas socialmente, ya que generarán la participación de diversos actores locales, involucrados en actividades de producción y comercialización. A continuación se muestra la Ilustración 7, la constitución del marco de organizaciones de cadena en Colombia (Parra, Miller, & Lundy, 2012).

Ilustración 7 Organigrama típico de una organización de cadena.

Fuente: Autores basados en (Parra, Miller, & Lundy, 2012).

Del mismo modo en Colombia, mediante la Ley 811 de 2003 se crean las Organizaciones

de Cadena en el Sector Agropecuario, Forestal, Acuícola y Pesquero, cadenas constituidas a nivel nacional, a nivel zonal o región productora, por producto o grupos de productos, gracias a la iniciativa de empresarios, gremios y organizaciones representativas en temas productivos, de transformación, de comercialización, de distribución, de los proveedores de servicios de insumos y en ultimo con la participación del gobierno Nacional y/o los gobiernos locales o regionales. De tal modo participando en la cadena si se han establecido los siguientes aspectos (Congreso de Colombia, 2003):

Mejora productiva. Desarrollo de bienes y factores de la Cadena. Disminución de los costos de transacción entre los distintos agentes de la Cadena. Desarrollo de alianzas estratégicas de diferente tipo. Mejora de la información entre los agentes de la Cadena. Vinculación de los pequeños productores y empresarios a la cadena. Manejo de recursos naturales y medio ambiente. Formación de recursos humanos. Investigación y desarrollo tecnológico.

Dejando por entendido mediante esta ley que Cadena es el conjunto de actividades que

se articulan técnica y económicamente desde el inicio de la producción y elaboración de un producto agropecuario hasta su comercialización final, de igual modo los acuerdos adoptados por la organización de cadena hacen referencia al Acuerdo de Competitividad. Las organizaciones de cadenas inscritas se constituyen como entes de investigación de Gobierno Nacional respecto a las orientaciones y medidas de política que les conciernen, así mismo serán de concertación permanente entre los distintos eslabones de las cadenas y entre estos y el gobierno (Congreso de Colombia, 2003).

Dirección de cadenas productivas

Concejo Nacional

Secretaria Tecnica Nacional

Comité o mesa temática

Comites Regionales

Secretarias Regionales

47

Para el caso de los acuerdos en una organización de cadena, relativos a un producto o grupo de productos específicos, orientados a regular el comercio, deberán constar por escrito y someterse a los principios, derechos y obligaciones que rigen la contratación, tal que los acuerdos de las organizaciones de cadena sean verificados por el Ministerio de Agricultura y Desarrollo Rural y el cumplimiento vigilado por la Superintendencia de Industria Y Comercio. Con fin de cumplir las actividades establecidas por la organización de cadena, se proveerán informes anuales de sus actividades que deben incluir (Congreso de Colombia, 2003):

Informe de actividades y las actas de las reuniones. Informe de ingresos y gastos. Balance de realizaciones y ejecución de los acuerdos.

Por parte de las organizaciones de cadena, estas financian su operación mediante la recepción de aportes de sus miembros, destinados a sufragar los costos de su funcionamiento. Aclarando que los fondos parafiscales que posean activos aptos para el desarrollo de las actividades necesarias para la realización del Acuerdo de Competitividad, o hayan desarrollado estudios o desarrollen actividades que generen información específica para los propósitos del mismo, podrán destinarlos a los fines de la Organización de Cadena (Congreso de Colombia, 2003).

De igual manera como se mencionaron las funciones de la Dirección de cadenas productivas, se muestran a continuación las funciones por parte de cada uno de los actores del organigrama típico de una organización de cadena (Parra, Miller, & Lundy, 2012):

Consejo Nacional: El órgano máximo de dirección y planeación de las organizaciones de cadena. Se encarga de desarrollar los “acuerdos de competitividad” y cumplir con los compromisos allí establecidos. Sus integrantes son elegidos por consenso; en representación de los eslabones de la cadena, sector primario, industria, comercio, servicios de consumo, y las instituciones públicas y/o privadas de apoyo como son ministerios, universidades, centros de investigación, centros de formación y capacitación, e invitados ocasionales y/u otros permanentes.

Secretarías Técnicas Nacionales (Regionales): Encargadas de coordinar, articular y gestionar el desarrollo de los planes y estrategias de acción de las organizaciones de cadena, según las orientaciones y mandatos de los consejos nacionales (regionales).

Comités regionales: Ubicados en importantes regiones productoras, reflejan la estructura y composición institucional del Consejo Nacional, pero con actores locales y objetivos regionales.

Grupos temáticos: Se encargan de convocar a expertos para abordar temas específicos, como las mejoras tecnológicas y el acceso a mercados.

Cabe aclarar que la existencia de una política de cadenas agrícolas no garantiza beneficios económicos sociales y ambientales debido a que la producción agrícola en Colombia es realizada en su mayoría por pequeños y medianos productores de economía campesina. Por lo tanto, el Ministerio de Agricultura y Desarrollo Rural entrega recursos económicos a cada una de las asociaciones de productores, para aportar asistencia técnica, capacitación y acompañamiento con el objetivo de garantizar los beneficios anteriormente mencionados (Tobasura & Ospina, 2010). Así mismo el aumento de la demanda mundial y el incremento en los precios de los alimentos, generará para los próximos años los siguientes restos para el sector agrícola Colombiano (Departamento de Planeación Nacional, 2010):

48

Disminución de los costos de producción, transformación y comercialización. Restitución de tierras a los productores desplazados. Aumentar la productividad general del sector. Permitir el acceso a la infraestructura, servicios financieros y nuevas tecnologías. Disminuir la pobreza y aumentar el nivel educativo en las zonas rurales del país. Generar una cultura para la gestión de los riesgos climáticos.

3.1.1. Cadena Hortofrutícola

Colombia es uno de los países con mayor potencial de expansión de tierras para uso agrícola en el mundo con más de 14 millones de hectáreas, de las cuales tan solo 4,4 están siendo debidamente utilizadas, así como uno de los países con mayor oferta de suelos y variedad de climas del mundo para el cultivo de frutas y hortalizas. Es necesario reconocer que Colombia es un país tropical con variedad de ecosistemas en donde se siembran más de 95 tipos de frutales y alrededor de 42 especies de hortalizas, entre los que se encuentran especies nativas, así como otras traídas de zonas ecuatoriales de otros continentes (PROCOLOMBIA, 2016).

De acuerdo a la Organización de las Naciones Unidas para la Alimentación y la

Agricultura-FAO, Colombia es el tercer país latinoamericano con mayor número de hectáreas cultivadas con frutales, desarrollando más de 236 mil nuevas hectáreas para la producción frutícola en los últimos 8 años. Además, cuenta con más de 100.000 hectáreas produciendo cerca de 1.8 millones de toneladas de hortalizas, lo que ubica a Colombia como el séptimo productor de Latinoamericana (Camara de Comercio de Duitama, 2013).

Las frutas y hortalizas colombianas, comparadas con otros países del sub-trópico, son

de mejor calidad en relación con las características organolépticas, principalmente con color, sabor, aroma y mayor contenido de sólidos solubles y grados Brix (PROCOLOMBIA, 2016). Por parte del Programa de Transformación Productiva se realizó la inclusión del sector Hortofrutícola como sector estratégico de transformación productivo de clase mundial en Colombia, otorgando oportunidades para fortalecer la competitividad, sanidad y crecimiento del sector (Programa de Transformación Productiva, 2013).

El Observatorio de Buenas Prácticas Agrícolas en las Cadenas Hortofrutícolas en el

Departamento de Boyacá da cuenta que la cadena Hortofrutícola se organizó en el año 2005, en Antioquia, Boyacá, Cundinamarca, Norte de Santander, Santander, Nariño y la Costa Caribe. Desde entonces se ha venido trabajando para impulsar el desarrollo de temas específicos, como son, la Investigación, la Transferencia Tecnológica, el fortalecimiento gremial y empresarial, la asistencia técnica, el valor agregado y la comercialización (Departamento Nacional de Planeación, 2007). La cadena hortofrutícola inicia con la producción de alimentos de origen agropecuario como los son las frutas frescas, vegetales y granos, hasta la distribución de alimentos frescos y la transformación en jugos, enlatados, mermeladas, compotas, pulpas y salsas (Departamento Nacional de Planeación, 2015), tal cual se especifica a continuación:

49

Producción: En esta etapa existen muchas actividades que son las que permiten llevar a buen término la producción de frutas y hortalizas. Una de ellas es la limpieza y adecuación del terreno, con lo cual se busca eliminar todo tipo de residuos y contaminantes y acondicionarlo según el tipo de cultivo que se haya seleccionado (sistema de riego, drenajes, niveles freáticos y labranza). Después de esta actividad se debe planificar y seleccionar los insumos adecuados para el cultivo, dentro de ellos esta los materiales químicos o biológicos que se necesitan para la adecuación de la semilla a la tierra, la mano de obra necesaria para cada una de las actividades posteriores, las herramientas de siembra y los materiales químicos y biológicos para el control y erradicación de las plagas. Finalmente, está todo dado para que se realice la siembra de la semilla, el cual debe hacerse bajo asistencia técnica de entidades como el SENA, ICA, CORPOICA y Ministerio de Agricultura y Desarrollo Rural (Camara de Comercio de Bogotá, 2006).

Cosecha: La cosecha es el proceso en donde se separa de la planta madre el segmento vegetal de interés (Organización de las Naciones Unidas Para Alimentación y Agricultura, 2003), el cual involucra diferentes actividades que tienen como fin proteger al segmento vegetal de cualquier cambio radical en su composición física y química durante y después el desprendimiento. Para estas actividades se deben contemplar el uso de artículos de apoyo al proceso como tijeras de podar, canastos de recolección y escaleras. Luego del desprendimiento, el segmento vegetal debe empacarse para crear una barrera contra agentes externos que puedan contaminarlo o dañarlo durante su permanencia en la cadena de suministro. Algunas frutas y hortalizas pierden su calidad en condiciones normales de ambiente, por lo que en algunos casos se debe garantizar una cadena de frio después del desprendimiento del producto (Camara de Comercio de Bogotá, 2006).

Procesamiento: En esta etapa se llevan procesos de trasformación de frutas y hortalizas para la generación de productos con mayor valor agregado, como lo son conservas, jugos, enlatados y pulpas. Uno de los procesos más utilizados es el tratamiento térmico, el cual consiste en pasteurizar el producto y se aplica dependiendo el tipo de envase y la vida útil requerida. En este tipo de procesos existen etapas cruciales que son las que garantizan la adecuada trasformación de las frutas y hortalizas, como los son la recepción, pelado, revisión e inspección, envasado y esterilización. Otro tipo de ellos son los procesos en frio, los cuales se pueden clasificar en almacenamiento refrigerado, almacenamiento congelado y ultra-congelación. Por ultimo sin importar que tipo de proceso se utilice para la transformación de frutas y hortalizas, generalmente el etiquetado es el último proceso donde se pretende dar una identificación al nuevo producto (Camara de Comercio de Bogotá, 2006).

Comercialización y Distribución: En este eslabón de la cadena hortofrutícola se reciben las frutas y hortalizas frescas y los nuevos productos obtenidos en los procesos de transformación previamente mencionados. Los centros de acopio y plazas de mercado son los principales distribuidores de las frutas y hortalizas frescas; allí llegan minoristas y consumidores finales a comprar todos los productos necesarios para su negocio o para su hogar. Desafortunadamente los espacios de recepción y almacenaje no son los más apropiados para la conservación de este tipo de alimentos. Con respecto a los productos procesados, los hipermercados y supermercados son quienes se encargan de distribuir este tipo de productos, ya que cuentan con grandes estanterías iluminadas e infraestructura para la conservación de los mismos, de esa manera el consumidor final percibe un mayor valor agregado. Otro tipo de distribución es la exportación a otros países, aunque cabe aclarar que esta actividad debe regirse por parámetros internacionales de comercio de alimentos (Camara de Comercio de Bogotá, 2006).

50

Actividades de Apoyo: Consiste en el sistema de transporte en cada uno de los eslabones de la cadena y el soporte tecnológico con los que los actores de la cadena cuentan para desarrollar su trabajo. La principal función de estas actividades es brindar el apoyo necesario para desarrollar una estrategia encaminada al mejoramiento y fortalecimiento de la cadena hortofrutícola, como por ejemplo el software especializado optimiza el flujo de bienes dentro de la cadena gracias a que permite una gestión de inventarios, compras, almacenamiento y transporte (Camara de Comercio de Bogotá, 2006).

A continuación, se encuentra un resumen de cómo está conformada y articulada la

cadena hortofrutícola en Colombia mediante la Ilustración 8, en el centro se encuentran las

actividades principales que se describieron anteriormente, en la parte superior están los

insumos que se necesitan para realizar esa actividad y en la parte inferior se encuentran

actividades secundarias que hacen parte del proceso (Camara de Comercio de Bogotá,

2006).

Ilustración 8 Configuración genérica de la Cadena Hortofrutícola.

Fuente: Autores basados en (Camara de Comercio de Bogotá, 2006).

51

Por parte de la producción de frutas y hortalizas se observa un crecimiento del 1% anual, tasa que se encuentra en mejor posición frente al sector agrícola, el cual creció con un respectivo 0,3%. De este modo, se muestra una generación de empleo para el sector Hortofrutícola para el año 2011 de 532 mil empleos directos y 1303 mil empleos indirectos, por lo que después del café y la caña panelera, la Hortofrutícola se ubicó como el renglón que más aporta a la generación de empleo por ser altamente intensivo en el uso de la mano de obra. (Red de Información y Comunicación del Sector Agropecuario Colombiano, 2014)

Derivado a la creación de la cadena Hortofrutícola, se propone realizar un modelo para

el mejoramiento de la competitividad y la producción del sector Hortofrutícola que se formalizó en el Plan Nacional de Fomento Hortofrutícola 2012-2022. Este plan tiene como objetivo principal mejorar la competitividad y la productividad del sector hortofrutícola, a través del desarrollo de un nuevo modelo organizacional gremial, que permita en primer lugar, el acceso oportuno a los servicios productivos, en particular: asistencia técnica y transferencia de tecnología, financiación, información, capacitación empresarial a los productores hortofrutícolas vinculados y en segundo lugar el incremento en el recaudo de la Cuota Parafiscal (Asociación Hortofrutícola de Colombia, 2012).

No obstante al panorama que presenta el sector hortofrutícola desde un punto de vista

esperanzador, este no es indiferente al momento de enfrentar nuevos retos y problemas como limitantes que han sido identificados por asociaciones colombianas y a su vez han sido clasificados en cuatro categorías (Gobierno del Valle del Cauca, 2013): Limitantes a nivel de la producción:

o Alto grado de dispersión y atomización de los productores, sumado a un bajo nivel de tecnificación.

o Carencia de paquetes tecnológicos que garanticen una oferta confiable y consistente en calidad, cantidad y precios.

o Carencia y bajo uso de material vegetal certificado. o Bajo nivel de empresarización y asociatividad. o Falta de implementación de normas de competencia laboral. o Alto nivel de intermediación en la Comercialización. o Existencia de Plagas y enfermedades de importancia cuarentenaria que impiden el

acceso a los mercados internacionales. Limitantes a nivel de transformación:

o Limitada capacidad de procesamiento de frutas y hortalizas en el país. o Bajo nivel de implementación de tecnologías apropiadas. o Desarrollo de productos con mayor valor agregado.

Limitantes a nivel de comercialización:

o Ausencia de redes de frío. o Baja disponibilidad de producto con oferta exportable. o Carencia de un sistema eficaz de inteligencia de mercados que permita establecer

vínculos reales entre productores y compradores en el mercado local y externo. o Altos costos de la operación logística de distribución (exceso de intermediarios). o Bajo consumo per cápita en Colombia de productos procesados de frutas y hortalizas.

52

Limitantes de variables externas: o La introducción de nuevos países emergentes con oferta de frutas y hortalizas en las

variedades que produce Colombia. o Limitado acceso al crédito para actividades agropecuarias (garantías). o Baja disponibilidad de recursos para la promoción de productos frutícolas en el

exterior. o Servicios de información especializada en frutas y hortalizas, especialmente en las

áreas de calidad, información y asesoría empresarial. o Los retos del cambio climático. Dadas las limitaciones mencionadas por las Asociaciones colombianas, el gobierno

busca que estos tengan especial atención y resueltos en el largo plazo del Plan Nacional de Fomento Hortofrutícola 2012 – 2022, fundado siempre sobre el objetivo de mejorar la competitividad y la productividad del sector Hortofrutícola a través del cumplimiento de 16 objetivos específicos que orientaran el proceso hacia el cumplimiento del plan (Asociación Hortofrutícola de Colombia, 2012).

Para el sector Hortofrutícola en Colombia existen diversas entidades a nivel nacional e

internacional, que orientan sus actividades hacia el fomento del desarrollo rural y la competitividad del sector hortofrutícola colombiano, estas incidiendo por medio de proyectos, programas e iniciativas que aporten al mejoramiento de la calidad de vida de la población rural y que del mismo modo estas brinden mejores comodidades económicas a nivel nacional (Cárdenas & Cruz, 2014). Bajo este punto, se observa que cada entidad desempeña un rol distinto, en el que se delimitan sus responsabilidades y acciones. En tal sentido se enmarcan algunas de las entidades con mayor representatividad a nivel nacional e internacional:

Organización de las Naciones Unidas para la Alimentación y la Agricultura – FAO: Esta

es una organización intergubernamental, con presencia a nivel mundial en 194 países miembros, dos asociados y una organización miembro, la Unión Europea (Organización de la Naciones Unidas para Alimentacion y Agricultura, 2016). Las actividades desarrolladas por esta entidad se orientan hacia el logro de la seguridad alimentaria para toda la población mundial y el acceso regular de alimentos en condiciones adecuadas de calidad. En este sentido la FAO posee como mandato mejorar la nutrición, aumentar la productividad agrícola, elevar el nivel de vida de la población rural y contribuir al crecimiento de la economía mundial. Las estrategias que infunde la FAO a nivel mundial, se encaminan hacia el logro de diversos objetivos que formen un impacto positivo para el sector Agrícola en el ámbito global (Organización de la Naciones Unidas para Alimentacion y Agricultura, 2016):

o Ayudar a eliminar el hambre, la inseguridad alimentaria y la malnutrición. o Hacer que la agricultura, la actividad forestal y la pesca sean más productivas y

sostenibles. o Reducir la pobreza rural. o Fomentar sistemas agrícolas y alimentarios integradores y eficientes. o Incrementar la resiliencia de los medios de vida ante las catástrofes.

53

Ministerio de Agricultura y desarrollo Rural – MADR: Como uno de los entes reguladores del gobierno el Ministerio de Agricultura y Desarrollo Rural es el encargado de la formulación y evaluación de políticas nacionales encaminadas a fomentar el desarrollo competitivo, sostenible y equitativo de los procesos agropecuarios forestales, pesqueros y de desarrollo rural, con criterios de descentralización, concertación y participación, que generen un mejor nivel y calidad de vida de la población colombiana (Ministerio de Agricultura y Desarrollo Rural, 2016).

Asociación Hortofrutícola de Colombia – ASOHOFRUCOL: Entidad constituida a partir del año 1995 la cual tiene como pilar el fortalecer y dinamizar el desarrollo del subsector de frutas y hortalizas de Colombia, siendo de este modo, una asociación sin ánimo de lucro y derecho privada (Asociación Hortofrutícola de Colombia, 2015).

Esta es una de las entidades con mayor influencia a nivel nacional, por sus funciones de representar y asociar productores, personas naturales y jurídicas las cuales estén dentro del rol productivo de las frutas y hortalizas. Esto siendo posible mendicante comités regionales, localizados en alrededor de 400 municipios a nivel nacional. Con el fin de promover el desarrollo y la competitividad del sector hortofrutícola colombiano, esta entidad realiza actividades como (Asociación Hortofrutícola de Colombia, 2015):

o Representar y defender los intereses del productor de frutas y hortalizas de Colombia. o Administrar los recursos del FNFH, recaudando la cuota de fomento y cofinanciando

planes, programas y proyectos en beneficio del subsector. o Formular, ejecutar y apalancar proyectos de cooperación nacional e internacional. o Fomentar el Desarrollo y modernización del Subsector. o Promocionar la inversión en el sector hortofrutícola. o Generar y difundir conocimiento mediante la investigación, educación y transferencia

de tecnología.

Instituto Colombiano Agropecuario – ICA: Entidad pública de Orden Nacional con personería jurídica, autonomía administrativa y patrimonio independiente, perteneciente al sistema Nacional de Ciencia y Tecnología, adscrita al Ministerio de Agricultura y Desarrollo Rural. Entidad con presencia en todo el territorio nacional mediante sus 32 seccionales, encargadas de diseñar y ejecutar estrategias de prevención, reducción y control de riesgos sanitarios, biológicos y químicos para las especies animales y vegetales, que permitan un mejoramiento de la competitividad agropecuaria, siendo este un aporte para el logro de los objetivos de la Apuesta Exportadora de Colombia (Instituto Colombiano Agropecuario, 2016).

Destacando que esta entidad se responsabiliza de los convenios de acuerdos sanitarios y fitosanitarios bilaterales o multilaterales que permiten la comercialización de los productos agropecuarios en el exterior y mediante los cuales se busca garantizar el crecimiento de las exportaciones, por medio del aseguramiento de la calidad de los insumos agrícolas y de las semillas utilizadas en Colombia (Instituto Colombiano Agropecuario, 2016).

Corporación Colombiana de Investigación Agropecuaria – CORPOICA: Entidad originaria del Ministerio de Agricultura y Desarrollo Rural contando con una participación mixta sin ánimo de lucro, de carácter científico y técnico, teniendo como objetivo es desarrollar y ejecutar actividades de Investigación, Tecnológica y transferir procesos de Innovación tecnológica al sector agropecuario. Contando a su vez con 15 centros de investigación que brindan al sector productivo una serie de productos tecnológicos

54

encaminados a generar cambio técnico y mejorar la competitividad (Corporación Colombiana de Investigación Agropecuaria, 2009).

3.1.2. Cadena productiva de la Mora. La Mora (Rubus glaucus) es una fruta que viene de una planta de vida productiva mayor

a dos años (perenne), arbustiva, de porte semierecto, con tallos rastreros y espinosos que emergen de la base de la planta formando macollas y cuenta tres tipos de tallos, machos hembras y látigos. El fruto es un conjunto de drupas (Fruto carnoso con una semilla en su interior) pequeñas y puede ser de varios tamaños y colores que van desde rojo hasta purpura cuando alcanza la madurez. Este cultivo se adapta a diferentes alturas sobre el nivel del mar, desde 1.800 a 2.400 metros con temperaturas que van desde 11° a 18° C, con un promedio de humedad de ambiente de 70 a 80% de humedad y un rango de precipitación de 1.200 a 1.700 milímetros anuales. En el Anexo II se encuentra la ficha técnica de la fruta con cada una de sus características y la descripción de la planta y el fruto. (Camara de Comercio de Bogotá, 2015).

En Colombia, los cultivos de Mora son de economía campesina, principalmente ubicados

en los departamentos de Cundinamarca, Santanderes, Antioquia, Huila, Caldas, Quindío, Risaralda, Tolima, Valle, Cauca y Nariño. La Mora es una fruta que brinda la capacidad de aportar nutrientes con alto valor nutricional para el consumo humano, siendo un alimento funcional y nutracéutico, favoreciendo de tal manera algunos aspectos de la salud. Contiene propiedades antioxidantes y valor agregado al ser transformada en otros productos de manera competitiva; factor de relevancia gracias a la tendencia hacia el consumo de productos naturales con beneficios nutricionales y funcionales (Asociación Hortofruticola de Colombia, 2014).

Dada la posición geografía de Colombia, en la franja de producción de Mora no se

presentan variedades dulces, sino aproximadamente 500 Eco-tipos diferentes que se conocen con distintos nombres (Hartona, Ranchona, Guarne, Pácora, San Antonio, Bogotana, Pantanillo, Castilla, la “sin espinas”, etc.). Pero sí se posee, en el país aproximadamente 4 bancos de germoplasma, pero como no se han evaluado, no se han obtenido variedades ni híbridos. Sin embargo, no es que se necesiten tantos nuevos materiales como sí identificar bien los existentes desde el punto de vista organoléptico y molecular, para comenzar a sacar variedades e híbridos superiores y así poder salir al exterior trabajando fuertemente las Buenas Prácticas Agrícolas (BPA) (Asociación Hortofruticola de Colombia, 2014).

La cadena de Mora en Colombia se conforma por los productores moreros asociados,

comercializadores, centros de investigación, industrias y entidades de apoyo. La creación de la Cadena de la Mora y su agroindustria se realiza por solicitud de los propios agricultores y agroindustriales del país, se nombra el 16 de julio del 2010 en las instalaciones del Sena Buga Valle del Cauca. La Constitución del Consejo Nacional de la Cadena de Mora y la conformación del Comité Técnico por Mesas Temáticas se crea el 27 de Octubre 2010 en las instalaciones del Comité de Cafeteros de Risaralda y actualmente está dinámicamente activa y operando (Ministerio de Agricultura y Desarrollo Rural, 2016).

55

En la cadena de Mora, se encuentran diferentes canales de comercialización de Mora de donde, áreas economías totalmente activas trabajan de manera mancomunada desde que, el fabricante coloca sus productos o servicios hasta que está en manos del consumidor final. Aquí los elementos claves radican en la transferencia del derecho o propiedad sobre los productos y su traslado físico, como se observa en la Ilustración 9. En este caso, se tiene que los productores distribuyen su producto a los productores organizados o asociaciones y a los acopios, de este modo los productores organizados envían a puntos como los mayoristas, la industria o la exportación, donde se puede afirmar que la mayor parte de la producción es direccionada a la agroindustria, por el otro lado los acopios mercantilizan el producto a los mayoristas o lo exportan, no envían a la industria dado que está apoya a las asociaciones, dado que fomenta el aumento del precio de la fruta (Ministerio de Agricultura y Desarrollo Rural, 2016).

Ilustración 9 Canales de Comercialización de Mora.

Fuente: Autores basados en (Ministerio de Agricultura y Desarrollo Rural, 2016).

El Consejo cuenta con la participación de Asociaciones: ASOHOFRUCOL,

ASOFAMORA, Moras de Oriente, FRUSAN, ASOMOREROS, APROFRUSA, APROMORA, ASOGRIM, ASOCOMORE. Industrias: PROJUGOS S.A., Panamericana de Alimentos, Listo y Fresco, FRUCONGSA. Centros de Investigación: Universidad Nacional, CIAT, CORPOICA, UNISARC, UTP, Universidad Católica de Oriente. Comercializadores: Supermercados Cañaveral, José Ignacio Jiménez, Freddy Castillo, Carlos Suarez, John González. Entidades de Apoyo: CCI, Comité de Cafeteros de Risaralda, ICA, SENA, CVC (Ministerio de Agricultura y Desarrollo Rural, 2016).

La cadena de Mora cuenta con acuerdo de competitividad y está en proceso de

inscripción ante el Ministerio de Agricultura y Desarrollo Rural desde el 2014, en el momento se encuentra en trámite ante el Ministerio de Agricultura y Desarrollo Rural bajo las condiciones de la Ley 811 de 2003. Las regiones del país donde se ha venido impulsando el desarrollo de la cadena son: Valle, Cauca y Nariño; Caldas, Quindío y Risaralda; Huila; Cundinamarca, Boyacá y Tolima; Santander y Norte de Santander; Antioquia (Ministerio de Agricultura y Desarrollo Rural, 2016).

La Cadena está fortalecida principalmente por los agricultores asociados de las zonas

productoras mencionadas anteriormente y la agroindustria como aliado comercial que consume el 60% de la producción nacional, la cadena hace presencia en 23 departamentos donde se produce esta fruta, pero cuenta con (Ministerio de Agricultura y Desarrollo Rural, 2015):

56

5 Consejos regionales: (Cundinamarca, Boyacá y Tolima), (Valle, Cauca, Huila y Nariño),

(Antioquia), (Santander y Norte de Santander), (Caldas, Quindío y Risaralda). Se tienen 2 mesas temáticas: (Investigación y Transferencia de Tecnología) y (Mesa de

Mercado y Comercialización) como se observa en las Tabla 2 y Tabla 3.

Tabla 2 Mesas temáticas regionales.

Región Nombre Mesa Eslabón Entidad Representantes

Valle del Cauca

Plan de Registro, Zonificación, Censo y Certificación.

Entidades Públicas de Apoyo

SENA, ICA, Secretaria de Agricultura

SENA

Valle del Cauca

Investigación de Producción y Transferencia de tecnología

Entidades Públicas de Apoyo

UNAL, Secretaria de Agricultura

UNAL: Jaime Eduardo Muñoz

Valle del Cauca

Mercado Agro-industrializado y Fomento

Entidades Públicas de Apoyo

Secretaria de Agricultura, UNAL, SENA, Listos y Frescos

SENA

Valle del Cauca

Ambiental Entidades públicas de Apoyo

SENA, Secretaria de Agricultura, UNAL, CVC, ASOCOMORE, SYNGENTA, CAOSMOSIS

CVC

Cundinamarca Plan de Registro, Zonificación, Censo y Certificación.

Entidades públicas de Apoyo

SENA, ICA, ASOHOFRUCOL, Cámara de Comercio, FRUSAN, MEGA

FRUSAN

Cundinamarca Mercado Agro-industrializado y Fomento

Entidades públicas de Apoyo

SENA, FRUSAN, PROMOCAR, ECAS, FRUTIPAZ, RICH, FRUIT, ASOHOFRUCOL, UMATA

FRUSAN

Santander Plan de Registro, Zonificación, Censo y Certificación.

Entidades públicas de Apoyo

ICA, ASOHOFRUCOL ASOHOFRUCOL

Santanderes Mercado Agro-industrializado y Fomento

Entidades públicas de Apoyo

SENA, ASOHOFRUCOL, ASOMOREROS, ASOMOCRI

ASOMOREROS

Santanderes Ambiental Entidades públicas de Apoyo

Secretaria Ambiental, SENA, ASOMOREROS

Mariano Suarez

Valle del Cauca

Investigación de Producción y Transferencia de tecnología

Entidades públicas de Apoyo

CIAT, BIOTEC, ASOFAMORA, CAOSMOSIS

UNAL

Cundinamarca

Investigación de Producción y Transferencia de tecnología

Entidades públicas de Apoyo

UNAL, CORPOICA, FRUSAN, PROMOCAR, UMATA, ASOHOFRUCOL, SENA

CORPOICA

Cundinamarca Ambiental Entidades públicas de Apoyo

CAR, UNAL, UDEC, SENA, FRUSAN

MEGA

Santanderes

Investigación de Producción y Transferencia de tecnología

Entidades públicas de Apoyo

UPB, UNAL, CORPOICA, SENA, ASOMOREROS, ASOMOCRI, UMATA

ASOMOREROS

Fuente Autores basados en (Ministerio de Agricultura y Desarrollo Rural, 2015).

57

Tabla 3 Mesas temáticas nacionales.

Mesa Región Eslabón Entidad Representante

Ambiental Nacional Entidades Públicas de apoyo

SENA Gildardo Hincapié - Julio Alfonso Viyoga - Pedro Zapata

Ambiental Nacional Entidades Públicas de apoyo

ASOHOFRUCOL José Maya

Ambiental Nacional Sector Primario

ASOFAMORA - MORAS DEL ORIENTE -FRUSAN - ASOMOREROS - APROMORA

Olmer Sánchez - Jairo Patino - Rigoberto Morales - Ovidio Hernández

Ambiental Nacional Sector Primario Fundación Campo verde John Jairo Gonzales

Ambiental Valle del Cauca

Entidades Públicas de apoyo

SENA, Secretaria de Agricultura, UNAL, CVC, ASOCOMORE, SYNGENTA, CAOSMOSIS

CVC

Ambiental Cundinamarca Entidades Públicas de apoyo

CAR, UNAL, UDEC, SENA, FRUSAN

MEGA

Ambiental Santanderes Entidades Públicas de apoyo

Secretaria Ambiental, SENA, ASOMOREROS

Mariano Suarez

Investigación de la Producción y Transferencia (Mejoramiento, Fisiología y Fitosanidad)

Nacional Entidades Académicas de Apoyo

Universidad nacional de Colombia

Jaime Eduardo Muñoz

Investigación de la Producción y Transferencia (Mejoramiento, Fisiología y Fitosanidad)

Nacional Entidades Académicas de Apoyo

Universidad católica de oriente

Dagoberto castro

Investigación de la Producción y Transferencia (Mejoramiento, Fisiología y Fitosanidad)

Nacional Entidades Privadas de apoyo

CIAT Alonso Gonzales

Investigación de la Producción y Transferencia (Mejoramiento, Fisiología y Fitosanidad)

Nacional Entidades Públicas de apoyo

CORPOICA LA SELVA Y PALMIRA

Jorge Bernal - Gerardo Salcedo

Investigación de la Producción y Transferencia (Mejoramiento, Fisiología y Fitosanidad)

Nacional Entidades Académicas de Apoyo

Universidad Tecnológica de Pereira

Martha Marulanda

Investigación de la Producción y Transferencia (Mejoramiento, Fisiología y

Nacional Entidades Académicas de Apoyo

UNISARC Mónica Betancourt

58

Fitosanidad)

Investigación de la Producción y Transferencia (Mejoramiento, Fisiología y Fitosanidad)

Nacional Sector Primario ASOFAMORA Olmer Sánchez

Investigación de la Producción y Transferencia (Mejoramiento, Fisiología y Fitosanidad)

Nacional Sector Primario FRUSAN Rigoberto Morales

Investigación de la Producción y Transferencia

Santanderes Entidades Privadas de apoyo

UPB, UNAL, CORPOICA, SENA, ASMOREROS, ASOMOCRI, UMATA

ASOMOREROS

Investigación de la Producción y Transferencia

Valle del Cauca

Entidades Públicas de apoyo

UNAL, Secretaria de Agricultura

UNAL: Jaime Eduardo Muñoz

Investigación de la Producción y Transferencia

Valle del Cauca

Entidades Privadas de apoyo

CIAT, BIOTEC, ASOFAMORA, CAOSMOSIS

UNAL

Investigación de la Producción y Transferencia

Cundinamarca Entidades Privadas de apoyo

UNAL, CORPOICA, FRUSAN, PROMOCAR, UMATA, ASOHOFRUCOL, SENA

CORPOICA

Investigación de la Producción y Transferencia

Nacional Entidades Privadas de apoyo

CCI Adriana Senior - William Lizarazo

Mercado, Agro-industrialización

Nacional Entidades Públicas de apoyo

SENA Gildardo Hincapié - Julio Alfonso Viyoga - Pedro Zapata

Mercado, Agro-industrialización

Nacional Entidades Privadas de apoyo

Comité de Cafeteros José Hernández

Mercado, Agro-industrialización

Nacional Industria o Transformación

POSTOBON Luisa Lezama - Vianney Alzate

Mercado, Agro-industrialización

Nacional Entidades Privadas de apoyo

ASOHOFRUCOL José Maya - Olmer Sánchez

Mercado, Agro-industrialización

Nacional Sector Primario ASOFAMORA, FRUSAN, MORAS DE ORIENTE, APROFRUSA

Olmer Sánchez - Rigoberto Morales - Jairo Patiño - Jorge Luis Muñoz

Mercado, Agro-industrialización y Fomento

Valle del Cauca

Entidades Públicas de apoyo

Secretaria de Agricultura, UNAL, SENA, Listos y Frescos

SENA

Mercado, Agro-industrialización y Fomento

Cundinamarca Entidades Públicas de apoyo

SENA, FRUSAN, PROMOCAR, ECAS, FRUTIPAZ, RICH, FRUIT, ASOHOFRUCOL, UMATA

FRUSAN

Mercado, Agro-industrialización y Fomento

Santanderes Entidades Públicas de apoyo

SENA, ASOHOFRUCOL, ASOMOREROS, ASOMOCRI

ASOMOREROS

Plan de Registro, Zonificación, Censo, y Certificación

Nacional Entidades Privadas de apoyo

ASOHOFRUCOL José Maya

59

Plan de Registro, Zonificación, Censo, y Certificación

Nacional Entidades Públicas de apoyo

CORPOICA ANTIOQUIA, VALLE

German Franco, Gerardo Salcedo

Plan de Registro, Zonificación, Censo, y Certificación

Nacional Entidades Públicas de apoyo

ICA Ana Milena Caicedo - Gustavo Escobar - Larrea

Plan de Registro, Zonificación, Censo, y Certificación

Nacional Entidades Académicas de Apoyo

Universidad nacional de Colombia

Herney Darío Vásquez - Jaime Eduardo Muñoz

Plan de Registro, Zonificación, Censo, y Certificación

Nacional Entidades Privadas de apoyo

CIAT Alonso Gonzales

Plan de Registro, Zonificación, Censo, y Certificación

Valle del Cauca

Entidades Públicas de apoyo

SENA, ICA, Secretaria de Agricultura

SENA

Plan de Registro, Zonificación, Censo, y Certificación

Cundinamarca Entidades Públicas de apoyo

SENA, ICA, ASOHOFRUCOL, cámara de comercio, FRUSAN, MEGA

FRUSAN

Plan de Registro, Zonificación, Censo, y Certificación

Santander Entidades Públicas de apoyo

ICA, ASOHOFRUCOL ASOFRUCOL

Fuente Autores basados en (Ministerio de Agricultura y Desarrollo Rural, 2015).

En Investigación se estructura y se crea la Agenda de Ciencia y Tecnología e Innovación

donde está actualizada hasta el 2015.

Como se muestra en la Ilustración 10, el Ministerio de Agricultura y Desarrollo Rural es el ente regulador de la cadena de Mora con la representación de las secretarias agrícolas frente a sus cinco (5) divisiones como lo son productores, entidades de apoyo, centros de apoyo, industria y técnicos, profesionales, tal modo presenta a los actores de la cadena de la Mora con gremios como ASOHOFRUCOL y comercializadores (Ministerio de Agricultura y Desarrollo Rural, 2016).

Ilustración 10 Actores de la cadena de Mora.

Fuente: Autores basados en (Ministerio de Agricultura y Desarrollo Rural, 2016).

60

La visión de la cadena es una cadena de Mora con desarrollo sostenible, empresarial, competitividad, con equidad, desarrollo social, con mercados estables y acorde con el medio ambiente (Ministerio de Agricultura y Desarrollo Rural, 2016). Mediante la reciente creación de la cadena de Mora, se toman puntos de mayor relevancia en el propósito de cumplir o resolver de manera integral los principales problemas que le aquejan, que son muchos y de variada naturaleza. De este modo, la realidad que se presenta no se compadece con la economía campesina ni con las grandes perspectivas que ofrece, especialmente en el campo de la industrialización. Pero en Colombia, la Mora está huérfana de muchas cosas y es así como en la franja que va de los 1.700 a los 2.500 metros sobre el nivel del mar se encuentra trasladada o amenazada en diferentes ubicaciones geográficas a nivel Nacional porqué la amapola se ha convertido en alternativa económica para los campesinos (Asociación Hortofruticola de Colombia, 2014).

La cadena de Mora dispuso el ingeniero agrónomo y con especialidad en frutales, Carlos

Humberto Escobar Torres, como secretario técnico nacional de la cadena de Mora, quien resume las debilidades que se presentan al momento de tener un cultivo de Mora, así (Asociación Hortofruticola de Colombia, 2014): Dispersión de la producción Deficientes organizaciones de productores Excesiva intermediación Escasez de recurso humano capacitado (técnicos) Falta de investigación, transferencia, capacitación y fomento Falta de oportunidades de mercados nacionales e internacionales Poco interés de procesadoras y almacenes de cadena en formalizar alianzas de mercado Dificultades para obtener crédito y asistencia técnica

Además de las anteriores afirmaciones por parte del secretario técnico nacional de la

Cadena, Carlos Escobar, se muestra una amplia brecha tecnológica en el área de los cultivos frente a lo esperado, campo en el cual todo está por hacer y proponer, dado que, aún no se cuenta con un paquete tecnológico, razón que obliga a los productores a utilizar productos y prácticas propias de otras frutas o bien de otro tipo de cultivos como las flores. Sumándose de igual manera, la falta de técnicos especialistas en Mora, según afirma el Ingeniero Carlos Escobar, no existen en Colombia más de cuatro (4) expertos y estos están ubicados en Cundinamarca, Antioquia, Eje Cafetero y Valle, problema que se espera resolver con la capacitación de talento humano para así levar conocimiento a la mayor parte de cultivadores de Mora (Asociación Hortofruticola de Colombia, 2014).

Sin importar las dificultades que se presentan en la etapa de producción se afirma que

la Mora es un cultivo campeón gracias a la demanda que generan sus consumidores; estos sin tener algún tipo de distinción social, por tanto la Mora se industrializa y tiene potencial exportador (Asociación Hortofruticola de Colombia, 2014).

En el sector industrial se encuentran las apuestas de los agricultores, dado que este es

el primer comprador de la cosecha nacional, a través de contratos de suministro, sin perder el rumbo de crear un esquema “gana-gana”, que genere la expansión y modernización del cultivo de Mora. Explicando el Ingeniero Carlos Escobar la importancia de un dialogo con la Industrias y Asociaciones, para definir estrategias, basados en estrategias exitosas y que fueron apartadas cuando las empresas cambiaron de dueño. Dejando así, a la cadena de la Mora con oportunidades propias de la Mora, entre las que se mencionan: producción

61

nacional permanente, amplio potencial de consumo, vocación hacia el cultivo y posibilidades de agro-industrialización (jugos, néctares, mermeladas, refrescos, helados, pulpas, compotas, etc.) (Asociación Hortofruticola de Colombia, 2014).

Para el caso de la cadena a nivel nacional para el año 2015, se demuestra en la Tabla

4, que la Mora ha presentado un crecimiento de 14.77 % del área sembrada desde el 2012 al 2015 y del 15.13 % en producción en ese mismo periodo, pero además se redujeron los rendimientos en un 2.56 % esto debido a los fenómenos naturales presentados en el transcurso del año, eventos más específicamente como, cambio climático (el Niño y la Niña) de igual manera mostrado en la Gráfica 8 (Ministerio de Agricultura y Desarrollo Rural, 2016).

Gráfica 8 Área, Producción y Rendimiento de la Mora en Colombia.

Fuente: Autores basados en (Mnisterio de Agricultura y Desarrollo Rural, 2016).

Tabla 4 Área, Producción y Rendimiento de la Mora en Colombia.

Variable 2012 2013 2014 2015

Área (ha) 13.432 14.135 15.669 15.417

Producción (Ton) 100.953 105.285 115.884 116.231

Rendimiento (Ton/Ha) 7.4 7.13 8.81 7.21

Fuente: Autores basados en (Mnisterio de Agricultura y Desarrollo Rural, 2016).

Las anteriores cifras son mayormente representadas por los departamentos de

Cundinamarca, Santander y Antioquia, con el 52% del total de área y el 57.3% de la producción de Mora sembrada del país y presentan unos rendimientos promedios de 8 Ton/Ha/Año. Esto gracias a los apoyos en transferencia de tecnología aplicada en las convocatorias y convenios desarrollados por el Ministerio de Agricultura y Desarrollo Rural y ASOHOFRUCOL donde los productores de Mora han aplicado estas prácticas, a pesar de los diferentes eventos como cambio climático como el Niño y la Niña actualmente. Pero se está dando que en el 2016 las producciones se mantienen y pueden darse a la disminución de las producciones y principalmente en los rendimientos de producción del cultivo, según es mostrado en la Tabla 5 y apoyado con las Gráfica 9 y Gráfica 10 así (Ministerio de Agricultura y Desarrollo Rural, 2016):

0

20000

40000

60000

80000

100000

120000

140000

160000

0

20.000

40.000

60.000

80.000

100.000

120.000

140.000

2012 2013 2014 2015

Can

tid

ad

es

Años

Área (ha) Producción (Ton) Rendimiento (Ton/ha)

62

Gráfica 9 Área, Producción y Rendimiento de la Mora por Departamentos en 2014.

Fuente: Autores basados en (Mnisterio de Agricultura y Desarrollo Rural, 2016).

Gráfica 10 Área, Producción y Rendimiento de la Mora por Departamentos en 2015.

Fuente: Autores basados en (Mnisterio de Agricultura y Desarrollo Rural, 2016).

Tabla 5 Área, Producción y Rendimiento de la Mora por Departamentos en los años 2014 – 2015.

Departamentos Área (Ha) Producción (Tn) Rendimiento (Tn/ha)

2014 2015 2014 2015 2014 2015

Cundinamarca 3354 3344,3 25092,8 25482,3 7,3 7,331034

Santander 2342 2833,5 19478,3 23524,69 11.49 8,3056

Antioquia 1326,3 1571,3 13142,45 16536,3 6,928 7,87037

Huila 1332,5 1380,5 7406,125 7795,71 6,6 6,645161

Valle 876,4 868,1 4319,25 5058,2 5,6875 5,770833

Boyacá 930,47 912,14 6241,15 5905,25 8,333 8,15859

Nariño 1235,7 1291,7 5908,9 7085,6 4,734443 4,808812

N. Santand. 472 512,5 3505,7 4065,6 7,546667 7,793333

Risaralda 406,3 395,6 3970,7 2818,51 9,87 9,74

Cauca 466,9 530,9 1989,3 2248,7 5,423077 5,846154

Total 12742,57 13640,54 91054,675 100520,86 6,9 7,2

Fuente: Autores basados en (Mnisterio de Agricultura y Desarrollo Rural, 2016).

Debida la alta participación de estos departamentos se caracteriza las zonas de

producción a nivel nacional, donde se muestran los principales municipios productores de Mora, Área sembrada en el departamento, rendimiento de los cultivos a nivel departamental

0

5000

10000

15000

20000

25000

30000

Ca

ntid

ad

es

Departamento

Área (Ha) Producción (Tn) Rendimiento (Tn/ha)

05000

1000015000200002500030000

Can

tid

ad

es

Departamento

Área (Ha) Producción (Tn) Rendimiento (Tn/ha)

63

y mercado al que se distribuyen las cosechas, como se muestra en la Ilustración 11. De la participación de 23 departamentos en la producción de Mora se tienen 10 con mayor relevancia los cuales son (Ministerio de Agricultura y Desarrollo Rural, 2016):

Antioquia Boyacá Cauca Cundinamarca Eje Cafetero Huila Nariño Norte de Santander Santanderes Valle del Cauca

Con base a esta participación, se muestran el calendario de cosechas para los cultivos de Mora en el país, como se observa en la Tabla 6. En el momento, según afirma el secretario técnico nacional Carlos Escobar, la Mora está saliendo en pocos volúmenes en todos los departamentos de Colombia, no se presenta desabastecimiento, dado que esta se produce todo el año y se presentan dos (2) picos de oferta de fruta, sin embargo, se espera normalizar las épocas de alta producción para los municipios de Huila y Valle del Cauca, frente a las épocas de producción de Cundinamarca y Santander (Ministerio de Agricultura y Desarrollo Rural, 2016).

Tabla 6 Calendario de cosechas para el cultivo de Mora en el país.

Departamento Enero Febrero Marzo Abril Mayo Junio Julio Agosto Septiembre Octubre Noviembre Diciembre

Cundinamarca

Santander

Huila

Antioquia

Valle

Tolima

Risaralda

Caldas

Fuente: Autores basados en (Ministerio de Agricultura y Desarrollo Rural, 2016).

64

Ilustración 11 Caracterización de las zonas de producción a nivel nacional.

Fuente: Autores basados en (Ministerio de Agricultura y Desarrollo Rural, 2016).

65

En Colombia, se observa un relevante comportamiento de la balanza comercial para el mercado de la Mora, donde se observa que en el periodo transcurrido 2012 - 2015 se exporto más de los que se importó, caso que se puede observar en la Tabla 7. En el año 2012 la balanza comercial fue negativa a pesar de haber exportado más toneladas que las que importamos. El volumen exportado se ha incrementado en 150%, las importaciones se han incrementado en 90% en el mismo tiempo. La balanza comercial en el año 2015 fue positiva por dos razones por un incremento importante en las exportaciones y por una reducción del 17% en el costo de la tonelada importada (Ministerio de Agricultura y Desarrollo Rural, 2016).

Tabla 7 Balanza comercial para el mercado de la Mora en Colombia.

Países origen 2012 2013 2014 2015

Exportaciones totales

Toneladas 628 941 944 1583

Valor USD FOB Miles 1,701.9 2,587.7 2,614.1 4,213.2

Importaciones totales

Toneladas 354 398.2 447.7 678.9

Valor USD FOB Miles 2,494.1 2,805.2 3,116.3 3,992.7

Balanza comercial 792.27 217.50 502.25 220.42

Fuente: Autores basados en (Ministerio de Agricultura y Desarrollo Rural, 2016).

En cuanto a las exportaciones de Mora se presenta una disminución en 2012 con el

arancel 0811.20.00.00 con la descripción de Frambuesas, zarzamoras, moras, moras-frambuesa y grosellas, se ha dado por la calidad de la fruta, y por el aumento en la utilización de insumos agrícolas no permitidos por los mercados internacionales. (Trazas de pesticidas). Presentando exportaciones de Mora en Fresco, Congelado y Procesado. De otro lado se muestra un aumento de las exportaciones para el año 2015, como se muestra en la Tabla 8. Principalmente se han concentrado las exportaciones a países como EE.UU., España y Aruba, teniendo en cuenta la tendencia del mercado de la Mora basados en la inocuidad y calidad de la fruta (Ministerio de Agricultura y Desarrollo Rural, 2016).

Tabla 8 Exportación de Mora en Colombia.

Países destino 2012 2013 2014 2015

Alemania 0.03

Aruba 0.07

Australia 0.04 0.06 2,50

Antillas Holandesas 0.24

Chile 0.20

Corea Republica 6.50 7.60

España 3.76 0.15 7.60

Estados Unidos 16.40 24.80 9.74 41.3

Japón 4.10 0.84

Panamá 0.03 0.01 7.40

Puerto rico 0.01

Reino Unido 0.17 1.02

Rusia Federación 0.35 1.4 0.20 5.30

Suecia 0.12 1.73

Total 35.9 30.15 32.02 73.68

Fuente: Autores basados en (Ministerio de Agricultura y Desarrollo Rural, 2016).

66

Por parte de la importaciones de fruta se nota un incremento considerable en los últimos 4 años, según se muestra en la Tabla 9, en países como Chile, Estados Unidos y Bélgica en el 2015 se incrementaron en un 613%. Debido a que el fenómeno del niño, que está presente en Colombia, ha disminuido la producción y calidad de la Mora, por ende, el incremento en el valor de fruta frente a los requerimientos de algunas agroindustrias y almacenes de cadena (Ministerio de Agricultura y Desarrollo Rural, 2016).

Tabla 9 Importaciones de Mora en Colombia.

Países origen 2012 2013 2014 2015

Chile 15 66 26 70

Estados Unidos 0 5 11 24

Bélgica 0 0 4 13

Total 15 71 41 107

Fuente: Autores basados en (Ministerio de Agricultura y Desarrollo Rural, 2016).

En los últimos años y debido a variables no controlables como el clima (Fenómeno del

Niño y de la Niña), se ven fluctuaciones de los precios del mercado de la Mora tanto para la Industria como para el mercado fresco, mostrando un incremento de 66.6% como muestra la Tabla 10, debido a la afectación de las producciones por calidad, productividad y por la inocuidad que esta fruta demanda. Los programas de algunas alianzas comerciales en el tema de inocuidad y calidad asegurarán los mercados de las principales agroindustrias del país (Ministerio de Agricultura y Desarrollo Rural, 2016).

Tabla 10 Precios del mercado de la Mora entre los años 2012 - 2015.

Precio Nacional 2012 2013 2014 2015

Mora M. Fresco ($/ton) 1.857.000 2.857.000 1.857.000 2.857.000

Mora Industria ($/ton) 1.200.000 1.650.000 1.250.000 1.440.000

Fuente: Autores basados en (Ministerio de Agricultura y Desarrollo Rural, 2016).

Estos precios viéndose afectados por el aumento de los costos de producción

presentados en una actividad de los cultivos en el transcurso de 2 años. Los incrementos de los costos de producción se han aumentado en un 13% anual desde el 2012, representado en la Tabla 11. Los aumentos de costos de producción se dieron por el valor de las plantas, el aumento de los precios de los insumos agrícolas, el transporte y otros, como se muestra en la Tabla 12. Se aumentaron los costos en manejo y control fitosanitario por los diferentes fenómenos climáticos como la niña y el niño presente. Los costos de producción son diferentes en cada zona productora debido a la adopción de diferentes paquetes tecnológicos, como también por el incremento en los precios de los consumos agrícolas y del tipo de agricultor-productor morero (pequeño, mediano o grande). Este aumento de costos en las zonas productoras es debido en parte al incremento de las labores y controles que se han añadido por el efecto del invierno (Ministerio de Agricultura y Desarrollo Rural, 2016).

Tabla 11 Costos de producción anual entre los años 2012 - 2015.

Producto 2012 2013 2014 2015

Tradicional 13.545.000 14.685.000 14.385.000 14.386.513

Fuente: Autores basados en (Ministerio de Agricultura y Desarrollo Rural, 2016).

67

Tabla 12 Costos de producción en cultivo de Mora para una actividad de 2 años.

Actividad 2 años ($/ha) ($/ha)

Costo Establecimiento 14.386.513

Costo Sostenimiento 9.923.394

Fondo Hortofrutícola 42210 435.500

Ingresos Brutos 4.221.000 40.200.000

Utilidad Bruta -10.207.723 29.841.106

Producción En Kg. 2.100 20.000

Costo De Producción Por Kg. 6.851 496

40% Industria Kg 840 8000

60% Mercado fresco Kg 1260 12000

Precio al productor ($/Kg) 2010 2010

Fuente: Autores basados en (Ministerio de Agricultura y Desarrollo Rural, 2016).

Derivado a los costos de producción se observan porcentajes de empleos directos e

indirectos, como se muestra en la Tabla 13. De manera general, para los cultivos de frutales se tiene una generación de empleo promedio de 0.64 empleos directos por hectárea sembrada y 2.3 empleos indirectos por hectárea sembrada. De modo que la producción de Mora es generadora en promedio de 2.6 empleos directos por hectárea sembrada y 0.8 empleos indirectos por hectárea sembrada, lo que muestra un total de 3.4 empleos. Este cultivo tiene como ventaja proporcionar una estabilidad laboral en estas regiones y esto hace que la mano de obra se establezca y se mantenga (Ministerio de Agricultura y Desarrollo Rural, 2016).

Tabla 13 Empleos directos e indirectos de cultivo de Mora en Colombia.

Tipo empleo 2012 2013 2014 2015

Directo 34.923 36.751 37.310 37.830

Indirecto 10.746 11.308 11.480 11.640

Total Empleo Agrícola 45.669 48.059 48.790 49.470

Fuente: Autores basados en (Ministerio de Agricultura y Desarrollo Rural, 2016).

Para la preservación y el buen funcionamiento de la cadena de la Mora se tienen

diferentes apoyos por parte del sector, donde están divididos en tres sectores de apoyo como los son: presupuesto nacional, financiamiento y crédito y financiamiento. Aunque en los últimos años no se genere información por parte del apoyo nacional se observa un creciente apoyo por el área financiera hasta el año 2014, dado su baja en el año 2015 como muestra la Tabla 14. De igual manera el área de crédito y financiamiento aumento su porcentaje de participación, pero tiene el mismo comportamiento de baja para el año 2015 (Ministerio de Agricultura y Desarrollo Rural, 2016).

68

Tabla 14 Programas de apoyo para la cadena de Mora.

Programas 2010 2011 2012 2013 2014 2015

I. Apoyos Presupuesto Nacional 337 1.377 1.558 2.216 - -

1. Alianzas Productivas 337 1.377 1.558 1.013 -

Plan Frutícola Del Valle MADR - - - 1.203 -

II. Apoyos Al Financiamiento 76.409 49.830 65.594 160.089 4.204.884.113 287.410.715

1. Programa DRE 64.223 35.959 47.932 139.877 4.204.861.998 287.410.715

Línea Especial De Crédito LEC 3.114.467.918 255.937.078

Incentivo Capitalización Rural - ICR 64.223 35.959 47.932 139.877 1.090.394.080 31.473.637

2. Fondo Agropecuario De Garantías - FAG

12.186 13.871 17.662 20.212 22.115

Subtotal Apoyos 76.746 51.207 67.152 162.305 4.204.884.113 287.410.715

III. Crédito Y Financiamiento 13.471 15.561 20.398 22.854 24.173 22.999

Crédito FINAGRO 13.471 15.561 20.398 22.854 24.173 22.999

Total Apoyos, Financiamiento Y Crédito 90.217 66.768 87.550 185.159 4.204.908.286 287.433.714

Fuente: Autores basados en (Ministerio de Agricultura y Desarrollo Rural, 2016).

Como parte de crédito y financiación el Fondo para el Financiamiento del Sector

Agropecuario, como entidad que promueve el desarrollo del sector rural colombiano, con instrumentos de financiamiento y desarrollo rural (Fonde de Financiamiento del Sector Agropecuario, 2016), brinda a los productores créditos agropecuarios, como se puede observar en la Tabla 15 (Ministerio de Agricultura y Desarrollo Rural, 2012). De mismo modo, se muestran en la Tabla 16 los apoyos nacionales en alianzas productivas apoyadas y el respectivo número de beneficiados (Ministerio de Agricultura y Desarrollo Rural, 2014).

Tabla 15 Créditos Agropecuarios para productores de Mora.

Año 2005 2006 2007 2008 2009 2010 2011 2012 2013

Valor (millones) 6155 10314 10711 10834 10015 13471 15561 20398 14567

No. De créditos Directos 1402 2179 1991 1923 1762 2189 2325 2740 1822

Fuente: Autores basados en (Ministerio de Agricultura y Desarrollo Rural, 2014).

Tabla 16 Alianzas productivas apoyadas en la cadena de Mora.

Alianzas productivas apoyadas

35

No. Beneficiarios 2,45

Valor de la Alianza (Millones)

28,2

Departamentos Beneficiados

11

Fuente: Autores basados en (Ministerio de Agricultura y Desarrollo Rural, 2014).

69

3.2. Cadena productiva de Mora en Cundinamarca

En la región Bogotá – Cundinamarca se observa una fuerte economía como motor y núcleo en Colombia, pues representa cerca del 30% del Producto Interno Bruto (PIB) del país. Siendo de esta manera una economía diversificada y en su conjunto registra una alta participación en el aporte de las diferentes actividades económicas del país. Por lo tanto, el dinamismo y diversidad hacen de esta región un lugar próspero y con muchas potencialidades, especialmente para el mercado interno (Herrera J. , 2015). En Cundinamarca, el sector agropecuario constituye la actividad principal de la estructura económica seguida por la industria, los servicios y el comercio (Camara de Comercio de Bogotá, 2006).

Cundinamarca es un departamento con variedad de pisos térmicos debido a su ubicación sobre el área andina, lo cual permite la explotación de todo tipo de actividades agropecuarias. Las actividades agropecuarias son desempeñadas aproximadamente por un 34,4 % de la población del Departamento que disponen de una superficie de suelo rural equivalente a una superficie agropecuaria de 2.209.132 hectáreas, de los cuales, en promedio, el 9,2 % se dedica a usos agrícolas, el 72 % a usos pecuarios, un 15,8 % a bosques y el 2,9 % a otros usos. En el 2013 el valor agregado bruto de la producción agropecuaria en Cundinamarca ascendió a $3,7 billones, de los cuales el 78,7 % ($2,96 billones) correspondió al subsector agrícola y el restante 21,3 % ($1 billón), al pecuario (Gobernación de Cundinamarca, 2014).

Dentro de la actividad agrícola lo más representativo está constituido por la floricultura

con 1,7 billones de pesos, equivalente a una ponderación de 58.4 %; en orden de importancia se observa las legumbres, raíces, y tubérculos con una participación del 22,5 %, mientras los frutales participaron del valor agregado agrícola en un 8,3% (Gobernación de Cundinamarca, 2014).

El consumo industrial de frutas frescas en Cundinamarca, se enfoca en algunos

productos específicos, para el caso, se destacan las frutas como el mango, el plátano, la guayaba y la mora, como se muestra en la Gráfica 11. La demanda industrial por frutas frescas se ha mantenido prácticamente constante por su bajo porcentaje de crecimiento, y fue en 1999 equivalente a 69.520 toneladas aproximadamente, casi la misma cantidad que la industria demandó en 1992. Más del 50 % de la demanda de algunos productos específicos como mango, maracuyá, lulo, guanábana y mora, se concentra en un solo sector, como es el caso de la fabricación de concentrados, pulpas y jugos envasados, respondiendo por el 61% de la demanda industrial de frutas (Camara de Comercio de Bogotá, 2006).

70

Gráfica 11 Demanda industrial de frutas frescas en Cundinamarca.

Fuente: Autores basados en (Camara de Comercio de Bogotá, 2006).

En cuanto a competitividad, el balance tecnológico desarrolló un perfil de la industria

local y de la global y cada uno de ellos fue analizado en aspectos similares que permiten comparar la situación del sector de una forma coherente, estableciendo unos factores de comparación para efectuar una valoración de la situación identificada en estos perfiles. Se efectuó una asignación de valor, dependiendo de los hallazgos encontrados en los perfiles. Los factores que se identificaron en el diagnóstico aportan cada uno un diferente grado de competitividad a la industria, como se muestra en la siguiente Tabla 17, bajo una escala de cero (0) para un bajo nivel de competitividad y nueve (9) con un alto grado de competitividad (Camara de Comercio de Bogotá, 2006):

Tabla 17 Balance tecnológico de competitividad para perfiles industriales de Mora en Cundinamarca.

Factores

Grado 0 a9

Local Global

A. Factores que le permiten ampliar sus mercados y mejorar su posicionamiento.

Manejo de buenas prácticas agrícolas: tiene una calificación local de cero por no ser aplicado en Cundinamarca, a nivel global sí se aplica y se evidencia interés por su manejo.

0 7

Manejo de trazabilidad: La calificación local es 2 debido a que no se aplica desde el eslabón de producción, a nivel global se aplica desde la adecuación de terrenos terminando en el consumidor final.

2 8

Manejo de legislación y normativas: La calificación local es de 3 debido a que en nuestro país no existen políticas públicas de largo plazo coherentes. A nivel mundial la legislación es rigurosa y se aplican las normativas vigentes.

3 9

B. Factores que le permiten desarrollar un gran valor agregado, diferencial y que pueden llegar a ser competencias claves.

Manejo de productos orgánicos: La calificación local es de 2 debido a que Cundinamarca apenas empieza a dar este tipo de cultivos, pero en una escala insignificante. A nivel mundial la exigencia y la tendencia del consumidor es hacia alimentos 100% orgánicos, sin embargo no existe un número significativo de cultivos.

2 5

Trazabilidad del producto orgánico: La calificación local es 0 pues a nivel local no se maneja una trazabilidad de productos orgánicos y mundialmente hasta ahora se empieza a implementar la trazabilidad especial para los productos orgánicos.

0 5

Manejo de tecnología de punta agroindustrial: la calificación local es 4 pues, aunque en la región existen plantas y maquinaria para un trabajo de procesados no se explota apropiadamente. A nivel mundial hay un trabajo importante en procesados.

4 9

C. Factores que Normativa para infraestructura y logística: La calificación local es 1 6

Mango30%

Platano14%

Guayaba10%

Maracuya8%

Mora7%

Coco4%

Lulo3%

Guanabana3%

Piña3%

Naranja2% Otros

16%

71

establecen una moderna y efectiva infraestructura.

1 debido a que no se cumplen normativas al respecto. A nivel mundial se maneja y realiza un trabajo en infraestructura normalizada para el sector.

Tecnologías de punta para procesamiento: La calificación local es 4 debido a que existen plantas y maquinaria para un trabajo de procesados, pero no son explotadas apropiadamente. A nivel mundial sí hay un trabajo importante en procesados.

4 9

Rutas directas para la comercialización internacional: a nivel local la comercialización a países de Europa se hace difícil por los largos trayectos y estaciones que deben realizarse, por esto la calificación es de 1. A nivel mundial existen estos problemas, pero dentro de las negociaciones se trata de dar soluciones por acuerdos mutuos.

1 7

D. Factores que crean un apalancamiento económico favorable.

Manejo de legislación clara: a nivel local la calificación es de 1 debido a que no se maneja legislación en este sentido, a nivel mundial existe un manejo de legislación clara.

1 9

Calidad en productos y procesos: la calificación local es de 4 debido a que existe conciencia por el manejo de la calidad en los productos, pero, la poca transferencia de tecnología efectiva, retrasa el proceso. Lo que no ocurre a nivel mundial.

4 8

Inocuidad de alimentos: Pese a que a nivel local se maneja el concepto hay pocos avances en trabajo de campo por ello la calificación es de 2.

2 8

E. Factores que impulsan el recurso humano efectivo.

Centro de investigación y desarrollo: La calificación local es de 0 debido a la ausencia de un Centro de Desarrollo tecnológico para el sector, a nivel global existen y son de liderazgo mundial.

0 7

Manejo de trazabilidad: la calificación local es de 2 pues no se aplica desde el eslabón de producción, a nivel global se aplica desde la adecuación de terrenos, terminando en el consumidor final e involucrando a todos los actores de la cadena.

2 8

Manejo de normativas: en Colombia existen normas Icontec, pero para Cundinamarca no se cumplen por la poca transferencia efectiva de tecnología, no existe un recurso humano calificado a nivel de pequeño agricultor por esto la calificación local es de 3. A nivel mundial la ley es rigurosa en el mercado hortofrutícola y el recurso humano está calificado.

3 9

Manejo de buenas prácticas agrícolas: a nivel local no se aplican desde el eslabón de producción, la calificación local es 0 a nivel global sí es aplicado y se empieza a ver una inquietud mundial por su manejo.

0 7

F. Factores que están influenciados por políticas gubernamentales.

Inocuidad de alimentos a nivel local: se maneja el concepto de inocuidad en el sector, pero hay pocos avances en trabajo de campo por ello su calificación es de 2. A nivel mundial la exigencia de estos productos se hace evidente cada día, al igual que su trabajo en campo.

2 8

Normalización de empaques: La calificación a nivel local es 1 pues el trabajo en investigación de empaques existe, pero no se aplica por falta de una normativa rigurosa para cumplirlo. A nivel global por el contrario, hay normativas claras y rigurosas en empaques, logística e infraestructura.

1 8

Manejo de buenas prácticas agrícolas: Su calificación local es 0 por las razones expuestas anteriormente.

0 8

Manejo de trazabilidad: Su calificación local es 1 por las razones expuestas anteriormente.

1 9

G. Factores tecnológicos que crean nuevas posiciones competitivas.

Trabajo en biotecnología: Gracias a los trabajos adelantados a nivel local y a los avances en el manejo de especies precoces y resistentes la calificación local es de 6.

6 7

Conocimiento y manejo de la biotecnología: A nivel local debido al desconocimiento del tema por parte del pequeño productor la calificación es de 2. A nivel mundial el tema es más conocido por el productor.

2 6

72

Inocuidad de alimentos: Su calificación local es 2 por las razones expuestas anteriormente.

2 7

Innovación en productos procesados: a nivel local la calificación es de 3 debido a la poca innovación y trabajo adelantado. A nivel mundial los avances más destacados son de EE.UU., España y Chile.

3 7

Investigación en pre-cosecha y pos-cosecha: a nivel local hay investigaciones y trabajo en estos eslabones por ello la calificación local es de 7.

7 8

Aplicación de la investigación (transferencia de tecnología): debido a la poca transferencia de tecnología a nivel local su calificación es de 2, lo que no sucede a nivel global.

2 8

H. Factores que incrementan la efectividad de la cadena proveedores/productores - producción/productos

Asociación: A nivel local existe poco nivel de asociación, por ello su calificación es de 1. A nivel mundial se evidencia un desarrollo importante en este factor.

1 9

Trazabilidad: Su calificación local es 2 por las razones expuestas anteriormente.

2 9

Normativas: Su calificación local es 2 por las razones expuestas anteriormente.

2 9

Buenas prácticas agrícolas: Su calificación local es 1 por las razones expuestas anteriormente.

1 8

I. Factores que crean relaciones favorables con las industrias complementarias y de soporte.

Economías de escala: La calificación local es de 3 debido a que son manejadas por los grandes comercializadores (que son muy pocos), a nivel mundial la asociación permite un manejo de economías de escala más grande y a todo nivel.

3 8

Normativas: Su calificación local es 2 por las razones expuestas anteriormente.

2 8

Infraestructura: Debido al manejo inadecuado de la infraestructura para este sector y a la falta de normalización la calificación local es de 2, a nivel mundial sí existe un claro manejo y normativa.

2 9

Logística: A nivel local existe un manejo pobre de logística para este sector y falta su normalización por ello su calificación es de 2, a nivel mundial sí hay un claro manejo y normativa.

2 9

J. Factores que apoyan la viabilidad financiera.

Manejo de economías de escala: Su calificación local es 3 por las razones expuestas anteriormente.

3 8

Asociación: Su calificación local es 1 por las razones expuestas anteriormente.

1 9

Normas y legislación: Su calificación local es 2 por las razones expuestas anteriormente.

2 9

K. Factores que reducen los poderes de los clientes.

Asociación: Su calificación local es 1 por las razones expuestas anteriormente.

1 9

Manejo de buenas prácticas agrícolas: Su calificación local es 2 por las razones expuestas anteriormente.

2 9

Inocuidad de alimentos: Su calificación local es 2 por las razones expuestas anteriormente.

2 8

Manejo de economías de escala: Su calificación local es 3 por las razones expuestas anteriormente.

3 7

L. Restricciones que apoyan (o inhiben) el crecimiento de la empresa.

Sistemas de infraestructura, logística y maquinaria: a nivel local hay un manejo inadecuado de la infraestructura, la logística y la maquinaria para este sector y falta normalización por ello su calificación es de 3, a nivel mundial sí hay un claro manejo y normativa.

3 9

Normativas y legislación: En Colombia no existen políticas públicas coherentes que incorporen las características del campo. Las políticas son cortoplacistas y reactivas como soluciones puntuales a problemas coyunturales, perdiéndose la visión de desarrollo estratégico sectorial por ello la calificación es de 2. A nivel mundial la ley es rigurosa en el mercado de frutas.

2 9

Investigación e innovación: A nivel local hay personal competente y trabajos en investigación e innovación para aplicar en

5 9

73

Cundinamarca por ello su calificación es de 5, a nivel mundial hay una transferencia efectiva en investigación e innovación.

M Factores sociales y culturales que afectan la competitividad.

Plan de buenas prácticas agrícolas: A nivel local desde el eslabón de la producción se empezó a trabajar en un plan serio por parte de varias instituciones, su calificación es de 2. A nivel global existen planes y su manejo es una inquietud mundial.

2 9

Sistemas de infraestructura, logística y maquinaria: a nivel local existe un manejo inadecuado de la infraestructura, logística y maquinaria para este sector junto con una falta de normalización por ello su calificación es de 2, a nivel mundial hay un claro manejo y normativa.

2 9

Falta de normativa rigurosa: Su calificación local es 1 por las razones expuestas anteriormente.

1 9

Gestión cultural: La calificación local es 0 debido al atraso cultural significativo que existe en la mayoría de los actores de la cadena. A nivel mundial, Chile es un ejemplo, de la presencia de una gestión cultural.

0 8

N. Factores que apoyan la visión globalizadora de la empresa.

Acuerdos y tratados internacionales: A nivel local y global hay un manejo claro de consecuencias, ventajas y desventajas que traen los tratados de libre comercio.

9 9

Manejo de normas: Su calificación local es 2 por las razones expuestas anteriormente.

2 9

Manejo de BPA.: A nivel local la calificación es 2 debido al no aplicado desde el eslabón de producción, a nivel global se aplica y existe una inquietud mundial por su manejo.

2 9

Fuente: Autores basados en (Camara de Comercio de Bogotá, 2006).

Con base en la Tabla 17, se nota un estado crítico del sector, siendo aún más evidente

al momento de competir en mercados internacionales, pues este puede resultar siendo un largo camino mientras de alcanza la estandarización de las prácticas agrícolas. De este modo se considera el análisis de las fortalezas, debilidades, oportunidades y amenazas para el sector en la zona de Cundinamarca (Camara de Comercio de Bogotá, 2006), así: Fortalezas:

o Cundinamarca está situada estratégicamente a nivel global dentro de la zona tropical, que permite tener una ventaja comparativa importante.

o Posee gran cantidad de suelos y climas. o Hay disponibilidad del recurso agua: riqueza hídrica. o Se han asociado los municipios de manera importante. o Tiene una trayectoria agrícola importante en exportaciones. o Tiene plataformas al mercado internacional para comercio de sus productos. o Se presencia mejoras en métodos de trabajo. o Se dispone de mano de obra calificada.

Debilidades: o Falta de aplicación de Buenas Prácticas Agrícolas. o Sistemas de Infraestructura Logística y maquinaria. o Gestión Cultural. o Normativa Rigurosa y gestión medioambiental.

Oportunidades: o El mercado exige día tras día productos exóticos y en Colombia crecen. o El consumidor exige altos volúmenes del producto. o El mercado extranjero abre sus puertas al mercado hortofrutícola colombiano. o El mercado extranjero se inclina en gustos por los productos colombianos. o El mercado extranjero está interesado en comercializar con el sector.

74

Amenazas: o Exigencias de gestión de buenas prácticas agrícolas por los competidores inmediatos

de la cadena. o Exigencia del mercado por los productos con trazabilidad. o Exigencia del mercado por los alimentos orgánicos. o Manejo de inocuidad de alimentos. o Exigencia del mercado con altos volúmenes. o Adelanto de otros países en el manejo de normativas y legislación. o Manejo de trazabilidad completa en el extranjero. o Gestión empresarial y cultural atrasada en Colombia.

A partir del anterior análisis, la cadena de Mora requiere de un factor en su gestión que

garantice su direccionamiento bajo un solo sentido y de manera conjunta entre todos los actores. Basándose en la Ley 811 de 2003, se estipulan 10 objetivos que deben cumplir las cadenas agroindustriales para su conformación y funcionamiento; de este modo, se genera un plan de acción para la cadena de la mora con la dirección del Ministerio de Agricultura y Desarrollo Rural, el cual se adecuó para el caso específico del departamento de Cundinamarca. Así mismo, se formuló indicadores de gestión para la validación del cumplimiento de las metas propuestas en cada uno de los objetivos (ver Tabla 18), como también se generan las respectivas hojas de vida para los indicadores, expuesto en los Anexo III al Anexo XIX.

Tabla 18 Indicadores propuestos para la cadena de la mora en Cundinamarca.

Política: Objetivos Ley 811 de 2003

Estrategia Nombre del Indicador

1. Mejora de la productividad y competitividad.

Mejorar la productividad y la competitividad con enfoque regional.

Porcentaje (%) de hectáreas diversificadas en el departamento de Cundinamarca.

Procedimiento de Cálculo

Porcentaje (%) de avance para construcción de estructura de costos para la Mora.

Procedimiento de Cálculo

Regionalizar y masificar la asistencia técnica e investigación y desarrollo.

Porcentaje (%) de variación de las pérdidas de Mora durante la producción.

Procedimiento de Cálculo

Porcentaje (%) de apoyo para proyectos de asistencia, técnica y transferencia de tecnología para cultivo de Mora.

Procedimiento de Cálculo

2. Desarrollo del mercado de bienes y

Mejorar la productividad y la

Porcentaje (%) de eslabones informados y articulados con los instrumentos de apoyo del MADR

Procedimiento de Cálculo

% 𝑃𝑜𝑟𝑐𝑒𝑛𝑡𝑎𝑗𝑒 = 𝐻𝑒𝑐𝑡𝑎𝑟𝑒𝑎𝑠 𝑑𝑖𝑣𝑒𝑟𝑠𝑖𝑓𝑖𝑐𝑎𝑑𝑎𝑠 𝑒𝑛 𝑒𝑙 𝑝𝑒𝑟𝑖𝑜𝑑𝑜 𝑎𝑐𝑡𝑢𝑎𝑙

𝑇𝑜𝑡𝑎𝑙 𝑑𝑒 ℎ𝑒𝑐𝑡𝑎𝑟𝑒𝑎𝑠 𝑎 𝑑𝑖𝑣𝑒𝑟𝑠𝑖𝑓𝑖𝑐𝑎𝑟 (600 𝐻𝑎)

% 𝑃𝑜𝑟𝑐𝑒𝑛𝑡𝑎𝑗𝑒 = ∑ 𝐴𝑣𝑎𝑛𝑐𝑒 𝑎𝑙 𝑝𝑒𝑟𝑖𝑜𝑑𝑜 𝑎𝑐𝑡𝑢𝑎𝑙

𝑇𝑜𝑡𝑎𝑙 𝑒𝑠𝑡𝑟𝑢𝑐𝑡𝑢𝑟𝑎 𝑑𝑒 𝑐𝑜𝑠𝑡𝑜𝑠 𝑑𝑒𝑙 𝑑𝑒𝑝𝑎𝑟𝑡𝑎𝑚𝑒𝑛𝑡𝑜

% 𝑃𝑜𝑟𝑐𝑒𝑛𝑡𝑎𝑗𝑒 =

𝑃𝑟𝑜𝑚𝑒𝑑𝑖𝑜 𝑑𝑒 𝑟𝑒𝑛𝑑𝑖𝑚𝑖𝑒𝑛𝑡𝑜 𝑑𝑒 𝑙𝑜𝑠 𝑐𝑢𝑙𝑡𝑖𝑣𝑜𝑠 𝑑𝑒 𝑀𝑜𝑟𝑎 𝑒𝑛 𝑒𝑙 𝑝𝑒𝑟𝑖𝑜𝑑𝑜 𝑎𝑐𝑡𝑢𝑎𝑙 -

𝑃𝑟𝑜𝑚𝑒𝑑𝑖𝑜 𝑑𝑒 𝑟𝑒𝑛𝑑𝑖𝑚𝑖𝑒𝑛𝑡𝑜 𝑑𝑒 𝑙𝑜𝑠 𝑐𝑢𝑙𝑡𝑖𝑣𝑜𝑠 𝑑𝑒 𝑀𝑜𝑟𝑎 𝑒𝑛 𝑒𝑙 𝑝𝑒𝑟𝑖𝑜𝑑𝑜 anterior

𝑃𝑟𝑜𝑚𝑒𝑑𝑖𝑜 𝑑𝑒 𝑟𝑒𝑛𝑑𝑖𝑚𝑖𝑒𝑛𝑡𝑜 𝑑𝑒 𝑙𝑜𝑠 𝑐𝑢𝑙𝑡𝑖𝑣𝑜𝑠 𝑑𝑒 𝑀𝑜𝑟𝑎 𝑒𝑛 𝑒𝑙 𝑝𝑒𝑟𝑖𝑜𝑑𝑜 anterior

% 𝑃𝑜𝑟𝑐𝑒𝑛𝑡𝑎𝑗𝑒 =

Proyectos aprobados y viabilizados del periodo actual -

Proyectos aprobados y viabilizados del periodo anterior

Proyectos aprobados y viabilizados del periodo anterior.

75

factores de la cadena.

competitividad con enfoque regional.

3. Disminución de los costos de transacción entre los distintos agentes de la cadena.

Mejorar la productividad y la competitividad con enfoque regional.

Porcentaje (%) de ejecución de estudio de mercados de Mora.

Procedimiento de Cálculo

Porcentaje (%) de acuerdos comerciales de los agentes de la cadena.

Procedimiento de Cálculo

Integrar las cadenas productivas para permitir un mejor flujo de información y recursos.

Porcentaje (%) de eslabones informados de los precios de Mora en las diferentes plazas de mercado.

Procedimiento de Cálculo

4. Desarrollo de alianzas estratégicas de diferente tipo.

Mejorar la productividad y la competitividad con enfoque regional.

Porcentaje (%) de eslabones informados y conectados con aliados comerciales.

Procedimiento de Cálculo

5. Mejora de la información entre los agentes de la cadena.

Integrar las cadenas productivas para permitir un mejor flujo de información y recursos.

Porcentaje (%) de asistencia de los actores convocados por el MADR.

Procedimiento de Cálculo

Porcentaje (%) de cumplimiento del protocolo de la Mora.

Procedimiento de Cálculo

6. Vinculación de los pequeños productores y empresarios a la cadena.

Aumentar el PIB del sector.

Porcentaje (%) de variación del PIB del sector.

Procedimiento de Cálculo

7. Manejo de recursos naturales y medio ambiente.

Mejorar la productividad y la competitividad con enfoque regional.

Porcentaje (%) de zonas parceladas para mapa agrícola de Mora.

Procedimiento de Cálculo

8. Formación de recursos humanos.

Mejorar la productividad y la competitividad con enfoque regional.

Porcentaje (%) de personas vinculadas a la cadena capacitadas.

Procedimiento de Cálculo

9. Investigación y desarrollo

Regionalizar y masificar la

Porcentaje (%) de gestión para Agenda de Ciencia y Tecnología.

Procedimiento de Cálculo

% 𝑃𝑜𝑟𝑐𝑒𝑛𝑡𝑎𝑗𝑒 = 𝐸𝑠𝑙𝑎𝑏𝑜𝑛𝑒𝑠 𝑖𝑛𝑓𝑜𝑟𝑚𝑎𝑑𝑜𝑠 𝑒𝑛 𝑒𝑙 𝑝𝑒𝑟𝑖𝑜𝑑𝑜 𝑎𝑐𝑡𝑢𝑎𝑙

Total de eslabones de la cadena de Mora

% 𝑃𝑜𝑟𝑐𝑒𝑛𝑡𝑎𝑗𝑒 = ∑ 𝐴𝑣𝑎𝑛𝑐𝑒 𝑎𝑙 𝑝𝑒𝑟𝑖𝑜𝑑𝑜 𝑎𝑐𝑡𝑢𝑎𝑙

Total de estudio de marcado para 𝑀𝑜𝑟𝑎

% 𝑃𝑜𝑟𝑐𝑒𝑛𝑡𝑎𝑗𝑒 = ∑ 𝐴𝑣𝑎𝑛𝑐𝑒 𝑎𝑙 𝑝𝑒𝑟𝑖𝑜𝑑𝑜 𝑎𝑐𝑡𝑢𝑎𝑙

Total de estudio de marcado para 𝑀𝑜𝑟𝑎

% 𝑃𝑜𝑟𝑐𝑒𝑛𝑡𝑎𝑗𝑒 = 𝐸𝑠𝑙𝑎𝑏𝑜𝑛𝑒𝑠 𝑖𝑛𝑓𝑜𝑟𝑚𝑎𝑑𝑜𝑠 𝑠𝑜𝑏𝑟𝑒 𝑝𝑟𝑒𝑐𝑖𝑜𝑠 𝑑𝑒 𝑑𝑖𝑓𝑒𝑟𝑒𝑛𝑡𝑒𝑠 𝑝𝑙𝑎𝑧𝑎𝑠 𝑒𝑛 𝑒𝑙 𝑝𝑒𝑟𝑖𝑜𝑑𝑜 𝑎𝑐𝑡𝑢𝑎𝑙

Total de eslabones de la cadena de Mora

% 𝑃𝑜𝑟𝑐𝑒𝑛𝑡𝑎𝑗𝑒 = 𝐸𝑠𝑙𝑎𝑏𝑜𝑛𝑒𝑠 𝑖𝑛𝑓𝑜𝑟𝑚𝑎𝑑𝑜𝑠 𝑦 𝑐𝑜𝑛𝑒𝑐𝑡𝑎𝑑𝑜𝑠 𝑐𝑜𝑛 𝑎𝑙𝑖𝑎𝑑𝑜𝑠 𝑐𝑜𝑚𝑒𝑟𝑐𝑖𝑎𝑙𝑒𝑠

Total de eslabones de la cadena de Mora

% 𝑃𝑜𝑟𝑐𝑒𝑛𝑡𝑎𝑗𝑒 = 𝑁ú𝑚𝑒𝑟𝑜 𝑑𝑒 𝑎𝑠𝑖𝑠𝑡𝑒𝑛𝑡𝑒𝑠 𝑎 𝑙𝑎 𝑟𝑒𝑢𝑛𝑖𝑜𝑛 𝑑𝑒 𝑀𝐴𝐷𝑅

Total 𝑎𝑐𝑡𝑜𝑟𝑒𝑠 𝑐𝑜𝑛𝑣𝑜𝑐𝑎𝑑𝑜𝑠

% 𝑃𝑜𝑟𝑐𝑒𝑛𝑡𝑎𝑗𝑒

= ∑ 𝐴𝑣𝑎𝑛𝑐𝑒 𝑑𝑒𝑙 𝑝𝑟𝑜𝑡𝑜𝑐𝑜𝑙𝑜 𝑑𝑒 𝑙𝑎 𝑀𝑜𝑟𝑎 𝑝𝑎𝑟𝑎 𝐴𝐺𝑅𝑂𝑁𝐸𝑇 ℎ𝑎𝑠𝑡𝑎 𝑒𝑙 𝑝𝑒𝑟𝑖𝑜𝑑𝑜 𝑎𝑐𝑡𝑢𝑎𝑙

Total 𝑐𝑢𝑚𝑝𝑙𝑖𝑛𝑒𝑡𝑜 𝑑𝑒𝑙 𝑝𝑟𝑜𝑡𝑜𝑐𝑜𝑙𝑜 𝑑𝑒 𝑙𝑎 𝑀𝑜𝑟𝑎 𝑝𝑎𝑟𝑎 𝐴𝐺𝑅𝑂𝑁𝐸𝑇

% 𝑃𝑜𝑟𝑐𝑒𝑛𝑡𝑎𝑗𝑒

= 𝑃𝐼𝐵 𝑑𝑒𝑙 𝑠𝑒𝑐𝑡𝑜𝑟 𝑒𝑛 𝑒𝑙 𝑝𝑒𝑟𝑖𝑜𝑑𝑜 𝑎𝑐𝑡𝑢𝑎𝑙 − 𝑃𝐼𝐵 𝑑𝑒𝑙 𝑠𝑒𝑐𝑡𝑜𝑟 𝑒𝑛 𝑒𝑙 𝑝𝑒𝑟𝑖𝑜𝑑𝑜 𝑎𝑛𝑡𝑒𝑟𝑖𝑜𝑟

𝑃𝐼𝐵 𝑑𝑒𝑙 𝑠𝑒𝑐𝑡𝑜𝑟 𝑒𝑛 𝑒𝑙 𝑝𝑒𝑟𝑖𝑜𝑑𝑜 𝑎𝑛𝑡𝑒𝑟𝑖𝑜𝑟

% 𝑃𝑜𝑟𝑐𝑒𝑛𝑡𝑎𝑗𝑒 = ∑ 𝑍𝑜𝑛𝑎𝑠 𝑝𝑎𝑟𝑐𝑒𝑙𝑎𝑑𝑎 𝑝𝑎𝑟𝑎 𝑝𝑟𝑜𝑑𝑢𝑐𝑐𝑖ó𝑛 𝑑𝑒 𝑀𝑜𝑟𝑎 ℎ𝑎𝑠𝑡𝑎 𝑒𝑙 𝑝𝑒𝑟𝑖𝑜𝑑𝑜 𝑎𝑐𝑡𝑢𝑎𝑙.

𝑇𝑜𝑡𝑎𝑙 𝑧𝑜𝑛𝑎𝑠 𝑝𝑟𝑜𝑦𝑒𝑐𝑡𝑎𝑑𝑎𝑠

% 𝑃𝑜𝑟𝑐𝑒𝑛𝑡𝑎𝑗𝑒

= ∑ 𝑃𝑒𝑟𝑠𝑜𝑛𝑎𝑠 𝑐𝑎𝑝𝑎𝑐𝑖𝑡𝑎𝑑𝑎𝑠 𝑑𝑒 𝑙𝑎 𝑐𝑎𝑑𝑒𝑛𝑎 ℎ𝑎𝑠𝑡𝑎 𝑒𝑙 𝑝𝑒𝑟𝑖𝑜𝑑𝑜 𝑎𝑐𝑡𝑢𝑎𝑙

𝑇𝑜𝑡𝑎𝑙 𝑑𝑒 𝑒𝑚𝑝𝑙𝑒𝑜𝑠 𝑑𝑖𝑟𝑒𝑐𝑡𝑜𝑠 𝑒 𝑖𝑛𝑑𝑖𝑟𝑒𝑐𝑡𝑜𝑠 𝑔𝑒𝑛𝑒𝑟𝑎𝑑𝑜𝑠 𝑒𝑛 𝑙𝑎 𝑐𝑎𝑑𝑒𝑛𝑎.

76

tecnológico. asistencia técnica e investigación y desarrollo.

Porcentaje (%) de proyectos apoyados para Investigación.

Procedimiento de Cálculo

10. Otros

Mejorar la productividad y la competitividad con enfoque regional.

Porcentaje (%) de avance para Plan de Acción 2016

Procedimiento de Cálculo

Fuente: Autores.

De este modo, se toma el tema de inocuidad alimentaria en razón de ser tecnológica de

la cadena. Bajo un punto de vista tecnológico, las principales características que tiene la cadena de Mora deben ser analizadas considerando los componentes que están acelerando el proceso de transformación de la cadena, los cuales son (Camara de Comercio de Bogotá, 2006): Las mejores prácticas de clase mundial en inocuidad alimentaria. El desarrollo de la biotecnología agrícola y en especial de las nuevas tendencias de los

mercados de productos naturales orgánicos. La reestructuración y la aparición de nuevos canales de comercialización como

consecuencia del proceso de globalización de los mercados y por el uso y la aplicación de las TIC´s en el proceso de mercadeo de los productos agrícolas.

Para esto se genera una tabla de comparación, con el fin de identificar las brechas

tecnológicas por medio de la utilización de colores, así: Rojo: el macro proceso que presenta problemas y genera consecuencias en los eslabones de la cadena con los que se relaciona; Amarillo: macro proceso que funciona relativamente bien, pero requiere mejoras; Verde: macro proceso que no presenta problemas y sólo requiere ajustes mínimos. Como se muestra en la Tabla 19 y diferenciando en primera fila el producto tradicional de la segunda fila donde está el producto orgánico (Camara de Comercio de Bogotá, 2006):

Tabla 19 Identificación de brechas tecnológicas en la cadena de Mora de Cundinamarca.

Componentes de la Cadena de Valor

Componentes específicos de la Cadena de Valor

Tecnología medular

razón de ser tecnológica

Procesos Subtecnologia

medular

Sistemas de gestión

de la Información

1. Producción

Producción 1 1 1 1

1 1 1 1

Mano de Obra 2 2 3 1

1 1 3 1

Adecuación de Terrenos

2 1 3 1

1 1 3 1

Insumos 1 1 1 1

1 1 1 1

Herramientas de Siembra

1 1 1 1

1 1 1 1

Control de Plagas 1 1 1 1

1 1 1 1

% 𝑃𝑜𝑟𝑐𝑒𝑛𝑡𝑎𝑗𝑒 = 𝐺𝑒𝑠𝑡𝑖ó𝑛 𝑑𝑒 𝑎𝑣𝑎𝑛𝑐𝑒 𝑝𝑎𝑟𝑎 𝐴𝑔𝑒𝑛𝑑𝑎 𝑑𝑒 𝐶𝑖𝑒𝑛𝑐𝑖𝑎 𝑦 𝑡é𝑐𝑛𝑜𝑙𝑜𝑔𝑖𝑎

𝑇𝑜𝑡𝑎𝑙 𝑝𝑟𝑜𝑦𝑒𝑐𝑡𝑎𝑑𝑜 𝑑𝑒 𝑎𝑣𝑎𝑛𝑐𝑒 𝐴𝑔𝑒𝑛𝑑𝑎 𝑑𝑒 𝐶𝑖𝑒𝑛𝑐𝑖𝑎 𝑦 𝑇é𝑐𝑛𝑜𝑙𝑜𝑔𝑖𝑎

% 𝑃𝑜𝑟𝑐𝑒𝑛𝑡𝑎𝑗𝑒

= ∑ 𝑃𝑟𝑜𝑦𝑒𝑐𝑡𝑜𝑠 𝑎𝑝𝑜𝑦𝑎𝑑𝑜𝑠 𝑒𝑛 𝐼𝑛𝑣𝑒𝑠𝑡𝑖𝑔𝑎𝑐𝑖ó𝑛 𝑑𝑒 𝑙𝑎 𝐴𝑔𝑒𝑛𝑑𝑎 𝐶𝑂𝑅𝑃𝑂𝐼𝐶𝐴, 𝑈𝑁𝐴𝐿 𝑌 𝑈𝑇𝑃.

𝑇𝑜𝑡𝑎𝑙 𝑃𝑟𝑜𝑦𝑒𝑐𝑡𝑜𝑠 𝑑𝑒 𝐼𝑛𝑣𝑒𝑠𝑡𝑖𝑔𝑎𝑐𝑖ó𝑛 𝑑𝑒 𝑙𝑎 𝐴𝑔𝑒𝑛𝑑𝑎 𝐶𝑂𝑅𝑃𝑂𝐼𝐶𝐴, 𝑈𝑁𝐴𝐿 𝑌 𝑈𝑇𝑃.

% 𝑃𝑜𝑟𝑐𝑒𝑛𝑡𝑎𝑗𝑒 = ∑ 𝐴𝑣𝑎𝑛𝑐𝑒 𝑑𝑒 𝑃𝑙𝑎𝑛 𝑑𝑒 𝐴𝑐𝑐𝑖ó𝑛 𝑝𝑎𝑟𝑎 2016

𝑇𝑜𝑡𝑎𝑙 𝑐𝑢𝑚𝑝𝑙𝑖𝑚𝑖𝑒𝑛𝑡𝑜 𝑝𝑟𝑜𝑦𝑒𝑐𝑡𝑎𝑑𝑜 𝑑𝑒𝑙 𝑃𝑙𝑎𝑛 𝑑𝑒 𝐴𝑐𝑐𝑖ó𝑛 𝑝𝑎𝑟𝑎 2016.

77

Semillas 2 1 2 1

1 2 1 1

Sistema de Riego 1 1 1 1

1 1 1 1

2. Cosecha

herramientas de Corte y Cosecha

1 1 1 1

1 1 1 1

Sistemas de Almacenamiento

Temporal

1 1 1 2

1 1 1 2

Embalajes 1 1 2 1

1 1 2 1

3. Transporte

Transporte en Finca 1 2 1 1

1 2 1 1

Cadena de Frio 2 1 2 1

1 1 2 1

4. Almacenamiento

Almacenamiento 2 1 2 1

2 1 2 1

Centro de Acopio 1 1 1 1

1 1 1 1

Selección 2 1 2 1

1 1 2 1

Empaque y Embalajes 1 1 2 1

1 1 2 1

Estandarización 1 1 2 2

1 1 1 2

5. Transporte

Logística 1 1 1 2

1 1 1 1

Sistemas de Información y Muelles

1 1 1 3

1 1 1 1

Vehículos Adecuados 1 1 2 1

1 1 2 1

6. Procesamiento

Fresco - Empaque y Embalaje

2 1 3 1

1 1 3 1

Procesos Fríos 1 2 2 1

1 2 2 1

Procesos Calientes 2 2 2 1

2 2 2 1

Métodos Físicos 1 1 1 1

1 1 1 1

Métodos Combinados Biotecnología

1 1 1 1

1 1 1 1

7. Almacenamiento Distribución 1 2 3 3

1 2 3 3

8. Comercialización

Comercialización 2 1 2 1

1 1 2 1

Mercadeo 2 1 2 1

1 1 2 1

Imagen Corporativa 1 1 1 1

1 1 1 1

Fuente: Autores basados en (Camara de Comercio de Bogotá, 2006).

La situación de la mayoría de macro procesos de la cadena de valor se encuentra en

una situación crítica o para mejorar. Es importante aclarar que el hecho de que sea posible encontrar a todos los componentes de la cadena de valor en Cundinamarca hace que las mayores deficiencias entre los procesos y la tecnología sean causadas por una baja interrelación de los actores en el sector (Camara de Comercio de Bogotá, 2006).

78

Desde el punto de vista de la capacidad tecnológica de las empresas se aprecian fortalezas claves, como la experiencia en la cadena productiva, el conocimiento de los diferentes procesos y unos niveles adecuados de utilización de la capacidad instalada, También se corroboran las debilidades evidentes, como la inexistencia de un Centro de Desarrollo Tecnológico para la investigación, el desconocimiento de las Buenas Prácticas Agrícolas y la inocuidad alimentaria, la necesidad de contar con mano de obra calificada en torno a las competencias laborales, la necesidad de actuar en consonancia con las normas y los estándares internacionales relativos a la salud ocupacional y la seguridad de los trabajadores y la ausencia de estrategias empresariales modernas, que permita utilizar herramientas de toma de decisiones en entornos altamente competitivos y globalizados (Camara de Comercio de Bogotá, 2006).

La cadena productiva de Cundinamarca se encuentra en un momento difícil de descifrar:

por una parte, el departamento tiene características especialmente atractivas en cuanto a clima, tiempos de cosecha, calidad de la tierra, abundante mano de obra e instrumentos que le permiten proveer al mercado mayorista, minorista y de grandes superficies de Bogotá y otras regiones del país, pero, por otra parte, la cadena está sufriendo de un atraso considerable debido a sus debilidades, muchas se originan desde la pre-cosecha, por la calidad de las semillas, y se transfieren a todos los eslabones, haciendo que la productividad total de los factores se encuentre en franca desventaja competitiva, especialmente a nivel internacional, cuando se compara con países con menor dotación de factores como tierra, clima, tiempos de cosecha, etcétera. (Camara de Comercio de Bogotá, 2006).

Las razones de esta singularidad hay que indagarlas tanto desde la propia composición

de la cadena en todos sus eslabones, como en los procesos y las tecnologías que se aplican en todas las fases de pre-cosecha, cosecha y pos-cosecha de frutas, como se muestra en la Tabla 20 (Camara de Comercio de Bogotá, 2006).

Tabla 20 Caracterización tecnológica de la Mora.

Tradicional Orgánico Procesado

La mora es la más diversa en pequeños cultivos dentro de la zona de estudio.

En Cundinamarca se concentra el 32% de la producción de mora.

Sólo se cultivan dos variedades en Colombia: la mora de Castilla (que predomina en Cundinamarca) y la mora pajarita.

La falta de organización gremial y el alto costo del capital constituyen elementos que debilitan el proceso de competitividad de la cadena en su eslabón de producción primaria.

Los productos que se expenden a nivel local no cumplen con las normas de calidad que se exigen en el extranjero, además, hay una falta de diferenciación del producto a nivel internacional.

Enfrenta problemas de pos-cosecha debido a que es un producto altamente perecedero.

Actualmente empresas comercializadoras manejan líneas de frío adecuadas, pero, debido a la falta de asociación para

La mora es susceptible a las heladas, por ello se debe conocer muy bien el microclima de la zona donde se desee implementar un cultivo.

La mora de la Sabana es muy ácida habría que buscar microclimas que le den un sabor más dulce.

Algunas entidades colombianas ya están realizando propagación in vitro a través de meristemos, lo que garantiza la obtención de plantas libres de algunas enfermedades vasculares. Ya existen cultivos establecidos con estas plantas y los resultados en rendimiento y calidad de la fruta son promisorios.

Los principales pasos que

El eslabón de industrialización se ve afectado por algunos factores, por ejemplo, el insignificante grado de integración entre los productores agrícolas y las plantas agroindustriales.

La tecnología de punta por parte de los industriales fortalece el proceso de competitividad del sector en este eslabón de la cadena.

El uso principal en procesado está en la fabricación de jugos, conservas, compotas, néctares y concentrados.

En Cundinamarca, por lo general, se transporta en camiones sin ningún tipo de cuidado y mezclada con otros productos.

Actualmente se puede

79

garantizar volúmenes de exportación, no hay un manejo comercial grande.

Las normas de calidad para la mora se pueden encontrar en las normas técnicas colombianas de Icontec, NTC No 4601.

se han hecho son: la producción en limpio, el control y el uso racional de agroquímicos.

trabajar en innovación de nuevos empaques y presentaciones de acuerdo a lo adelantado en CENICAFÉ.

Fuente: Autores basados en (Camara de Comercio de Bogotá, 2006).

Para el caso de la producción de Mora, se tiene que el Departamento de Cundinamarca

es el que cuenta con una mayor área sembrada del cultivo frente a otros departamentos, dado que cuenta con 3.344 hectáreas sembradas y llegando a una producción de 25.482 toneladas anuales (21.69% de participación a nivel nacional), seguido por Santander, Antioquia, Huila, Nariño y Boyacá. De igual manera, se muestra las variaciones que se presentan a nivel Nacional frente al departamento de Cundinamarca, anualmente en factores como el área sembrada, área cosechada, producción y rendimiento, se muestran en la Tabla 21 para el caso de nivel nacional y la Tabla 22 para el caso de Cundinamarca (Ministerio de Agricultura y Desarrollo Rural, 2016).

Tabla 21 Área sembrada, área cosechada, producción y rendimiento de la Mora en Colombia.

Nacional 2011 2012 2013 2014 2015

Área Sembrada (Ha) 13747 13810 14160 14414 15417

Variación Área Sembrada 0,46% 2,53% 1,79% 6,96%

Área Cosechada (Ha) 11651 11931 12006 12528 13425

Variación Área Cosechada 2,40% 0,63% 4,35% 7,16%

Producción (Ton) 94325 100073 105445 105812 116231

Variación Producción 6,09% 5,37% 0,35% 9,85%

Rendimiento (Ton/Ha) 6,8 6,9 7,12 7,21 7,21

Variación Rendimiento 1,47% 3,19% 1,26% 0,00%

Fuente: Autores basados en (Ministerio de Agricultura y Desarrollo Rural, 2016).

Tabla 22 Área sembrada, área cosechada, producción y rendimiento de la Mora en Cundinamarca.

Cundinamarca 2011 2012 2013 2014 2015

Área Sembrada (Ha) 3487,96 3598,53 3582,53 3354 3344,3

Variación Área Sembrada 3,17% -0,44% -6,38% -0,29%

Área Cosechada (Ha) 3092,88 3177,03 3192,2 2945,4 2968,4

Variación Área Cosechada 2,72% 0,48% -7,73% 0,78%

Producción (Ton) 22843,12 25172,31 25098,54 25092,8 25482,3

Variación Producción 10,20% -0,29% -0,02% 1,55%

Rendimiento (Ton/Ha) 6,492592593 5,846153846 6,707692308 5,423076923 5,846153846

Variación Rendimiento -9,96% 14,74% -19,15% 7,80%

Fuente: Autores basados en (Ministerio de Agricultura y Desarrollo Rural, 2016).

De lo anterior, se puede inferir que en el periodo de cinco años (2011 – 2015) la variación del área sembrada en promedio a nivel nacional es de 2.94 % frente a Cundinamarca con un porcentaje de -0.99 %, de modo que para el área cosechada se presenta una variación de 3.63 % a nivel nacional y -0.94 % en Cundinamarca, teniendo en cuenta que las siembras se encuentran concentradas en los municipios de San Bernardo, Silvania, Gacheta, El colegio, Arbeláez, Fusagasugá, Gama, Granada, Junín, La calera, Pasca, Cabrera, Choachi y Gachala, como muestra la Ilustración 12.

80

Por otro lado, se muestran cifras alentadoras en el caso de la producción de Mora en el departamento de Cundinamarca, sin importar el decremento de área sembrada y cosechada, este presenta un porcentaje promedio de producción de 2.86 % frente a 5.41 % correspondiente al total nacional, pues se presenta como 52.79 % del crecimiento a nivel nacional. En términos de rendimiento de los cultivos de Mora, se tiene un incremento de 1.48 % a nivel nacional, pero en Cundinamarca se observa una disminución de -1.64 %, siendo este el factor de mayor mengua y el de mayor importancia por su relación con los otros factores de producción de Mora (Ministerio de Agricultura y Desarrollo Rural, 2016).

Ilustración 12 Cultivo de mora en hectáreas por rangos en el departamento de Cundinamarca.

Fuente: Autores basados en (Secretaria de Agricultura de Cundinamarca, 2014).

En la producción de Mora, se presenta un decremento en los porcentajes de área

sembrada, área cosechada y rendimiento, gracias a la presencia de algunas alteraciones en el cultivo de la Mora por causas climatológicas y se ha presentado más influencia de este fenómeno en la zona del Sumapaz; se está presentando en las plantas de mora muerte

81

descendente, lugar donde se presentan las principales áreas productoras del país. Las vías se encuentran en muy mal estado, lo que perjudica los tiempos de entrega para los principales mercados tanto industriales como frescos del país. Se esperaba que los precios de la fruta se dieran a la baja ya que las principales industrias consumidoras de más del 60% de la producción nacional, han dejado de comprar los volúmenes que tradicionalmente adquirían (Ministerio de Agricultura y Desarrollo Rural, 2011).

Los precios de la fruta se han mantenido altos con respecto al mismo periodo de

noviembre del 2014, como se muestra en la Gráfica 12, como consecuencia del poco volumen que está saliendo de las zonas productoras (Mnisterio de Agricultura y Desarrollo Rural, 2016). En los últimos meses se han venido presentando pérdidas de fruta, debido al cierre temporal por mal estado de uno de los principales ejes de acceso para el transporte de carga como lo es la línea, por lo cual el transporte de esta fruta se debió enviar por la zona de Manizales, variable que afecta en el tiempo de viaje, al tener este un mayor trayecto. El costo de producción se ve aumentado debido a las aplicaciones de productos agroquímicos para contrarrestar los efectos causados por la ola invernal (Ministerio de Agricultura y Desarrollo Rural, 2011).

Gráfica 12 Precio de Mora en Cundinamarca en el 2014.

Fuente: Autores basados en (Mnisterio de Agricultura y Desarrollo Rural, 2016).

De igual manera, el cultivo de Mora está en cosecha y esta termina a finales de agosto,

para lo cual se están desarrollando algunas alianzas estratégicas de mercado con algunas agroindustrias pequeñas y medianas. Mediante el programa Escuelas de Campo de Agricultores de ASOHOFRUCOL se están apoyando 10 ECAS en las zonas de San Bernardo, Pasca y Pacho, estos municipios pertenecientes al departamento de Cundinamarca. De este modo, los productores han empezado a dejar los cultivos ya que no tienen a quien venderles y los precios de venta de la fruta están bajos (Ministerio de Agricultura de Desarrollo Rural, 2012).

El precio de la Mora en los principales mercados, se está comportando al alza debido a

que las principales industrias de transformación de alimentos están adquiriendo esta fruta en el momento para suplir la demanda del consumo de bebidas refrescantes por las altas temperaturas presentadas últimamente en el país. Además los productores están preocupados por el largo periodo de sequía, ya que la gran mayoría de cultivos de la Mora no tienen un sistema de riego (Ministerio de Agricultura y Desarrollo Rural, 2012).

$0,00$500,00

$1.000,00$1.500,00$2.000,00$2.500,00$3.000,00$3.500,00$4.000,00

Pe

so

s (

$)

Fecha

82

3.2.1. Producción de Mora en San Bernardo

En el departamento de Cundinamarca el acceso a la tierra ha tenido grandes inconvenientes y retos de desarrollo rural, como de igual forma la tenencia de la tierra, en donde la tendencia al alza de las actividades ilícitas, el fraccionamiento de la propiedad, el control armado de las tierras, ha generado un desequilibrio social y el deterioro de la ruralidad e incidencia en los factores productivos. De forma que en Cundinamarca se cuenta con un total aproximado de 460.000 predios, de los cuales más del 70 % son minifundios, los cuales tienen grandes problemas de tenencia y titulación, lo cual incide de manera directa en la economía, y en la ejecución de proyectos, financiados principalmente por las entidades financieras. Por tal motivo se tienen Áreas de Desarrollo Rural que al momento requieren infraestructura para afrontar el desarrollo, así como proyectos productivos acorde a sus necesidades (Cruz, 2012).

La infraestructura de riego y drenaje es una de las falencias del esquema productivo,

dado que el número de hectáreas que cuentan con un apropiado sistema de adecuación de tierras, es muy reducido, pues apenas le corresponde 4,5 % de la tierra dedicada a la producción agrícola, es decir, la infraestructura y adecuación de tierras mediante riego es prácticamente nula en el departamento de Cundinamarca, situación que en gran medida ocasiona inseguridad alimentaria y nutricional para una población cercana a los 2.557.623 proyectada para el año 2012 según el DANE, por lo cual el 36,8% (941.205 habitantes) están en inseguridad alimentaria y nutricional (Cruz, 2012).

Según INCODER el desarrollo sostenible se apoya en tres ejes fundamentales como lo

son (Instituto Colombiano de Desarrollo Rural, 2012): El crecimiento y la eficiencia económica, es una condición necesaria pero no suficiente

para el desarrollo sostenible, sin el cual no es posible elevar la calidad de vida con equidad

El mejoramiento de la calidad de vida y de la equidad social: sociedad más igualitaria, oportunidad de acceder a los servicios públicos, al mercado laboral, a una participación política efectiva.

La preservación de los recursos naturales. sin ellos, no es posible asegurar calidad de vida para las futuras generaciones.

Los ejes estratégicos y objetivos específicos para la competitividad en el sector

agropecuario deben ser tenidos en cuenta para el desarrollo de todas las Áreas de Desarrollo Rural, mejorando la productividad y la eficiencia de los sistemas económicos rurales, mediante las agendas de ciencia, tecnología e innovación, ampliando y mejorando la infraestructura de la región en los temas de vías, sistemas de riego y drenaje, dando un mejor uso al recurso suelo, mejorando los sistemas de pos-cosecha, comercialización y distribución logística de mercancías a los diferentes mercados, manejo y aplicación de Buenas Practicas de Agricultura y Buenas Prácticas de Manufactura, Todo esto para que los pobladores rurales puedan ser sostenibles, abrir y tener permanencia en los mercados con sus productos, ofrecer buen precio y calidad requerida por el consumidor (Instituto Colombiano de Desarrollo Rural, 2014).

83

Apoyados en lo anterior, el Área de Desarrollo Rural de Sumapaz la conforman 10 municipios como lo son: Arbeláez, Cabrera, Fusagasugá, Granada, Pandi, Pasca, San Bernardo, Silvania, Tibacuy y Venecia. El área del Sumapaz es la sexta provincia en cuanto tamaño, dado que en el 2008 se constituyó como unos de los principales mercados, con su ubicación en el cuarto (4) lugar a nivel Departamental. De este modo, la Áreas de Desarrollo Rural ocupan un área de 1.808 km2, siendo equivalente a un 7,47 % del área total de Cundinamarca que es 24.210 km2 (Instituto Colombiano de Desarrollo Rural, 2012).

Los 10 municipios del Área de Desarrollo Rural tienen una población de 207.221

habitantes, de los cuales 122.672 habitan en área urbana (59,20%) y 84.549 en áreas rurales (40,8%) la población del Área de Desarrollo Rural corresponde al 9,09% de la población total de Cundinamarca que es de 2.280.037 habitantes según el censo de 2005. Dado que para 1993, la población urbana era el 47% y la rural el 53%. Esta tendencia poblacional indica que la población rural ha venido disminuyendo, lo cual está reflejando un proceso de migración del campo a los centros urbanos (Instituto Colombiano de Desarrollo Rural, 2012).

Para el Área de Desarrollo Rural de Sumapaz se presenta un crecimiento para los

últimos 12 años de un 21 %, frente a un crecimiento de 39 % para el departamento de Cundinamarca. En el caso de los 10 municipios del Área de Desarrollo Rural de Sumapaz, la población urbana creció en un 53%, mientras la población rural disminuyó en un 7%. Los municipios que expulsaron población del sector rural fueron, Arbeláez, San Bernardo, Tibacuy y Venecia, como se observa en la siguiente Tabla 23 (Departamento Administrativo Nacional de Estadistica, 2016).

Tabla 23 Población de la Provincia de Sumapaz.

Área de Desarrollo

Rural Departamento Municipio

P.C. P.R. P.T. P.C. P.R. P.T. P.C. P.R. P.T.

1993 2005 2011

Provincia de

Sumapaz Cundinamarca

Arbeláez 3.139

15.448

18.587 4.699

7.107

11.806 5.044

7.063

12.107

Cabrera 979

3.661 4.640 1.032

3.652 4.684 1.045

3.534 4.579

Fusagasugá 62.350

19.653

82.003

86.243

22.706

108.949

99.304

24.806

124.110

Granada 1.000

3.200 4.200 1.609

5.267 6.876 1.860

6.072 7.932

Pandi 896

4.081 4.977 1.015

4.453 5.468 1.047

4.537 5.584

Pasca 2.173

7.751 9.924 2.550

8.572

11.122 2.730

9.030

11.760

San Bernardo 4.483

13.294

17.777 3.888

6.446

10.334 4.001

6.517

10.518

Silvania 4.540

15.024

19.564 5.690

15.702

21.392 6.074

15.708

21.782

Tibacuy 622

5.139 5.761 582

4.261 4.843 532

4.295 4.827

Venecia 96

3.943 4.039 962

2.972 3.934 1.035

2.987 4.022

Total 80.278

91.194

171.472

108.270

81.138

189.408

122.672

84.549

207.221

NOTA: P.C.= Población Cabecera, P.R.= Población Rural, P.T.= Población Total. Fuente: Autores basados en (Departamento Administrativo Nacional de Estadistica, 2016).

84

Las condiciones sociales de la población, aunque han mejorado en los centros urbanos, todavía siguen siendo inadecuadas especialmente en la zona rural, con indicadores de NBI en niveles bajos, el 27.7% de la población sufre de necesidades básicas insatisfechas y el índice de calidad de vida rural solo alcanza el 62.6%, en una escala máxima de 100% (Instituto Colombiano de Desarrollo Rural, 2012).

En cuanto a infraestructura básica, en el Área de Desarrollo Rural la cobertura de

servicios públicos es alta en energía, acueducto y alcantarillado, con un respectivo porcentaje de 92 % en promedio urbano. En energía, la cobertura urbana y rural es aceptable, 97 % y 88 % de los hogares están recibiendo este servicio público. En acueducto a nivel urbano es el 94 %, pero a nivel rural solo se beneficia el 30% de la población. En alcantarillado la cobertura urbana es del 86 %, sin embargo, la rural es tan solo de un 4 % y en telefonía rural la cobertura urbana es del 27 % y a nivel rural es mínima, es tan solo del 3 %. Siendo necesario llamar la atención sobre los bajos niveles de cobertura en acueducto, en alcantarillado y en telefonía a nivel rural en el área de Desarrollo Rural de Sumapaz, pues a nivel rural, las coberturas de servicios públicos son más bajas con respecto a la zona urbana. En acueducto los municipios que están por debajo del 30 % de cobertura rural son, Arbeláez, Cabrera, Pandi, San Bernardo y Silvania, destacándose las muy bajas coberturas de Silvania 12 % y Cabrera 2 %. En alcantarillado y telefonía rural las coberturas son mínimas en todos los municipios, como se puede tener ver en la Gráfica 13 (Gobernación de Cundinamarca, 2014).

Gráfica 13 Área de Desarrollo Rural de Sumapaz.

Fuente: Autores basados en (Gobernación de Cundinamarca, 2014).

Para el 2005, la provincia del Sumapaz represento el 6.6 % del producto interno bruto

de Cundinamarca, que a su vez represento el 5.23 % del producto interno bruto nacional. Donde el municipio de Fusagasugá el del PIB más alto (61.1 %), seguido por Silvania (8.9 %) del total provincial (Gobernación de Cundinamarca, 2014). La vocación productiva se encuentra asociada a la construcción, el transporte, a la actividad agrícola en general y a la pecuaria especialmente en los subsectores bovinos (carne y leche), porcinos, y avícolas (postura y engorde). La producción agrícola semestral es de minifundio y atiende básicamente la seguridad alimentaria de los habitantes de los municipios que ocupan el Área de Desarrollo Rural y los excedentes de la producción se comercializan principalmente con Bogotá (Instituto Colombiano de Desarrollo Rural, 2012).

0% 20% 40% 60% 80% 100% 120%

Energía Electrica

Acueducto

Alcantarillado

Telefonia

Porcentaje

Se

rvic

io P

ub

lico

Rural 2010 Urbano 2010

85

El área total agrícola en la Área de Desarrollo Rural de Sumapaz fue de15.714 hectáreas para el año 2002, mientras que para el año 2010 fue de 19.007 hectáreas, lo que represento un aumento de 20,96 % del área agrícola para este periodo de tiempo y del mismo modo, represento para el 2010 el 6,99 % del área agrícola de Cundinamarca y al 0,49 % del área agrícola nacional (Mnisterio de Agricultura y Desarrollo Rural, 2016). En la provincia se siembra un total de 36 cultivos y de acuerdo al ciclo de los mismos, en donde se cosecharon 8.128 hectáreas con 13 cultivos semestrales, equivalentes al 42.76 % del total del área; 4.038 hectáreas (21.24 %) en 10 cultivos semipermanentes y 6.841 hectáreas (36 %) en 13 cultivos permanentes (Gobernación de Cundinamarca, 2014).

En los cultivos Semestrales más representativos en los municipios del Área de Desarrollo

Rural de Sumapaz se destacan: la Papa, que paso de tener un área cosechada de 2.601 Hectáreas en 2002 a 2.624 Hectáreas en 2014, lo que muestra un comportamiento estable, con fluctuaciones que se pueden catalogar como normales su rendimiento promedio para el 2014 fue de 19,3 toneladas por hectárea; el Fríjol en el 2002 presento un área cosechada de 642 Hectáreas y en el 2014 fue de 1.686 Hectáreas , lo que representa un crecimiento del 162,62%, el rendimiento para el último año fue de 1,57 toneladas por hectáreas (Mnisterio de Agricultura y Desarrollo Rural, 2016). Se puede decir que la mayor parte de los cultivos semestrales son de seguridad alimentaria y de gran importancia para los pobladores de la provincia; la papa, maíz, la arveja y el frijol fueron sembrados en un área de 6580 Hectáreas, lo que constituye el 81 % del área total de cultivos semestrales, como muestra la Gráfica 14 (Instituto Colombiano de Desarrollo Rural, 2012).

Gráfica 14 Cultivos semestrales Áreas de Desarrollo Rural de Sumapaz 2014.

Fuente: Autores basados en (Gobernación de Cundinamarca, 2014).

Por parte de los cultivos Semipermanentes (ver Gráfica 15) el más representativo de la

región, es la Mora que presento un incremento significativo en el rendimiento en los dos últimos años de 7,80 %, aunque ha presentado una disminución en su área cosechada para los últimos años. En el año 2011 ocupaba un área de 3.487 hectáreas, mientras que en el año 2015 fue de 3.344 hectáreas, es decir que su área total cayó un 4.27 %. Con respecto al cultivo de Granadilla, paso de tener un área cosechada en 2002 de 69 hectáreas a tener 567 hectáreas para el 2014, lo que significa que el área cosechada aumento más de 8 veces en este periodo de tiempo, representa el 12.6 % de la producción nacional, teniendo un rendimiento de 10,06 toneladas por hectárea, superando el promedio nacional en 14.7 %.

32%

21%15%

32% PAPA

FRIJOL

ARVEJA

OTROS

86

En el 2014, la Gulupa en el 2002 presento un área de 455 hectáreas mientras que para el 2014 fue de 525 hectáreas, aumentando un 49,25 % y reportando un rendimiento promedio de 1,57 toneladas por hectárea (Mnisterio de Agricultura y Desarrollo Rural, 2016). Dentro de este grupo de cultivos también se identifican, el Lulo, el Maracuyá y la Uchuva como productos estratégicos y con gran potencial competitivo para la región (Instituto Colombiano de Desarrollo Rural, 2012).

Gráfica 15 Cultivos semipermanentes Áreas de Desarrollo Rural de Sumapaz 2014.

Fuente: Autores basados en (Gobernación de Cundinamarca, 2014).

En los cultivos Permanentes el Café es el cultivo más importante, como muestra la

Gráfica 16, aunque ha presentado una disminución en su área para los últimos años, en el año 2002 ocupaba un área de 5.895 hectáreas, mientras que en el año 2014 fue de 4.579 hectáreas, es decir que su área total cayó un 22.32% y el rendimiento promedio fue de 0,56 toneladas por hectárea para el último año evaluado. Por su parte el Tomate de Árbol en el 2002 presentaba un área de 949 Hectáreas, para el 2014 fue de 1.731 hectáreas, lo que representa un aumento del 82.4% en el área cosechada (Mnisterio de Agricultura y Desarrollo Rural, 2016). Lo que hace a la provincia líder en la producción de esta fruta es el rendimiento promedio por hectárea, que para el 2014 fue de 14,59 toneladas, superando los promedios nacionales en un 20%. Dentro de este grupo de cultivos se identifican también el Aguacate, el Banano y la Pitahaya como productos con potencial para la región (Instituto Colombiano de Desarrollo Rural, 2012).

Gráfica 16 Cultivos Permanentes Áreas de Desarrollo Rural de Sumapaz 2014.

66%

14%

13%

7%

MORA

GRANADILLA

GULUPA

OTROS

67%

25%

8%

CAFE

TOMATE DE ARBOL

OTROS

87

Fuente: Autores basados en (Gobernación de Cundinamarca, 2014).

Los productores tienen poco conocimiento del mercado y de las fluctuaciones de precio,

se realizan actividades agropecuarias sin planeación, la producción autorizada es en pequeñas y medianas cantidades con acceso restringido a capital, tierra y tecnología, además de inestabilidad en la oferta en cuanto a cantidad, calidad y continuidad, falta de capacidad industrial. Bogotá es el principal centro de consumo de los productos de la provincia del Sumapaz, ya que se encuentra ubicada en el segundo anillo de provisión de alimentos a Bogotá que abastece el 44% (Martínez & Francisco, 2011).

De acuerdo con la caracterización biofísica y la cercanía de mercados existen

potenciales en la región, presentando diferentes niveles de competitividad para los siguientes productos (Martínez & Francisco, 2011): Frutas frescas y procesadas en las que sobresalen la mora, el tomate de árbol, la

granadilla, el maracuyá, el lulo, la pitahaya, la uchuva, la gulupa y el aguacate. Flores Tropicales. Plantas Aromáticas y medicinales. Avicultura Bovinos (Carne y Leche) Clúster Turístico Forestales (Conservación, Maderas)

En caso más específico del municipio de San Bernardo, junto con la mora, se tiene características importantes por la vocación de sus suelos y la cultura agrícola de sus habitantes, donde fuentes de ingreso como la ganadería, la producción de derivados lácteos y cría de becerros son pilares de sustento de la economía de sus habitantes. En la comercialización de la producción agrícola local, se tienen como principal ente la ciudad de Bogotá, en la comercialización se tienen eslabones de intermediación informales que llegan a los municipios en busca de volúmenes importantes para que luego sean vendidos en Bogotá, más exactamente en Abastos o en las principales cadenas de alimentos, sin embargo, los precios correspondientes al productor son determinados por los intermediarios, lo que afecta de manera negativa los ingresos del pequeño productor (Universidad Nacional de Colombia, 2006).

La ubicación exacta del municipio es el Sur-Oriente del departamento de Cundinamarca

en la provincia del Sumapaz, el cual limita con el municipio de Arbeláez al norte, con Bogotá D.C. al oriente, con el municipio de Venecia al sur y con el municipio de Pandi al occidente. Tiene una extensión total de 248.98 km2 (Extensión área urbana 0.6 Km2, Extensión área rural 248.38 Km2), su cabecera municipal se encuentra a 1600 metros sobre el nivel del mar y tiene una temperatura media de 20°C. Cuenta con una reserva hídrica importante dada por el Rio Negro, Rio pilar y Quebrada la Chorrera, lo cual ha consolidado al municipio como Despensa Agrícola de Cundinamarca (Alcaldía de San Bernardo, 2016).

Dentro del municipio se creó Asociación de Productores de Frutas y Verduras de Clima

Frío y Moderado (FRUSAN) entre la Alcaldía Municipal, Cámara de Comercio y el Ministerio de Agricultura y Desarrollo Rural. Para su puesta en marcha la alcaldía aporto $50.000.000 y el MADS $600.000.000, con el fin de comercializar y transportar mora y otros frutales, siendo la mora el de mayor representación (Burbano & Sierra, 2014). Según como mencionan asociados a FRUSAN, cerca de 30 intermediarios compiten de manera desleal por la compra de Mora, proponiendo los precios al productor desde su propio punto de vista,

88

definiendo diversos plazos de pago y los respectivos volúmenes de compra, de manera irracional. Para los habitantes de San Bernardo, ésta situación se ha ido modificando paulatinamente con la creación de FRUSÁN, que en la actualidad regula primariamente los precios por kilo de mora (Universidad Nacional de Colombia, 2006).

La asociación de productores de frutas y verduras de clima frío moderado del municipio

de San Bernardo fue constituida legalmente desde el 02 de octubre del 2002 y en la actualidad cuenta con 147 socios activos, todos pequeños productores, los cuales deben pagar una cuota de sostenimiento mensual de $7600. El esquema organizativo de la asociación, los años de experiencia y la misma naturaleza del negocio, han permitiendo que sus cuadros directivos participen activamente en la toma de decisiones, reuniéndose cada semana para realizar el pago de la cosecha de cada uno de sus socios y haciendo un balance de su actividad productiva permanentemente; asesorados por un profesional en contaduría, cuyos honorarios son pagados por FRUSAN. Así mismo, cada mes realizan una asamblea general en donde dan a conocer a sus asociados el estado actual del negocio, indicadores de cumplimento de metas, entre otros (Amaya, 2016).

Las labores realizadas por ésta población son básicamente referentes a los trabajos de

la finca, en donde se encuentran dos (2) miembros por hogar promedio, realizando siembra de cultivos, mantenimiento y cosecha de éstos, y el cuidado de animales de consumo familiar, entre otras. De los integrantes del hogar que realizan labores en la finca, uno (1) en promedio dedica parte de su tiempo a realizar labores como jornalero o empleado. Quienes laboran como jornaleros eventuales, invierten tres (3) días a la semana para esto, lo que significa que ésta tarea no es realizada permanentemente y que disponen de la mitad de su tiempo para realizar actividades en sus fincas (Universidad Nacional de Colombia, 2006).

Los precios por labor del jornal (de 8:00 am a 4:00 pm) se obtienen en promedio diario

a $ 28.000 pesos, precios que incluyen alimento y trasporte del personal, siendo este mayor al pago realizado en los municipios cercanos. Además, un hogar promedio cuenta con una persona que se encarga de las labores domésticas como la atención a hogar y cuidado de la casa y sus habitantes, sin tener ningún tipo de ingreso, al tiempo esta persona aporta mano de obra en las labores de la finca (Universidad Nacional de Colombia, 2006).

Actualmente se está desarrollando un proyecto que es financiado por el Ministerio de

Agricultura y Desarrollo Rural y ejecutado por la fundación FUNDETECOMCOL, el cual pretende fortalecer a 207 pequeños productores, por medio de la renovación de cultivos de mora y reconversión productiva del cultivo de la uchuva. Aproximadamente se renovaron 140 hectáreas de mora a productores que cumplieran con los requisitos para ser beneficiarios; a cada uno de ellos se les brindo asesoría técnica en el estudio de suelos, en el plan de fertilización, se les entrego material vegetal certificado y los aparatos necesarios para el cuidado del cultivo. Esta renovación era necesaria ya que en promedio los beneficiarios tenían cultivos de 15 a 20 años de vida productiva, los cuales tenían un rendimiento muy bajo (Fundación para el Desarrollo Territorial y Comunitario de Colombia, 2015).

89

3.2.1.1. Preparación del material vegetal El material vegetal de la mora se puede propagar de diferentes maneras como los es la

sexual (por semilla), estaca, acodo o invitro (Técnica de propagación en un ambiente controlado de laboratorio). La propagación por estaca es la más recomendada y consiste en seleccionar plantas sanas, libres de enfermedades, bien desarrolladas, con espinas gruesas y tallo fuerte, luego se entierra de 5 a 7 centímetros la punta de una rama productiva y se espera 30 días para separar la nueva planta de la rama y sembrarla de inmediato en el campo (Ministerio de Agricultura y Desarrollo Rural, 2013).

En el municipio de San Bernardo hay un vivero llamado Plántulas VIFRUSAN, el único

con registro ICA, en donde se pueden adquirir material vegetal de frutales como lo es la mora, tomate de árbol, papayuela, lulo, gulupa, granadilla, feijoa y curuba los cuales son producidos a través del método sexual por semilla. Cada una de las semillas adquiridas en este lugar son provenientes de fincas con registro ICA, las cuales son sometidas a un proceso de lavado, desinsectación y secado a una temperatura no mayor a los 5°C, para luego sembrarlas en camas de germinación (ver Ilustración 13), en donde se combina la tierra con cal, cascarilla y lombricultura (Pedreros, 2016).

Ilustración 13 Camas de germinación.

Fuente: Autores.

Con respecto a la propagación sexual del material vegetal de la mora hay que esperar

tres meses para su germinación, en donde cada planta alcanza una altura de cinco centímetros, para luego ser trasplanta una por una a una bolsa plástica. Posterior a esto la planta se deja al aire libre durante cuarentaicinco días, con el fin de que adquiera todas las defensas que le permitan sobrevivir a las condiciones ambientales del municipio y que alcance una altura de más o menos treinta centímetros. Los productores pueden adquirir este material por cajas de madera (ver Ilustración 14) que contienen cincuenta plántulas, a un precio de $25.000 (pesos) cada caja, con un valor unitario de $500 (pesos). Durante el proceso de crecimiento se aplican fertilizantes y nutrientes una vez por semana, esparciéndose por medio de una manguera, para obtener plantas en un estado ideal (Pedreros, 2016).

90

Ilustración 14 Caja de comercialización de plántulas de mora.

Fuente: Autores.

3.2.1.2. Preparación del terreno

Para tener un óptimo desarrollo del cultivo de esta fruta es necesario que se siembre en

suelos franco arcillosos, que permitan el almacenamiento de agua y la evacuación de excesos de humedad, con un alto contenido de fosforo, potación calcio y magnesio. El suelo debe tener un buen drenaje interno y externo debido a que la planta es altamente susceptible a la acumulación de agua, además debe contar con un pH acido entre 5.2 - 6.7, en llegado caso que el suelo no tenga este rango de pH es necesario la aplicación de enmiendas (Sustancia mineral que se aplica al suelo para corregir la acidez) y requiere una profundidad efectiva de 50 cm para el buen desarrollo de las raíces.

En zonas con un alto porcentaje de precipitación acuosa se recomienda establecer el

cultivo en terrenos con altas pendientes para favorecer el drenaje del cultivo. Para la preparación del terreno también es importante retirar elementos como troncos viejos, material vegetal de anteriores cultivos, basura y otros que puedan perjudicar el material vegetal que se sembrara en el lote. (Ministerio de Agricultura y Desarrollo Rural, 2013).

Luego de seleccionar el terreno se debe hacer un trazado del lote y una demarcación de

los lugares de la siembra para ubicar los hoyos correctamente y así poder ajustar el tendido de la siembra. Esta actividad se realiza con cuerdas que se templan al suelo y con una vara de 2 a 3 metros de longitud, señalando el lugar del hoyo. En terreno con pendientes mayores a 5% el trazado se hace en curvas de nivel y al tresbolillo (colocar cada planta en el vértice de triángulos equiláteros, cuyo lado tiene una longitud igual a la de la distancia de siembra), a una distancia de tres metros entre calles y entre plantas. En terrenos planos o con pendientes menores a 5% el trazo se hace en cuadro y la distancia que debe hacer entre calles y plantas es de dos metros. La densidad de siembra que se obtiene es de 1111 para distancia entre calles de tres metros y 2500 plantas por hectárea para distancia entre calles de dos metros. (Ministerio de Agricultura y Desarrollo Rural, 2013).

Por ultimo solo queda hacer el ahoyado en los puntos que se establecieron en el trazado

del terreno, el cual consiste en abrir huecos de 40 centímetros de ancho y 40 centímetros de profundidad, dejando un plato alrededor del hoyo de 80 a 100 centímetros de diámetro. Cabe aclarar que dependiendo del tipo de suelo en que se cultive hay que aplicar materia

91

orgánica y cal a cada hoyo para enriquecer el terreno en minerales, por lo general se aplica 300 gramos de cal dolomita y un kilo de materia orgánica; el anterior paso se debe hacer un mes antes del trasplante (Ministerio de Agricultura y Desarrollo Rural, 2013). Los productores de mora del municipio de San Bernardo cuentan con el apoyo de la Unidad Municipal de Asistencia Técnica para llevar acabo de manera correcta esta actividad; ellos se encargan de prestar servicios agropecuarios, tecnológicos y promueven el acceso al financiamiento para promover asociaciones de productores (Alcaldía de San Bernardo, 2016).

3.2.1.3. Siembra

Teniendo en cuenta la previa selección del material vegetal la planta y la preparación del

terreno pueden ser trasplantadas de la planta madre a cada uno de los hoyos de inmediato. Cabe aclarar que es recomendable que este paso se haga en épocas de lluvias si no se cuenta con un riego suplementario que garantice la humedad suficiente del suelo. Es sumamente necesario prevenir la erosión de la capa productiva del suelo con la utilización de rompe-vientos (Camara de Comercio de Bogotá, 2015). A partir del momento en que se hace el trasplante se genera un calendario de desarrollo y crecimiento de la planta y el fruto de la Mora, el cual se describe en la Tabla 24.

Tabla 24 Calendario de desarrollo de la planta vegetal.

Cabio de estado Día Actividades

Salida de la yema 0 Pre-cosecha

Botón Floral 6 Pre-cosecha

Apertura de la flor 29 Pre-cosecha

Polinización 34 Pre-cosecha

Formación del fruto 0.5 a 1 centímetro 40 Pre-cosecha

Crecimiento del fruto 1 a 2 centímetros 53 Pre-cosecha

Inicio coloración del fruto 60 Pre-cosecha

Crecimiento del fruto de 2 a 2,5 centímetros 70 Cosecha

Crecimiento del fruto de 2,5 a 3 centímetros 85 a 102 Cosecha

Crecimiento del fruto de 3 a 5 centímetros 103 a 270 Cosecha

Fuente: Autores basados en (Universidad Nacional de Colombia, 2006).

3.2.1.4. Manejo y sostenimiento del cultivo

Esta fase es la más importante en la producción de mora y comprende siete actividades

principales que tienen como objetivo brindar apoyo para lograr una plantación sana y productiva. Este objetivo se podrá cumplir siempre y cuando se planee un monitoreo sistemático junto con observación cuidadosa de todo el cultivo, llevando siempre un registro de cada una de las novedades presentadas día a día. En el Anexo XX se encuentra un diagrama de operaciones junto con cada una de las principales actividades del proceso con los respectivos tiempos de duración. A continuación, se mencionarán cada una de las actividades, junto con las características y tareas que comprenden su descripción. (Ministerio de Agricultura y Desarrollo Rural, 2013):

92

a) Riego La planta de Mora necesita como mínimo 3 centímetros cúbicos de agua a la semana

para alcanzar un crecimiento y desarrollo óptimo. En caso de que las condiciones climatológicas no sean las apropiadas para que se cumpla con el criterio anteriormente mencionado, se debe instalar un sistema de riego por goteo, el cual se adapta a cualquier condición topográfica, garantiza que no haya contacto del agua con la parte externa de la planta y se aprovecha al máximo el recurso hídrico (Camara de Comercio de Bogotá, 2015).

b) Tutorado

Esta actividad tiene como fin sostener y dirigir el crecimiento la planta por medio de una estructura construida en madera y alambre, de igual manera favorece la aireación y las labores del mantenimiento del cultivo. El tutorado se hace bajo un sistema llamado espaldera (manera de enrejado en donde las plantas se soportan o descansan) y tiene diferentes clases, sencilla, compuesta, doble o de cama, en T y en T doble. La espaldera más recomendada es en T doble, debido a que presenta mejores rendimientos frente a los otros sistemas. Este consiste en ubicar postes sobre el surco a intervalos de tres o cuatro plantas, luego se instala la primera T a de 60 centímetros de ancho a 60 u 80 centímetros del suelo y la segunda T de 80 centímetros de ancho a 1,4 o 1.5 metros del suelo. Sobre la primera T se debe extender un alambre de calibre delgado y sobre la segunda T requiere un alambre grueso número 10 o 12 (se debe instalar tres o cuatro meses después de la siembra); en la Ilustración 15 se puede observar un esquema de este sistema (Ministerio de Agricultura y Desarrollo Rural, 2013).

Ilustración 15 Espaldera en doble T.

Fuente: Autores basados en (Escobar, 2014).

c) Poda

Se considera como el paso más importante para el manejo y sostenimiento del cultivo gracias a que favorece a la aireación y la entrada de luz a la planta, permitiendo así una menor presencia de enfermedades, buena producción, calidad de fruta, facilidad para realizar la cosecha y las demás actividades que conforman esta fase. Antes de empezar con el proceso es necesario que la tijera podadora se desinfecte con hipoclorito de sodio (cloro o decol); este proceso tiene diferentes etapas y son: de formación, mantenimiento o sanitaria y de renovación (Ministerio de Agricultura y Desarrollo Rural, 2013).

La poda de formación consiste en cortar hojas, ramas débiles, sobrantes y entrecruzadas

por debajo de los primeros 40 centímetros de la planta, dejando de a seis o a ocho basales. Dos de ellos deben ser vegetativos (machos) y se deben cortar de 10 a 20 centímetros por

93

encima del primer alambre, los restantes productivos (hembras) haciendo cortes por debajo o cerca al último alambre. Esta poda se debe realizar cada 45 o 60 días después de la siembra (Ministerio de Agricultura y Desarrollo Rural, 2013).

En cuanto a la poda de mantenimiento o sanitaria, se pretende eliminar todas aquellas

ramas que presenten síntomas de maltrato o de contaminación, las que terminaron de producir y las ramas látigo o improductivas. Con respecto a las ramas productivas hay que despuntarlas para que se pueda estimular el crecimiento de ramas secundarias, dejando la zona baja de la planta libre de hojas y ramas sobrantes. Esta actividad se debe hacer cada 15 o 30 días (Ministerio de Agricultura y Desarrollo Rural, 2013).

Por último, con respecto a la poda de renovación puede ser total cuando la planta

envejezca y sus rebrotes no presenten características de producción, la cual puede ser a ras del suelo o parcial, dependiendo de su estado. El principal objetivo de este tipo de poda es aumentar la productividad del cultivo luego de llegar al pico de producción y se debe hacer bajo el criterio del personal encargado del mantenimiento de la siembra (Ministerio de Agricultura y Desarrollo Rural, 2013).

d) Plan de Fertilización

La planeación de esta actividad dependerá de las características del suelo en donde se sembró el cultivo a través de un análisis físico-químico del suelo; en la Tabla 25 aparecen los contenidos promedios de elementos y minerales que posee un suelo dependiendo de su pH. Los elementos más importantes que necesita un cultivo de mora es el nitrógeno, el cual es importante durante los primeros meses para la formación de ramas y hojas, fosforo, necesario para que la planta crezca enderezada y potasio, para la maduración y buena calidad del fruto. De igual manera para tener un buen desarrollo del cultivo es recomendable aplicar elementos menores como el cobre, hierro y zinc (Gutierres & Parra, 2005).

Tabla 25 Propiedades de los suelos según su pH.

ppm

pH CE ds/m N P K Ca Mg Na S Fe Mn Cu Zn B

Nivel bajo 6 0,56 20 150 107 1389 257 12 15 11,3 1,1 3,4 0,34

Nivel Optimo 6,25 0,74 25 200 150 1924 348 15 20 15 1,5 4,5 0,45

Nivel Alto 6,5 0,92 30 250 192 2458 438 43 18 25 18,8 1,9 5,6 0,56

Fuente: Autores basados en (Grajalba, Pérez, & Calderón, 2010)

En promedio un cultivo de Mora requiere altas dosis de fertilizantes por año/hectárea,

las cuales pueden ser de 120 a 250 kilogramos de urea (CO(NH2)2), 120 a 200 kilogramos de cloruro de potasio (KCl), 40 kilogramos de superfosfato (Ca(H2PO4)2) y 60 a 80 gramos de agrimins por planta. Es recomendable que antes de la siembra y año tras año se haga una aplicación de materia orgánica (entre uno y dos kilogramos por planta), como lo puede ser gallinaza (Ministerio de Agricultura y Desarrollo Rural, 2013). A continuación, se podrá ver en la Tabla 26 un plan de fertilización más detallado por planta para el cultivo de mora, el cual puede modificarse de acuerdo a las condiciones del suelo.

94

Tabla 26 Plan de fertilización para el cultivo de Mora por planta.

Producto Cantidad por planta Observaciones

10-30-10 750 gramos/año Se debe repartir en 4 o 5 aplicaciones durante el año

Agrimins 70 gramos Aplicar 35 gramos cada 6 meses

Cal Dolomítica 150 gramos Una sola aplicación por año

Gallinaza 1,5 Kilogramos por año Una sola aplicación por año

Fuente: Autores basados en (López & Gómez, 2008).

En la cabecera municipal de San Bernardo hay varias tiendas que proveen insumos

agrícolas, entre ellos fertilizantes y plaguicidas, allí los productores pueden buscar asesoría en cuanto al control de plagas y al desarrollo de planes de fertilización. Los precios en que se comercializan los principales fertilizantes en estas tiendas agrícolas para el cultivo de la mora se encuentran en la Tabla 27, lo que en promedio por hectárea dejaría un gasto de $9´167.620 (pesos) al año y por 1111 plantas. La mayor preocupación de los productores de mora del municipio se centra en los altos costos que deben incurrir para adquirir de estos insumos, lo cual se debe a que no existe una regulación del mercado por parte de la Superintendencia de Industria y Comercio, ya que en Colombia se paga en promedio un 40% más en fertilizantes y un 44% más en plaguicidas que en los países vecinos como Brasil y Ecuador (COLPRENSA, 2013).

Tabla 27 Precio promedio de fertilizantes en San Bernardo.

Nombre Unidad Precio ($)

Urea 50 Kilogramos 50.000

Cloruro de Potasio 1 Kilogramo 9.000

Superfosfato 1 Kilogramo 10.000

Agrimins 1 Kilogramo 3.000

Lombricultura (Gallinaza) 50 Kilogramos 16.000

Cal Dolomítica 50 Kilogramos 8.500

10-30-10 1 Kilogramo 7.600

Fuente: Autores.

e) Control de malezas

Para el cultivo de la Mora no es necesario tener completamente libre de malezas las calles, simplemente se pueden conservar botones de oro, leguminosas rastreras y entre otras con una altura controlada no mayor a 20 centímetros. Con respecto alrededor de la planta se debe mantener un plato de 80 a 100 centímetros de diámetro completamente limpio de malezas, este procedimiento se debe realizar únicamente con machete o a mano, evitando el uso herbicidas o azadón. Cada tres meses se debe llevar a cobo esta labor (Ministerio de Agricultura y Desarrollo Rural, 2013). f) Aporque

Esta labor consiste en acumular tierra alrededor de los tallos de las plantas de Mora con el fin de que se pongan más tiernas y suaves (Color ABC, 2007); la primera vez que se realiza esta actividad es al quinto mes de la siembra y a una altura moderada para que los primeros rebrotes puedan salir. Durante los siete meses restantes del año se deben hacer dos aporques más una vez la planta este desarrollada (Ministerio de Agricultura y Desarrollo Rural, 2013). g) Control de enfermedades y plagas

El cultivo de la mora está expuesto a enfermedades y daños por hongos que pueden afectar su producción y en especial en el municipio de San Bernardo, debido a que hay un continuo cambio del clima. Dentro de las enfermedades y plagas más comunes se pueden resaltar las siguientes:

95

Botrytis o pudrición del fruto o moho gris (Botrytis cinérea): Se almacena principalmente

en flores, frutos y hojas, produciendo la descomposición de la Mora y la caída de las

flores anticipadamente. Tiene un color gris negro y forma una masa algodonosa tal cual

como se puede observar en la Ilustración 16. Las temperaturas bajas, una humedad

relativamente alta y el agua acumulada en los tejidos de la planta favorecen a su

desarrollo. Las actividades que ayudan a prevenir la propagación de esta enfermedad

son las labores de podas de formación y saneamiento, el control de las hierbas entre las

calles de los cultivos y la permanente limpieza de los platos de las plantas para facilitar

la aireación de los cultivos. Todas aquellas plantas afectadas deben quemarse en

lugares alejados del cultivo para prevenir la contaminación de esta enfermedad por

medio del viento. Esta enfermedad presenta resistencia a munchos fungicidas, por lo

que el mejor control son las buenas prácticas agrícolas (ICA, 2011).

Ilustración 16 Botrytis o pudrición del fruto o moho gris (Botrytis cinérea)

Fuente: Autores basados en (Escobar, 2014)

Mildeo velloso o peronospora (peronospora sparsa Berk): Se logra identificar cuando los

frutos crecen deformados, con maduración dispareja y con falta notoria de brillo, dejando

como evidencia una capa blanca que se apodera de los tallos, como se evidencia en la

Ilustración 17. En épocas de lluvia y con una alta humedad en el ambiente es el escenario

perfecto para que se desarrolle el hongo. Se deben eliminar las ramas improductivas

como labor de prevención y como control de la enfermedad arrancar todas las partes de

la planta que han sido afectadas para evitar la propagación. El manejo químico con

fungicidas se realiza siempre y cuando la inocuidad del fruto no sea vea afectado (ICA,

2011).

96

Ilustración 17 Mildeo velloso o peronospora (peronospora sparsa Berk)

Fuente: Autores basados en (ICA, 2011).

Antracnosis del fruto, muerte descendente, secadera o palo negro (Colletotrichum

gloesporioides): Esta enfermedad causa una muerte progresiva de arriba haca debajo de ramas y tallos, esto se logra identificar gracias a un color morado o violeta que empieza a cubrir las partes afectadas de la planta tal cual como se puede observar en la Ilustración 18. Cuando el ataque es severo en los tallos principales tiende a dejar un color negro y así mismo produciendo la muerte de la planta. La principal causa es la permanencia por más de cuatro horas de una película de agua sobre los tejidos y con una humedad de ambiente alta. Esta enfermedad tiene un control y una prevención similar al del moho gris, la cual se basa en realizar actividades que promuevan la aireación del cultivo (ICA, 2011).

Ilustración 18 Antracnosis del fruto, muerte descendente, secadera o palo negro (Colletotrichum

gloesporioides)

Fuente: Autores basados en (ICA, 2011).

97

Barrenador de tallos y ramas (Hepialus sp): Es un insecto que es atraído cuando algún

tipo de hongo u enfermedad causa heridas considerables en gran número de plantas del

cultivo y se logra reconocer cuando las hojas empiezan a tomar un color amarillo.

Inicialmente perfora la base de la planta y empieza a dirigirse hacia el centro y a medida

que avanza va dejando rastros de excremento que permite identificar la plaga; en la

Ilustración 19 se puede observar su aspecto. Además de las actividades que permitan

una mejor aireación del cultivo, es recomendable que los primeros 50 centímetros de los

tallos estén libres de hojas para el control de la plaga; en llegado caso en que los niveles

de infestación sean altos la única solución será utilizar fungicidas para su erradicación

(ICA, 2011).

Ilustración 19 Barrenador de tallos y ramas (Hepialus sp)

Fuente: Autores basados en (ICA, 2011).

Burrita de la virgen o picudo de la Mora (Compsus sp): Es una larva que se aloja desde

la raíz hasta las hojas, generando daños irreparables en ventanas de tiempo pequeñas.

Tiene un color blanco hueso, tal cual como se observa en la Ilustración 20, la hembra

puede llegar a medir hasta 1,2 centímetros y es mucho más desarrollada, mientras que

el macho llega a medir hasta 1 centímetro. El trato ideal que debe hacerse con esta plaga

es mediante represiones biológicas utilizando patógenos, predadores y parásitos (ICA,

2011).

98

Ilustración 20 Burrita de la virgen o picudo de la Mora (Compsus sp)

Fuente: Autores basados en (ICA, 2011).

Perla de tierra (Eurhizococcus colombianus): Es una plaga que se aloja en la raíz de la

planta para succionar la savia y reproducirse de tal manera que forma nudos que impiden

el paso de agua y nutrientes, como se puede ver en la Ilustración 21, esto genera una

interrupción del crecimiento de las plantas, se reduce la floración y los frutos no alcanzan

niveles mínimos de maduración. Todas las platas que estén infectadas deben retirarse

con todo y raíz y quemarse lejos del cultivo, ya que ningún tratamiento químico es

eficiente para eliminar a la perla de la tierra (ICA, 2011).

Ilustración 21 Perla de tierra (Eurhizococcus colombianus)

Fuente: Autores basados en (Escobar, 2014).

Barrenador del cuello de la planta (Zascelis sp): Es un tipo de alga que se aloja en la

base del tallo (ver Ilustración 22) causando daños rápidamente y deteniendo el crecimiento y la producción de frutos. Su presencia se reduce cuando el control de limpieza del cultivo se lleva con rigurosidad (Ministerio de Agricultura y Desarrollo Rural, 2013).

99

Ilustración 22 Barrenador del cuello de la planta (Zascelis sp)

Fuente: Autores basados en (Escobar, 2014)

Babosas (Milax gagates): Son una plaga que se come las hojas de la planta desde que

se encuentra en periodo de crecimiento en el vivero y se expande en toda la cosecha una vez la planta contaminada es llevada al sitio definitivo. Para prevenir su aparición es recomendable que las plantas no se expongan a altos niveles de humedad, regando con moderación el cultivo para evitar el encharcamiento (Ministerio de Agricultura y Desarrollo Rural, 2013).

Mosca de la fruta (Anastrepha sp): Esta plaga es la más común en siembras de frutales

y su apariencia se puede ver en la Ilustración 23; su forma de actuar es depositando huevos en los frutos y después de un tiempo nacen larvas que perforan el mismo, causando pérdidas y disminución de calidad. Debido a los grandes daños que producen la mosca de la fruta en los cultivos de Mora y de otros frutales, El Instituto Agropecuario Colombiano estableció en la resolución 001 de 2011 medidas fitosanitarias para disminuir y controlar esta plaga. Dentro de las medidas más importantes están, recolectar todos los frutos afectados del árbol y del suelo, realizar la cosecha oportunamente, renovar o erradicar arboles improductivos o en mal estado y si es necesario se podrá ejercer un control biológico con organismos vivos antagonistas de la mosca (Ministerio de Agricultura y Desarrollo Rural, 2013).

Ilustración 23 Mosca de la fruta (Anastrepha sp)

Fuente: (Secretaria de Agricultura, Ganaderia, Desarrollo Rural, Pesca y Alimentación, 2016).

100

Para evitar el uso de químicos en el control de enfermedades o plagas existe la posibilidad de preparar caldos minerales que cumplen una función muy similar y minimizan los efectos que causan los pesticidas en la calidad e inocuidad de los frutales. Uno de ellos se llama caldo bordelés y su procesamiento es colocar una Kilo de Sulfato de Cobre (Cu2SO4) en un balde plástico, disolviéndolo en 10 litros de agua, a parte en una tina plástica revolver un kilo de Cal viva junto con 90 litros de agua. La primera mescla se debe depositar y revolver continuamente en la tina plástica (se debe cumplir con el orden de los pasos para evitar la formación de vapores tóxicos) (Organismo Internacional Regional de Sanidad Agropecuaria, 2003).

Para saber que este caldo mineral ya está listo para utilizarse hay que introducir una hoja

metálica y observar si se oxido, de ser así hay que aplicar más cal y si no la mescla ya se encuentra en su punto. Este tipo de soluciones tiene recomendaciones especiales para su preparación y aplicación, lo primero que hay que tener en cuenta es que debe usarse el mismo día de su preparación, lo segundo es que las personas que estén durante el proceso deben utilizar protección para los ojos y por último se debe aplicar en horas de la mañana o finalizando la tarde sobre las plantas afectadas. La única excepción de aplicación es sobre las plantas pequeñas que recién están germinando o floreciendo (Organización de las Naciones Unidas Para Alimentación y Agricultura, 2003). 3.2.1.5. Cosecha

La Mora presenta particularidades que dificultan su cosecha y hacen que sea la actividad más difícil, principalmente porque presenta una maduración des-uniforme y con espina, lo que quiere decir que la persona que realiza esta operación debe recolectar frutos maduros entre frutos verdes y está en riesgo de cortarse o de dañar algún fruto. Dada la dificultad de esta actividad hay que atender de recomendaciones para hacer una muy buena cosecha; lo primero que se debe hacer es secar el roció de las plantas, luego halar de la fruta por su base con el dedo pulgar e índice (no sostenerla mucho tiempo en la mano y utilizar guantes de caucho limpios) y depositarla de inmediato en el recipiente utilizado en la cosecha. Lo más recomendable es hacer esta labor en horas de la mañana, disponiendo de recipientes no muy hondos y limpios, evitando canastas de malla (Camara de Comercio de Bogotá, 2015).

Lo primero que debe asegurar el productor antes de realizar actividades de recolección

es tener asegurada la venta de la fruta para evitar pérdidas por demoras en la comercialización (Elaboración de un paquete tecnológico para productores en manejo cosecha y pos-cosecha de Mora Silvania Cundinamarca 2012). La primera cosecha se da entre los siete y nueve meses de establecido el cultivo y llega a producción plena entre los quince y dieciocho meses, para el caso particular de San Bernardo hay un rendimiento en promedio de 9 toneladas por hectárea. Dependiendo del nivel de maduración se debe tomar la decisión de empezar a cosechar el fruto, es por eso que en la Tabla 28 se muestra una descripción del proceso de maduración de la fruta. A partir del número 4 ya se podrá cosechar el fruto y ya solo dependerá en qué estado de maduración se quiere recoger la Mora (Franco & Giraldo, 2001).

101

Tabla 28 Estados de maduración de la Mora.

Número 0 1 2 3 4 5 6

Imagen

Descripción

Fruto de color amarillo verdoso con drupas bien formadas.

Fruto de color amarillo verdoso con algunas drupas de color rosado.

Se incrementa el área de color rosado.

Fruto de color rojo claro.

Fruto de color rojo intenso.

Fruto de color rojo intenso con algunas drupas de color morado.

Fruto de color morado oscuro.

Fuente: Autores basados en (Camara de Comercio de Bogotá, 2015).

3.2.1.6. Post Cosecha

Por las condiciones de la fruta no se debe exponer a la intemperie, lo cual hace necesario que en la finca exista un espacio techado en donde se puedan hacer actividades de acopio como selección, clasificación, empaque y almacenamiento, el cual debe permanecer limpio y lejos de focos de contaminación. La operación de selección busca encontrar moras sanas, enteras y firmes y desechar todas aquellas que tengan indicios de enfermedades o daños considerables (Garcìa, 2012). Luego se realiza la clasificación de la fruta que se puede hacer por medio de tres variedades, calidad extra, que está bien formada y sin defectos con una longitud mayor a 5 centímetros, primera o especial, que tiene ligeras deformaciones con una longitud entre 2,2 y 5 centímetros y segunda o corriente, la cual es una fruta con los requisitos mínimos de aceptación y con una longitud entre 1,5 y 2,2 centímetros (ICA, 2011).

Los productores de mora del municipio de San Bernardo que se encuentran asociados

a FRUSAN no realizan ninguna de las actividades de selección y clasificación, debido a que en el centro de acopio que se encuentra en la cabecera municipal (ver Ilustración 24), realizan cada una de ellas en caso de que el fruto se venda a la industria de transformación y adicionalmente pesan las canastillas para saber cuánto hay que pagarle a cada productor. De igual manera los productores independientes del municipio no realizan las actividades anteriormente mencionadas, por lo que la presentación del producto es deficiente cuando se vende al mercado fresco, con hongos, tallos y hojas, lo cual obliga a que en las plazas mayoristas o en los almacenes de cadena manipulen de nuevo la fruta y esta pierda calidad. (Morales, 2016).

102

Ilustración 24 Centro de Acopio de mora de FRUSAN.

Fuente: Autores.

Luego de estas dos actividades hay que proceder a empacar la mora utilizando

recipientes plásticos con rendijas de aireación como se muestra en la Ilustración 25, los cuales minimizan el maltrato frente a los recipientes de madera. También existe la opción de utilizar empaques plásticos con capacidad entre 500 y 1000 gramos si la fruta va directamente a la venta en supermercados o en llegado caso que el comprador así lo exija. Por ultimo solo faltara almacenar la fruta que se va empacando hasta terminar con toda la mora cosechada, pero debido a su alta perecibilidad debe realizarse en periodos de tiempo cortos, en un ambiente de 0 a 5°C y una humedad relativa entre 85 y 95% (Garcìa, 2012).

Ilustración 25 Tipo de empaque para la recolección de Mora en FRUSAN.

Fuente: Autores.

Las canastillas plásticas tienen a llenarse por encima de los orificios de agarre, y para

evitar que se desborde la fruta, los productores colocan hojas de papel (ver Ilustración 26), lo cual genera un punto inmenso de contaminación, por lo que se recomienda llenar la canastilla antes de los orificios de agarre y así evitar la pérdida de calidad del producto. Esta fruta tiene una vida que oscila entre los 3 y 8 días, dependiendo del cuidado y los métodos de preservación que se tengan, es por eso que es recomendable entregarla como máximo 8 horas después de cosecharla. (Camara de Comercio de Bogotá, 2015). En la actualidad en el municipio de San Bernardo no se cuenta con ningún cuarto frio, por lo que la fruta se somete a refrigeración solo hasta que se carga en los camiones de la asociación

103

FRUSAN que cuentan con sistema Termoquin o en caso de ser independiente hasta que llegue a la plaza mayorista (Resultado de la investigación).

Ilustración 26 Canasta de mora para la comercialización.

Fuente: Autores.

3.2.2. Comercialización y distribución

La mora es una fruta que tiene diferentes usos, entre los cuales se encuentran culinarios, en donde se puede consumir en fresco, postres y bebidas, industriales, donde se transforma la fruta en pulpas, mermeladas, jaleas, refrescos, vinos y lácteos, y por último se encuentran los usos medicinales, gracias a que sus componentes como el aceite oleico, aceite Linoleico y aceite palmítico previenen enfermedades del corazón y el cáncer (Camara de Comercio de Bogotá, 2015). La configuración del canal de distribución y comercialización de la fruta dependerá del uso o el fin que se le quiera dar. En el caso de la Asociación FRUSAN se tiene configurada una red de transporte a través de las veredas del municipio, que funciona de lunes a viernes, en donde se acuerdan puntos de encuentro para que cada asociado entregue la fruta.

En el país existen dos canales de comercialización de este fruto, uno es a través del

mercado fresco de plazas mayoristas, supermercados y exportación, y el otro es a través de la industria de transformación, liderada por POSTOBON, Alpina y Panamericana de Alimentos. La mora que se comercializa a través del mercado fresco debe tener un nivel de maduración cuatro (ver Tabla 28), para que su vida útil se extienda, y su clasificación debe ser de calidad extra. En cambio, la mora que es para consumo de la industria de transformación debe tener un nivel de maduración cinco o seis y con una calidad de primera o segunda; lo anterior se debe a que a la mora utilizada se transforma de inmediato en otro producto de mayor vida útil. El precio de venta en cada uno de los canales es diferente y varia semana tras semana, dependiendo principalmente por la oferta y demanda del producto (Morales, 2016). 3.2.2.1. Transporte

Según la organización mundial de la Salud (OMS) y la Organización de las Naciones Unidas para la Alimentación y la Agricultura (FAO), las frutas y hortalizas en fresco se deben transportar de tal manera que se reduzcan las probabilidades de contaminación microbiana,

104

química y física, por lo que se deben garantizar las siguientes condiciones en los vehículos de transporte y en el producto (Camara de Comercio de Bogotá, 2015): Las instalaciones de almacenamiento del vehículo deben estar construidas en materiales

no tóxicos, que permitan una fácil limpieza y que estén aislados al acceso de plagas. Se debe eliminar objetos extraños, tierra y agroquímicos que traigan las frutas y

hortalizas antes de transportadas. No se deben trasportar productos que no sean aptos para el consumo humano. Los vehículos utilizados para esta actividad no deben ser utilizados para transportar

sustancias peligrosas, animales o personas a menos que se realice una desinfección adecuada.

Las instalaciones de almacenamiento del vehículo deben encontrarse limpias y en perfectas condiciones antes de cargadas.

Los vehículos deben ser cerrados o carpados para evitar la exposición del producto a condiciones ambientales que puedan afectar su calidad. El sistema de transporte de FRUSAN se encuentra configurado a través de cinco rutas

de recolección del producto, como se puede apreciar en la Tabla 29, de las cuales tres son administradas bajo su propiedad y dos son sub-contratadas. Dentro de esta configuración existen dos puntos de encuentro, el primero de ellos se llama “Primer Campamento” en donde vehículos pequeños llevan la mora recolectada predio por predio hasta completar su capacidad máxima, para que después un vehículo de mayor capacidad lleve el producto al segundo punto de encuentra que es el Centro de Acopio, el cual se encuentra en la zona urbana del municipio de San Bernardo. Una vez la fruta ingresa al Centro de Acopio se realizan actividades pesaje, empaque y carga de los camiones que llevan el producto a Bogotá o a la industria. Para el transporte a Bogotá se utilizan canastillas plásticas de 22 kilos, 36 kilos y 50 kilos y para pedidos especiales se utiliza una caja plástica de presentación de 500 gramos (Burbano & Sierra, 2014).

Tabla 29 Sistema de rutas de recolección de frutas de FRUSAN en el municipio de San Bernardo.

Fuente: Autores basados en (Burbano & Sierra, 2014).

Cada uno de los empaques se marca con un código de identificación del productor de la

fruta con el fin de poder responder en caso de un reclamo y para el pago final que le corresponde a cada uno. La asociación cuenta con dos vehículos propios con sistema de refrigeración, que realizan el transporte desde el centro de Acopio, uno de ellos con capacidad de transportar 1,5 toneladas (Chevrolet Dimas 3.0. diésel) y el otro con capacidad de 6 toneladas (Chevrolet MPR). Los viajes se realizan cuando el centro de acopio llega a su máxima capacidad y para el caso específico de Bogotá se pueden realizar

Rutas Veredas Estado

Porcentaje de

recolección (%)

Días de Recolección

Ruta 1 Santa Marta y Santa Rita Propia 10,5 Martes

Ruta 2 Quecos, Agua Negra, Agua Amarilla y Carmen

Sub-contratada 21,4 Jueves y Viernes

Ruta 3 Laureles, Dorado, Tulcán y Agua Amarilla

Sub-contratada 20,5 Martes y Viernes

Ruta 4

Honduras, Diamante, Graciela, Dorado y Tulcán Propia 11,4 Lunes y Jueves

Ruta 5 Andes y Gualilo Propia 36,2 Lunes y Martes

105

dos viajes diarios en estas condiciones (Burbano & Sierra, 2014). Una de las mayores complicaciones de este eslabón es la recolección del fruto a través de las veredas del municipio, debido a las vías de acceso y a la dispersión de los productores, lo cual genera un costo de aproximadamente $2.000 por canastilla de 20 libras, tomando como ejemplo el transporte hasta el centro Mayorista de CORABASTOS en la ciudad de Bogotá (Morales, 2016). 3.2.2.2. Industria de transformación

La asociación de Productores de frutas y verduras del municipio de San Bernardo (FRUSAN) tenía contrato con dos aliados comerciales, FRUCONGSA y Productora de Jugos S.A., quienes se encuentran en Cali y Tuluá respectivamente, los cuales se encargan de transformar el fruto en fresco en productos con mayor valor como lo son pulpas, fruta congelada y jugos. En la Tabla 30 se puede ver los precios de compra y las toneladas vendidas a la industria durante los años 2006 y 2012 por parte de FRUSAN. Actualmente la fruta se vende en su mayoría al mercado de CORABASTOS o a través de intermediarios que venden directamente el fruto a la industria de transformación (Morales, 2016). Para la recepción del fruto en este eslabón de la cadena hay requerimientos mínimos de aceptación, por lo que se deben cumplir a cabalidad para evitar grandes pérdidas del fruto y de dinero. A continuación, se mencionan los más importantes (Meals de Colombia S.A., 2007): El vehículo que transporta la fruta debe estar limpio y sin contaminantes. No se debe transportar la fruta junto con insumos agrícolas, desechos y/o animales. El empaque debe estar limpio. La fruta debe ser entera, presentar un aspecto limpio, sano, agradable, fresco y uniforme,

sin indicios de descomposición ni mezcla de frutas deterioradas. La fruta debe estar libre de hojas, excesos de pedúnculos y de basura. Cualquier aplicación de plaguicida durante la etapa de producción debe ser informada

durante la entrega de la fruta. La fruta debe estar en un nivel de madurez cinco o seis (ver). La fruta puede ser transportada a temperatura ambiente, siempre y cuando la fruta no

llegue fermentada, aunque lo ideal es conservar una temperatura de refrigeración de 0º a 5ºC.

Tabla 30 Precio promedio de venta de mora a la industria junto con respectivas cantidades en FRUSAN.

Año Precio en promedio de venta ($) Toneladas Vendidas

2006 799 403

2007 702 403

2008 745 327

2009 784 571

2010 740 918

2011 862 1046

2012 667 577

Fuente: Autores basados en (Morales, 2016).

106

3.2.2.3. La Central de Abasto de Bogotá (CORABASTOS)

Se encuentra ubicada desde su apertura en el año 1972 en la Av. Carrera 80 No 2 – 51 sur occidente de la ciudad, siendo su principal función abastecer alimentos frescos de manera directa o indirecta a otras centrales de abasto de la ciudad, grandes superficies, fruver y personas en particular. A diario ingresan 250.000 personas a demandar alimentos de aproximadamente 6.000 comerciantes, los cuales son abastecidos por 12.000 vehículos procedentes de diferentes regiones del país. CORABASTOS es de propiedad mixta, el 47% de las acciones pertenece a privados y el 53% restante al estado o alguna institución perteneciente al mismo. Su infraestructura ocupa aproximadamente cuarenta y dos hectáreas, las cuales se dividen en treinta y dos bodegas, tres cámaras de congelación, tres cámaras de refrigeración, un túnel de congelación rápida, un edificio de administración, áreas de circulación peatonal y vehicular, venta de insumos y un puesto de policía (Central de Abasto de Bogotá, 2016). En la Ilustración 27 se podrá observar de manera general la distribución de su infraestructura.

Ilustración 27 Diagrama general de CORABASTOS.

Fuente: Autores basados en (Sistema de Información de precios y abastecimiento del sector agropecuario, 2012).

Las Bodegas se clasifican en dos tipos de acuerdo con su área y características de almacenamiento; primero están las de tipo uno, que tienen un promedio de área de 400 metros cuadrados, capacidad para almacenar hasta 100 toneladas de productos en bultos de 50 kilogramos y solo hay seis de ellas en CORABASTOS (el producto que predomina es la papa). Por último, se encuentran las de tipo dos, la cuales son los 26 restantes, con un área en promedio de 225 metros cuadrados y pueden estar sub-divididas en puestos individuales en donde cada comerciante organiza sus productos por canastillas. En los curtos fríos los productos se organizan sobre estibas, en donde se colocan 60 cajas de 10 kilogramos por cada una de ellas y dependiendo del producto en promedio se puede alcanzar hasta 20 toneladas de capacidad máxima de almacenamiento. En el caso de las frutas y lácteos el almacenamiento es de mayor cuidado para evitar daños químicos y físicos (Sistema de Información de precios y abastecimiento del sector agropecuario, 2012).

Las bodegas numeradas del uno al diez y la bodega número diecisiete (ver Ilustración 27) se encargan de acopiar y negociar granos y productos procesados, solo que esta última se diferencia de las demás porque vende insumos agrícolas. Las bodegas once y veintidós almacenan yuca, plátano y arracacha, mientras que las bodegas doce, veintiuno, veintitrés, veinticuatro y veintiséis se especializan en hortalizas y verduras. La papa se encuentra en

107

las bodegas trece, catorce, diecinueve, veinte, quince y dieciocho, compartiendo en estas dos últimas su espacio con las verduras. Las frutas se almacenan en las bodegas veintinueve y treinta, y finalmente en un lugar llamado “Aguacate” se puede encontrar comerciantes de aguacate, banano y plátano. La comercialización al menudeo de todos los alimentos se lleva a cabo en una bodega popular en donde frecuentan personas encargadas de surtir negocios pequeños o sus propios hogares (Sistema de Información de precios y abastecimiento del sector agropecuario, 2012).

La entrada de peatones y vehículos es durante las 24 horas de los siete días de la semana, excepto el primero de enero, jueves y viernes de semana santa y 25 de diciembre, a través de una malla vial, zonas de descargue y pasillos para el tránsito de peatones. El ingreso de los vehículos se da a partir de la negociación del mayorista y el transportador en la zona llamada el martillo y está establecido en horarios dependiendo del producto transportado, los cuales se podrán observar en la Tabla 31. Puede haber casos especiales en los que los comerciantes dueños de las bodegas negocien los productos directamente con los productores y acuerden la entrega en la bodega en cualquier hora del día. Los viernes y jueves son los días de mayor actividad debido a que se intercambian productos con otras centrales de abasto de la ciudad y se distribuye a regiones en donde la comercialización de alimentos son los fines de semana (Revista de Logísica, 2016).

Tabla 31 Horario de ingreso de camiones por tipo de alimento transportado.

Tipo del Alimento Horario

Frutas, hortalizas, plátanos, granos y procesados 5:00 a. m. a 2:00 p. m

Hortalizas 2:00 p. m. a 10:00 p. m

Frutas, hortalizas, tubérculos y raíces 8:00 p. m. a 4:00 a. m

Fuente: Autores basados en (Sistema de Información de precios y abastecimiento del sector agropecuario, 2012).

Dentro de las instalaciones de la Central de Abastos hay una oficina de la Secretaria de

Salud de Bogotá que se encarga de hacer inspecciones periódicamente con el fin de recomendar y exigirles a los comerciantes que desarrollen determinadas labores que minimicen las causas de problemas sanitarios. Con respecto al aseo hay una entidad privada que se encarga durante doce horas al día de recolectar los residuos que se generan y así darles una disposición final correcta; como ejemplo está el caso de las hojas de mazorca y cascara de arveja que se regalan como alimento para animales (Revista de Logísica, 2016).

La venta de la mora inicia todos días a las 12:00 am en el sitio llamado “El Martillo”, en donde los dueños de las bodegas negocian junto con los conductores de los vehículos el precio por libra de este frutal, en donde la mayoría de los casos pagan a $900 cada libra, dependiendo de la oferta que haya en el momento de la negociación. Hasta las 03:00 am les permiten a los conductores de los vehículos permanecer dentro de este lugar, luego cada uno de ellos tienen que ubicarlos en los alrededores de la Central y esperar hasta las 09:00 am para que les devuelvan el empaque y se realice el respectivo pago pactado en las horas de la madrugada (Morales, 2016). Ya dentro de la central los dueños de las bodegas revenden la fruta a los precios que ellos consideren y este se vuelve como referencia a nivel nacional; por lo anterior en la Gráfica 17 observar el promedio de precios durante los años 2012 a 2015 y en la Gráfica 18 el comportamiento de precios durante los doce meses del año 2015.

108

Gráfica 17 Promedio de precios durante los años 2012 a 2015.

Fuente: Autores basados en (Mnisterio de Agricultura y Desarrollo Rural, 2016). Gráfica 18 Comportamiento de precios durante los doce meses del año 2015.

Fuente: Autores basados en (Mnisterio de Agricultura y Desarrollo Rural, 2016).

Durante los años 2012 y 2015 el precio de venta de la mora en CORABASTOS ha tenido

un crecimiento constante año tras año del 7% en promedio y con una diferencia positiva del 28% desde el periodo inicial al final, algo que no se puede evidenciar en el precio pagado a en el sector del martillo a los productores o transportadores del fruto. Para el año 2015 hubo una diferencia entre el precio más bajo y el más alto del 88%, dejando al mes de Julio con el precio más bajo y a diciembre con el precio más alto. Según algunos socios de FRUSAN los altos precios se dan cuando hay muy poca oferta de fruto, por lo tanto, los meses de abril, mayo, octubre, noviembre y diciembre fueron de escases, y los precios bajos cuando ingresa mucha mora a CORABASTOS, consecuente los meses de enero, febrero, marzo, junio, julio, agosto y septiembre fueron de abundancia.

2012; $2.193,79

2013; $2.539,38

2014; $2.719,26

2015; $2.818,22

$2.000,00

$2.100,00

$2.200,00

$2.300,00

$2.400,00

$2.500,00

$2.600,00

$2.700,00

$2.800,00

$2.900,00

2012 2013 2014 2015

Pe

so

s

Años

1; $2.632,00

2; $2.638,25

3; $2.618,00

4; $3.357,75

5; $3.043,33

6; $2.238,25

7; $2.102,75

8; $2.492,20

9; $2.498,00

10; $3.084,60

11; $3.270,25

12; $3.961,00

$2.000,00

$2.200,00

$2.400,00

$2.600,00

$2.800,00

$3.000,00

$3.200,00

$3.400,00

$3.600,00

$3.800,00

$4.000,00

0 1 2 3 4 5 6 7 8 9 10 11 12

Pe

so

s

Meses

109

3.3. Cadenas de Markov

Cuando se estudia el cambio o evolución de una variable aleatoria con el pasar del tiempo, se debe tener en cuenta que esta se encuentra bajo procesos estocásticos. Este tipo de proceso describe la relación de variables aleatorias de un sistema en puntos discretos en el tiempo. Las cadenas de Markov son un tipo especial de proceso estocástico discreto en el tiempo, las cuales suponen que en cualquier instante la variable o las variables aleatorias pueden estar en un número finito de estados (1, 2,…,s). Estas cadenas cuentan con una propiedad Markoviana, la cual se puede describir si para cualquier n la distribución condicional de Xn+1, dadas X0, X1,..., Xn, es independiente de X0, X1,...Xn. (Rodríguez C. Y., 2012).

Ecuación 3 Propiedad Markoviana

𝑃{𝑋𝑛+1 = 𝑗 |𝑋0 = 𝑖0, 𝑋1 = 𝑖1, . . . 𝑋𝑛 = 𝑖} = 𝑃{𝑋𝑛 + 1 = 𝑗| 𝑋𝑛 = 𝑖} = 𝑝𝑖𝑗

Fuente: Autores basados en (Winston, 2005).

La Ecuación 3 determina que la distribución de probabilidad del estado en el tiempo t+1

depende solamente del estado anterior. Si dentro del sistema ocurre un movimiento de un estado a otro en el tiempo, se dice que ocurrió una transición de i a j. Dentro de una cadena Markoviana estos cambios de estado dependen de pij, que se denominan probabilidades de transición, las cuales se muestran en una matriz de probabilidad de transición P, mostrada en la Ilustración 28, de orden s*s, donde las filas corresponden al estado de inicio y las columnas al estado de llegada. También se requiere definir un vector q = [q1, q2,…, qs] el cual contiene la distribución de probabilidad inicial cuando la cadena está en el estado i en el tiempo 0 (Winston, 2005).

Ilustración 28 Matriz de probabilidad de transición P

Fuente: Autores basados en (Winston, 2005).

Esta matriz de transición contempla que cada uno de los elementos que hay dentro de

ella no debe ser negativo, son estacionarios (no cambian con el tiempo) e independientes y la suma de cada fila debe ser igual a uno, como muestra la Ecuación 4 (Taha, 2004). Dado que el estado en el tiempo t es i, en alguna parte del proceso el tiempo debe estar en t + 1, lo cual quiere decir que para cada estado i se cumple (Taha, 2004).

Ecuación 4 Condición Markoviana para sumatoria de filas

∑ 𝑃𝑖𝑗

𝑁

𝑗=1

= 1 1 ≤ 𝑖 ≤ 𝑁

∑(𝑃𝑁𝑛+1 = 𝑗

𝑁

𝑗=1

| 𝑃(𝑥𝑁 = 𝑖)) = 1

Fuente: Autores basados en (Taha, 2004).

110

Dentro de una cadena de Markov se pueden identificar varios tipos de estados, los cuales se definen por tener características muy particulares. A partir de la revisión de la literatura se identificaron siete tipos de estados, los cuales son, Alcanzables, Comunicados, Cerrados, Absorbentes, Transitorios, Recurrentes y Periódicos. A continuación, se describirá cada uno de ellos:

Alcanzables: Dados dos estados i y j, una trayectoria de i a j es una secuencia de

transiciones que comienza en i y termina en j, tal que cada transición en la secuencia tiene una probabilidad positiva de ocurrir. Un estado j es alcanzable desde el estado i si hay una trayectoria que conduzca de i a j.

Comunicados: Estados que se comunican. Se dice que dos estados i y j se comunican si j es alcanzable desde i, e i es alcanzable desde j.

Cerrados: Un conjunto de estados S de una cadena de Markov es cerrado si ningún estado fuera de S es alcanzable desde algún estado en S.

Absorbentes: Es un estado en el que pii = 1 pij = 0. Siempre que se entra en un estado absorbente, no se sale de él; un estado absorbente es un conjunto cerrado que contiene sólo un estado.

Transitorios: Un estado i es transitorio si existe un estado j que es alcanzable desde i, pero el estado i no es alcanzable desde el estado j.

Recurrentes: Es un estado que no es transitorio. Periódicos: Un estado i es periódico con periodo k >1 si k es el número más pequeño tal

que las trayectorias que conducen al estado i de regreso al estado i tienen una longitud que es un múltiplo de k. Si un estado recurrente no es periódico, se conoce como aperiódico. Después de identificar cada uno de los posibles estados en que puede estar el sistema

que modela una cadena de Markov, se podrá construir el diagrama de la Ilustración 29, que muestra cada una de las relaciones que se forman a partir de las probabilidades de transición (arcos) y entre estados (nodos). Desde la definición del diagrama de la cadena, se puede establecer qué tipo de cadena Markoviana conforma el fenómeno de estudio, dentro de las cuales se encuentra Ergodicas, Regulares y absorbentes (Winston, 2005).

Ilustración 29 Diagrama de la Cadena de Markov

Fuente: Autores basados en (Winston, 2005).

111

Las cadenas de Markov Ergodicas son un proceso en el cual es posible llegar de un estado a cualquier otro, sin importar el número de pasos que sean necesarios para que esto ocurra. Las cadenas de Markov Regulares son aquellas que al elevar la matriz de transición a alguna potencia P, logra tener únicamente elementos de probabilidad diferentes de cero. Una cadena de Markov Absorbente se puede definir si tiene al menos un estado absorbente y si es posible llegar desde un estado transitorio hasta por lo menos un estado absorbente; se usan para describir procesos o sistemas que concluyen o que vuelven a iniciar después de llegar a determinadas condiciones (Chediak & Vera, 2005).

Para el asunto particular de las cadenas de Markov Absorbentes la matriz de transición,

entre estados transitorios y absorbentes, se puede dividir en cuatro sub-matrices y se pueden denotar con las letras I, O, A y N (ver Ilustración 30). La sub-matriz I es la identidad que muestra la relación entre los estados absorbentes, la sub-matriz O es nula y muestra que no hay relación entre los estados absorbentes y los estados transitorios, la sub-matriz A indica la probabilidad de ir a un estado transitorio a un estado absorbente y finalmente la sub-matriz N enseña cada una de las probabilidades de ir entre estados transitorios (Chediak & Vera, 2005).

Ilustración 30 División por sub-matrices de una matriz de probabilidades con estados absorbentes

Fuente: Autores basados en (Chediak & Vera, 2005).

Con este grupo de sub-matrices es posible encontrar y analizar tres factores, primero el

número de pasos antes de que el proceso sea absorbido, segundo el número de veces que el proceso está en cualquier estado transitorio y tercero la probabilidad de absorción por cualquier estado absorbente del proceso. En este sentido para llegar a encontrar cada uno de esos factores se deben realizar operaciones entre matrices, para empezar, se deben restar las matrices I y O (primer factor) y de esa manera calcular la matriz inversa del resultado anterior (segundo factor). En la Ilustración 31 se observará el cálculo que se mencionó anteriormente tomando como ejemplo el anterior grupo de sub-matrices de la Ilustración 30.

Ilustración 31 Sustracción e inversa de matriz (I-O)

Fuente: Autores basados en (Chediak & Vera, 2005).

112

Finalmente, solo bastara con buscar el tercer y último factor que es el más importante

en el análisis de las cadenas de Markov Absorbentes, las probabilidades de absorción por cualquier estado absorbente. Teniendo en cuenta el resultado de la nueva matriz de la Ilustración 31, este se multiplica por la sub-matriz A y se obtiene el resultado que se observa en la Ilustración 32, una matriz mucho más reducida con solo dos columnas y cuatro filas.

Ilustración 32 Probabilidades de absorción por cualquier estado absorbente

Fuente: Autores basados en (Chediak & Vera, 2005).

3.3.1. Identificación y clasificación de los estados de transformación de la cadena

Una de las características de modelamiento de cadenas de Markov es la importancia que tienen las probabilidades de transición entre estados, puesto que no deben cambiar en el transcurso del tiempo (Rodríguez C. Y., 2012), es por eso que el periodo de tiempo que se utilizó en el proyecto será el año 2015, además de este ser el último cierre contable. El proceso de identificación y clasificación de la cadena fue realizado a través de dos fases, las cuales consistían primero en desarrollar un panorama de la población objetivo del estudio y segundo configurar la cadena agroindustrial de la Mora, desde los Productores y distribuidores del municipio de San Bernardo (Cundinamarca), hasta el mercado fresco o a la industria de transformación de alimentos. 3.3.1.1. Descripción de la población

En el municipio de San Bernardo (Cundinamarca), la principal actividad económica por la cual subsisten sus habitantes es la producción y comercialización de productos agrícolas, entre los que se destacan la mora, el tomate de árbol, la habichuela y la papa. La población del municipio se divide en dos tipos, rural y urbana, las cuales cuentan respectivamente con 6616 y 3316 habitantes, para un total de 9932 habitantes, con una distribución por sexo de 5154 hombres y 4778 mujeres. El promedio de edad para la población está entre los 15 a 44 años de edad, dado que el 45.6% de la población se encuentra entre este rango (Alcaldia de San Bernardo, 2016).

La población de estudio son los productores y distribuidores de mora del municipio de

San Bernardo (Cundinamarca), los cuales se encuentran distribuidos en las veredas de mayor altitud (2300 – 3200 m.s.n.m.), dado que cuentan con las características ambientales idóneas para la producción de mora. Según la Unidad Municipal de Asistencia Técnica Agropecuaria – UMATA para el año 2015 existían 304 explotaciones agrícolas de Mora, con un área sembrada de 1045 hectáreas y con 27 hectáreas en desarrollo, de lo cual se estimó un rendimiento anual de 9 toneladas (Unidad Municipal de Asistencia Técnica Agropecuaria – UMATA, 2015).

113

En cuanto a los distribuidores de mora en la región, no se registra un censo de esta población, por lo tanto, dentro de la investigación se incluyeron (además de la asociación FRUSAN) los siguientes distribuidores, quienes estuvieron de acuerdo en aportar su conocimiento para la realización del proyecto: Cesar Gonzales Miller Pedreros Álvaro Baracaldo Carlos Rincón Ananías Forero Pedro Guerrero Leonardo Forero Juan Bautista Carlos Romero Orlando González

Cada uno de ellos realiza la recolección del fruto a través de los caminos veredales, en diferentes tipos de vehículos (pequeños y medianos), para luego ser llevado a la cabecera municipal. Luego de llegar a este punto se reúne todo el producto para ser enviado en vehículos de mayor capacidad al mercado fresco o a la industria de transformación de alimentos nacional. En ciertos casos, se realiza el pago al productor en el momento de la recolección, eximiéndolo de cualquier tipo de responsabilidad en la calidad que presente el fruto al momento de ser comercializada.

De igual manera, se presentan situaciones en los que el productor entrega el fruto y debe

esperar hasta el día domingo para que el intermediario entregue su respectivo pago dependiendo de las cantidades enviadas durante la semana. En el momento que se presente algún tipo de queja por calidad o presentación del producto en la comercialización, afectara económicamente al distribuidor, quien a su vez exigirá en una próxima ocasión al productor una mayor calidad, de no ser así se desvinculara de manera indefinida de la recolección semanal.

La venta del producto al mayorista se da a través de una relación comercial establecida previamente con alguno de los intermediarios, previamente mencionados, en donde se establecen los requisitos de presentación, preservación y calidad del fruto, como se muestra en la Tabla 32 como ejemplo de ficha técnica de recepción del producto en la industria de transformación de alimentos. En caso de no cumplir con los requerimientos exigidos por la industria, se generan devoluciones al intermediario quien asume la responsabilidad por la cantidad de producto no vendido. Para el mercado fresco, la recepción de la fruta no tiene mayores requisitos, aunque lo ideal es que la fruta sea de calidad extra que atraiga el agrado visual de los compradores y presente un grado de maduración bajo para una mayor duración. En la cadena Agroindustrial de la mora del municipio de San Bernardo (Cundinamarca) se tienen los siguientes mayoristas:

Plaza de mercado de Ibagué Plaza de mercado de Girardot Corporación de Abastos de Bogotá Productora de Jugos del Valle Alpina Colombia Panamericana de Alimentos

114

Comercializadora de Frutas FRUCONGSA

Tabla 32 Ficha Técnica de la mora para recepción en la Industria de Transformación de Alimentos

Transporte

El vehículo que transporta la fruta debe estar limpio y sin contaminantes

No se debe transportar la fruta junto con insumos agrícolas, desechos y/o animales

La fruta puede ser transportada a temperatura ambiente, siempre y cuando la fruta no llegue fermentada, aunque lo ideal es conservar una temperatura de refrigeración de 0º

a 5ºC

Presentación

La fruta debe ser entera, presentar un aspecto limpio, sano, agradable, fresco y uniforme, sin indicios de descomposición ni mezcla de frutas deterioradas

La fruta debe estar libre de hojas, excesos de pedúnculos y de basura

El empaque debe estar limpio

Químicos Cualquier aplicación de plaguicida durante la etapa de producción debe ser informada

durante la entrega de la fruta

Nivel de Maduración

La fruta debe estar en un nivel de madurez cinco o seis

Grados Brix Mínimo 6º

Fuente: Autores basados en (Escobar, 2014)

3.3.1.2. Calculo de la muestra

En el contexto que se encuentra el proyecto no se ha encontrado una cuantificación de las mermas que se generan en la cadena de agroindustrial de la mora, por lo tanto, es necesario recurrir a un método que explique esa realidad. Al mismo tiempo, los productores e intermediarios que no pertenecen a la asociación FRUSAN, no cuentan con un histórico de datos de producción y de recolección, por ende, esto genera la misma necesidad de recurrir a una aproximación de los datos. El método más apropiado para entender esta realidad es construir un tipo de encuesta de investigación estructurada, para cada uno de los actores involucrados en la cadena.

Para el desarrollo de la encuesta se requiere el cálculo del tamaño de la muestra dado

que es uno de los aspectos a concretar en las fases previas de la investigación y determina el grado de credibilidad concedido a los resultados obtenidos, por consiguiente, se utilizó la Ecuación 5 denominada como factor de corrección de población finita, la cual orienta el cálculo del tamaño de la muestra para datos finitos (Triola, 2014).

Ecuación 5 Calculo del tamaño de la muestra

𝑛 =𝑘2 ∗ 𝑝 ∗ 𝑞 ∗ 𝑁

(𝑒2 ∗ (𝑁 − 1)) + 𝑘2 ∗ 𝑝 ∗ 𝑞

Fuente: Autores basados en (Triola, 2014).

Donde: N = Tamaño de la población y universo k = Constante que depende del nivel de confianza asignado. Los valores de k más

utilizados y sus niveles de confianza se muestran en la Tabla 33. e = Error muestral deseado. El error muestral es la diferencia que puede haber entre el

resultado que obtenemos preguntando a una muestra de la población y el que obtendríamos si preguntáramos al total de ella.

p = Proporción de individuos que poseen en la población la característica de estudio. q = Proporción de individuos que no poseen esa característica, es decir, es 1-p. n = Tamaño de la muestra

115

Tabla 33 Valores de k y sus niveles de confianza

Fuente: Autores basados en (Triola, 2014).

Como parte del desarrollo de la investigación, el cálculo de la muestra se desarrolló para

una población de 304 explotaciones agrícolas, de modo que se contara con un nivel de confianza del 95% y un respectivo error muestral de 5%. La proporción asignada para los individuos que poseen las características de estudio es de un 90% y la proporción que no posee esa característica es de un 10%, estas proporciones están definidas por una primera inspección al lugar de realización de las encuestas; punto donde se denota la falta de comunicación de algunos productores de mora a los recorridos veredales, caso que da lugar a ventas de mora en municipios cercanos (Venecia – Pandi) y la dificultad por parte de los encuestadores para realizar el respectivo cuestionario. Con base a los anteriores datos se da desarrollo a la Ecuación 6, la cual arroja un resultado de 95 encuestas para productores de mora en el municipio de san Bernardo.

Ecuación 6 Calculo del tamaño de la muestra

𝑛 =1.962 ∗ 0.9 ∗ 0.1 ∗ 304

(0.052 ∗ (304 − 1)) + 1.962 ∗ 0.9 ∗ 0.1= 95

Fuente: Autores basados en (Triola, 2014).

3.3.1.3. Toma de datos

Para este proceso que se llevó acabo entre el día 12 de septiembre y 19 de septiembre

del presente año, se tuvo en cuenta la población de productores e intermediarios de la región, exceptuando a los mayoristas debido a que en este punto se pierde el origen del fruto, dado que se recopila producto de diferentes zonas del país. En el caso de los productores, el resultado obtenido en el cálculo de la muestra se utilizó para diseñar dos tipos de cuestionario (ver Anexo XXI y Anexo XXII), debido a que existe la diferencia entre productores asociados a FRUSAN e independientes, puesto que se maneja una base de datos en la asociación en cuanto a cantidades vendidas por cada productor, caso opuesto a la realidad presentada por las personas independientes quienes no realizan registros de su actividad económica.

El cuestionario dirigido a los productores asociados pretendía recolectar un aproximado

del porcentaje de merma que se generó en el año 2015, teniendo en cuenta el anuario climatológico, de igual manera el cuestionario para los productores independientes buscó recolectar información acerca de las cantidades producidas por semana en temporada alta y baja, el intermediario a quien se le vende la mora y junto con el porcentaje de perdida.

En cuanto a la toma de datos de esta población se observó que hay dos maneras de

entrevistarlos, una realizando el acercamiento a las fincas productoras de mora y la otra esperando el día domingo en la cabecera municipal, en donde algunos de ellos se encuentran con sus intermediarios para saldar cuentas o para comprar víveres. De este modo se realizaron dos viajes a través de las veredas Santa Marta, Santa Rita, Laurel Alto y Laurel Bajo, para realizar el cuestionario a productores independientes, además el día domingo se entrevistó tanto a productores asociados en la sede FRUSAN, como independientes en lugares públicos del municipio, logrando así un total de 95 encuestas, tal cual como se calculó en la muestra.

k 1,15 1,28 1,44 1,65 1,96 2 2,58

Nivel de confianza 75% 80% 85% 90% 95% 95,5% 99%

116

Con respecto a los intermediarios también se diseñó un cuestionario en donde se tuvo

en cuenta la diferencia entre independientes y la asociación (ver Anexo XXIII y Anexo XXIV), donde se indago a los independientes sobre el porcentaje de la merma presentada en el transporte, las cantidades transportadas semanalmente en temporada alta y baja y el destino del producto, al mismo tiempo, a la asociación se le realizó el mismo cuestionario, exceptuando las cantidades transportadas, puesto que la asociación compartió su información contable para el desarrollo del proyecto. Según las características de esta población no era posible tomar una muestra, lo cual exigió entrevistar a los intermediarios que los habitantes del municipio de San Bernardo tenían en mente como los más importantes de la región, de tal modo para recolectar los datos de esta población se presentaron las mismas situaciones de los productores (Viajes veredales y lugares públicos de la cabecera municipal). 3.3.1.4. Codificación y análisis de los datos

Luego de realizar la toma de datos en los respectivos cuestionarios se obtuvo como resultado un total de 106 encuestas, 95 para productores y 11 para intermediarios, los cuales se digitalizaron y agruparon en dos tablas respectivamente (ver Anexo XXV y Anexo XXVI). El primer resultado que se observó de la toma de datos fue que cada uno de los entrevistados dio respuestas diferentes, por lo que no se evidencia un patrón de comportamiento, esto se debe al manejo de las prácticas agrícolas, transporte del fruto y características del lugar donde se establece el cultivo. El segundo resultado que se observó fue el comportamiento del cultivo y mercado de la mora durante el año, dado que no es constante, lo cual requirió al momento de la toma de datos hacer la división en cuanto a las respuestas de merma (invierno - verano) y cantidades producidas con respecto a la temporada del año (alta y baja).

En cuanto a la organización de la cadena en el eslabón de productores fue necesario ordenar en cinco (5) grupos veredales a los 95 encuestados, basados en los códigos establecidos por la asociación FRUSAN, los cuales se organizan en números del 01 al 250, dejando conjuntos como lo muestra la Tabla 34. En algunos casos donde se presentaron veredas productoras de mora fuera de las establecidas, fueron asignadas al grupo más cercano, con base en la Ilustración 33.

Tabla 34 Codificación veredal Asociación FRUSAN

Código Grupo Veredal

01 – 50 Santa Marta – Santa Rita

51 - 100 Agua Amarilla – Agua Negra

101 – 150 Laurel Alto – Laurel Bajo

151 – 200 Honduras - Diamante

201 – 250 Andes

Fuente: Autores.

117

Ilustración 33 División Política Municipio de San Bernardo (Cundinamarca)

Fuente: Autores basados en (Alcaldía de San Bernardo, 2016).

Con respecto a las mermas en la producción de mora y a los datos obtenidos, se

procedió a indagar sobre las condiciones climatológicas, basados en el anuario climatológico del año 2015. Según indica esta fuente se puede clasificar la condición climatológica de una región mes por mes, mediante el Índice de Precipitación Estandarizado, siendo apropiada para cuantificar las condiciones de déficit o exceso de precipitación en un lugar, para un lapso determinado de tiempo el cual varía, generalmente, entre 1 y 24 meses (Instituto de Hidrologia, Meteorologia y Estudios Ambientales, 2015). De acuerdo a su valor, el Índice de Precipitación Estandarizado puede clasificarse como muestra Tabla 35.

Tabla 35 Clasificación del Índice de Precipitación Estandarizado

Clasificación del Índice de Precipitación Estandarizado

CLASIFICACIÓN IPE PERIODO FRECUENCIA TEORICA DE

OCURRENCIA

1 Verano -2.00 o menor Extremadamente Seco (sequía extrema) 1 en 50 años

2 Verano -1.50 a -1.99 Muy seco (sequía severa) 1 en 20 años

3 Verano -1.00 a -1.49 Moderadamente seco (sequía moderada) 1 en 10 años

4 Verano -0.50 a -0.99 Ligeramente seco

1 en 3 años 5 Promedio 0.49 a -0.49 Normal

6 Invierno 0.50 a 0.99 Ligeramente húmedo

7 Invierno 1.00 a 1.49 Moderadamente húmedo (exceso moderado) 1 en 10 años

8 Invierno 1.50 a 1.99 Muy húmedo (exceso severo) 1 en 20 años

9 Invierno 2.00 o mayor Extremadamente húmedo (exceso extremo) 1 en 50 años

Fuente: Autores basados en (Instituto de Hidrologia, Meteorologia y Estudios Ambientales, 2015).

118

Para el caso de San Bernardo (Cundinamarca) se evidencian solo cuatro estados del clima durante los meses del año 2015, que varían entre Moderadamente seco y Ligeramente húmedo, los cuales se muestran detalladamente en la Tabla 36. Con base a los anteriores resultados se promedió cada uno de los meses del año según su clasificación (invierno, promedio y verano), donde se tiene que el 42% del año hubo invierno, 50% del año hubo verano y solo el 8% fue promedio.

Tabla 36 Clasificación del clima por meses del año 2015

Mes Enero Febrero Marzo Abril Mayo Junio

Ponderación 5 4 3 4 4 3

Clasificación Promedio Verano Verano Verano Verano Verano

Mes Julio Agosto Septiembre Octubre Noviembre Diciembre

Ponderación 6 6 6 6 6 3

Clasificación Invierno Invierno Invierno Invierno Invierno Verano

Fuente: Autores

Teniendo en cuenta que el modelo de cadenas de Markov requiere un solo valor de

probabilidad de perdida por estado transitorio, se realizó el cálculo del valor ponderado de merma con la respuesta de cada uno de los encuestados y el resultado anual promedio de la clasificación del clima, como se muestra en la columna “ponderación merma según clima” del Anexo XXV. Siguiendo el orden de la clasificación veredal establecida en la Tabla 34, se promedió la ponderación de merma según el clima para cada uno de los grupos, dando como resultado la Tabla 37. De modo que se presenta un comportamiento similar en el promedio de mermas por grupo veredal, evidenciando que las condiciones y características, tanto de la región como de sus productores de mora son similares.

Tabla 37 Promedió de merma por grupo veredal en San Bernardo (Cundinamarca)

Grupo Promedio

Merma por Vereda

Santa Marta 47%

Agua Amarilla 47%

Laurel Alto 42%

Honduras 43%

Andes 44%

Fuente: Autores

De esta manera para los intermediarios de la región, a excepción de la asociación

FRUSAN, se calculó las cantidades transportadas según el calendario del cultivo en el departamento de Cundinamarca (ver Tabla 6), utilizando la respuesta de cada uno de ellos, los cuales se encuentran en la columna “cantidades promedio de ventas por semana” del Anexo XXVI. Por medio del calendario se estableció la temporada (alta, media y baja) del cultivo por semana durante el año 2015, como se presenta en la Tabla 38. De las 51 semanas contempladas para ese año se obtuvo que 21 semanas son para temporada alta, de igual manera para temporada baja y para temporada media tan solo 9 semanas.

119

Tabla 38 Temporadas del cultivo de mora en Cundinamarca por semana para el año 2015

Enero Febrero Marzo Abril Mayo Junio

Sem. Temp. Sem. Temp. Sem. Temp. Sem. Temp. Sem. Temp. Sem. Temp.

1 A 1 A 1 A 1 B 1 B 1 B

2 A 2 A 2 M 2 B 2 B 2 M

3 A 3 A 3 M 3 B 3 B 3 M

4 A 4 A 4 B 4 B 4 B 4 A

5 B

Julio Agosto Septiembre Octubre Noviembre Diciembre

Sem. Temp. Sem. Temp. Sem. Temp. Sem. Temp. Sem. Temp. Sem. Temp.

1 A 1 A 1 A 1 B 1 B 1 B

2 A 2 A 2 M 2 B 2 B 2 M

3 A 3 A 3 M 3 B 3 B 3 M

4 A 4 A 4 M 4 B 4 B 4 A

5 A 5 B

Sem.: Semana, Temp.: Temporada, A: Alta, M: Media, B: Baja. Fuente: Autores

Basados en los resultados de temporadas del cultivo de mora para Cundinamarca, se

calculó las unidades transportadas por cada uno de los intermediarios al año, por medio del producto entre el número de semanas de la respectiva temporada y las cantidades promedio de ventas semanales del intermediario, teniendo el caso particular que para la temporada media se promedió el valor de la temporada alta y baja para luego realizar el producto con el número de semanas de esta temporada. A partir del porcentaje de merma presentado por cada uno de los intermediarios (ver Anexo XXVI), se estimó está en kilogramos de producto, procediendo de la misma manera para las devoluciones, como muestra la Tabla 39.

Tabla 39 Cantidades transportadas, mermas y devoluciones presentadas por los intermediarios

independientes

Producción por año

Merma

Devoluciones Intermediario Temporada del año

Nombre Cliente Alta 21 Baja 21 Medio 9 Total

Álvaro Baracaldo

Plaza de Mercado de

Ibagué 63000 52500 24750 140250 5259 0

Carlos Rincón

Plaza de Mercado de

Ibagué 31500 23625 11813 66937,5 2677,5 0

Centro de Abastos Bogotá (CORABASTOS)

10500 7875 3937,5 22312,5 892,5 0

Ananías Forero Plaza de

mercado de Girardot

52500 46200 21150 119850 3596 0

Pedro Guerrero

Centro de Abastos Bogotá (CORABASTOS)

63000 46200 23400 132600 3978 0

Leonardo Forero

Centro de Abastos Bogotá (CORABASTOS)

63000 46200 23400 132600 6630 0

Juan Bautista Centro de 52500 42000 20250 114750 4590 0

120

Abastos Bogotá (CORABASTOS)

Carlos Romero Centro de

Abastos Bogotá (CORABASTOS)

105000 73500 38250 216750 2168 0

Cesar Gonzales

Productora de Jugos del Valle

525000 21000 117000 663000 99450 13260

Alpina 105000 4200 23400 132600 19890 2652

Centro de Abastos Bogotá (CORABASTOS)

420000 16800 93600 530400 79560 0

Miller Pedreros Centro de

Abastos Bogotá (CORABASTOS)

252000 42000 63000 357000 17850 0

Orlando Gonzales

Centro de Abastos Bogotá (CORABASTOS)

105000 21000 27000 153000 7650 0

Fuente: Autores

Por último, la información suministrada por la asociación FRUSAN fue el consolidado del

año 2015 con respecto a las ventas semanales de cada uno de los socios activos, los cuales se presentan clasificados con códigos como se mostró en la Tabla 34. Las cantidades vendidas y sus respectivos porcentajes por cada uno de los grupos veredales a la asociación se encuentran en la Tabla 40. En cuanto a las ventas, mermas y devoluciones de la asociación se realiza de igual manera que con los intermediarios independientes, dando como resultado la Tabla 41.

Tabla 40 Resumen de ventas socios FRUSAN año 2015 (Kg)

Grupo Veredal Kg %

Santa Marta / Rita 33965 8%

Agua Amarilla / Negra 78671 18%

Laurel Alto / Bajo 141586 33%

Hondura / Diamante 29307 7%

Andes 144678 34%

Total 428207 100%

Fuente: Autores

Tabla 41 Cantidades transportadas, mermas y devoluciones presentadas por la asociación FRUSAN

Nombre Clientes Ventas Merma Devoluciones

FRUSAN (Wilson Acosta)

Productora de Jugos del Valle (Tuluá) 42820,7 0 0

Centro de Abastos Bogotá (CORABASTOS)

321155,25 3211,5525 0

Panamericana de Alimentos (Medellín)

34256,56 0 0

FRUCONGSA (Cali) 29974,49 599,4898 899,2347

Total 428207 3811,0423 899,2347

Fuente: Autores.

121

3.3.1.5. Estadística de los datos

Con base a los datos obtenidos mediante los cuestionarios, se analizó la merma, producción y comercialización de producto en cada uno de los actores de la cadena de la mora. Puesto que se realizaron cuestionarios a productores e intermediarios de la cadena en el municipio de San Bernardo, se cuenta con información total de 241 productores y 11 intermediarios. A partir de esta base de datos, los productores independientes corresponden al 39% y el 61% como asociados a FRUSAN como muestra la Gráfica 19, para los intermediarios se tienen una mayor participación de los independientes con un 91% frente a un 9% para los asociados a FRUSAN mostrado en la Gráfica 20.

Gráfica 19 Porcentaje de productores independientes y asociados a FRUSAN

Fuente: Autores

Gráfica 20 Porcentaje de intermediarios encuestados

Fuente: Autores

39%

61%

Independiente

FRUSAN

91%

9%

Independiente

FRUSAN

122

Las cantidades cosechadas por los productores muestran grandes diferencias según las temporadas definidas, la diferencia entre temporada alta y baja se relaciona con una diferencia promedio del 31%, según muestra el Anexo XXV. Aclarando que este porcentaje es bajo los datos suministrados por los productores independientes. Para los productores asociados se tiene un promedio anual de cosecha de 429 toneladas, las cuales se pueden asimilar a las cantidades que se reciben en la asociación FRUSAN, cantidades que se muestran en la Gráfica 21.

A partir del comportamiento presentado mes a mes por los productores se comprueba

que durante el año se presentan tres (3) picos de producción, según como se había mencionado en la Tabla 6, para este caso se muestran mayores cantidades en los meses de febrero (7%), marzo (10%), julio (8%), agosto (12%) y noviembre (9%) con una media aproximada de 71300 libras al mes, del mismo modo que para el respectivo año se presenta una deviación estándar de aproximadamente 22000 libras entre los meses. De igual manera los datos suministrados por la asociación revelan que la disminución de la producción en temporada baja está en aproximadamente el 68%.

Gráfica 21 Cantidades de libras recibidas y comercializadas mensualmente por la asociación FRUSAN en el

2015

Fuente: Autores

Los datos recopilados para la merma presentada por los productores, muestra la gran relevancia que tiene el tiempo para los cultivos de mora, en este caso invierno y verano. Para los cultivos de la región se evidencia que para la época de invierno se genera una merma del 51% y para la época de verano se tiene una merma del 39%, de manera que se presenta la merma por cada uno de los grupos veredales en la Tabla 42. Con base al resultado de la Tabla 42 se observa que la vereda que mayor merma presenta es Agua Amarilla – Agua Negra y en segundo lugar esta Santa marta – Santa Rita, esto para la época de invierno, pues para la época de verano el grupo veredal Andes es la que mayor merma presenta y de igual manera muestra que es la única que presenta una mayor merma en verano que en invierno.

0

20000

40000

60000

80000

100000

120000

140000

1 2 3 4 5 6 7 8 9 10 11 12

123

Tabla 42 Mermas presentadas dependiendo del tipo de tiempo en cada grupo veredal

Invierno Verano

Agua Amarilla - Agua Negra 53% 42%

Andes 42% 45%

Honduras - Diamante 54% 34%

Laurel Alto - laurel Bajo 49% 36%

Santa Marta - Santa Rita 51% 44%

Fuente: Autores

Debido a la variabilidad que presentan cada uno de los intermediarios en cuanto al lugar

donde se comercializa el producto, se muestran diferentes porcentajes de merma. Las plazas mayoristas o mercado fresco presentan en promedio una merma del 4% para los intermediarios que deciden estos puntos como envió de la mora, para los intermediarios que desean llevar el producto al mercado industrial presentan en promedio mermas del 15%, este siendo aproximadamente tres (3) vez mayor al presentado por las plazas mayoristas.

Los intermediarios del municipio de San Bernardo (Cundinamarca) tienen diferentes

alternativas de envió del producto, estos destinos son caracterizados como mercado fresco

e industrias alimenticias. De este modo, los destinos de mercado fresco tienen un 58% del

total de las cantidades enviadas desde la región y las industrias un correspondiente 35%

de las cantidades totales. Además los intermediarios presentan perdidas de

comercialización de producto de aproximadamente el 7%, datos mostrados en la Gráfica

22.

Gráfica 22 Porcentaje de envió del producto desde los intermediarios hasta los mayoristas

Fuente: Autores

En último, los intermediarios presentan devoluciones por parte de las industrias

alimenticias, pero los casos más específicos se manifiestan para los intermediarios como la Asociación FRUSAN y Cesar Gonzales. Estos dos intermediarios presentan aproximadamente 1,75% de devoluciones de cuatro mayoristas como lo son Productora de Jugos del Valle, Alpina, FRUCONGSA y Centro de Abastos Bogotá (CORABASTOS).

8%

70%

22%Perdidas

Mercado fresco

Industrias deTransformaciòn

124

3.3.1.6. Prueba de aleatoriedad de datos

Esta prueba tiene como objetivo comprobar que la naturaleza del sistema evoluciona a través de cambios aleatorios, lo cual es uno de los principios para que una cadena se considere Markoviana. Para realizar este proceso se utilizó una prueba estadística de contraste de rachas, que permite aceptar o rechazar la hipótesis nula si las observaciones de un fenómeno son independientes. Una racha se define como una secuencia de valores predecibles y seguida por valores que no presentan esa característica. El número total de rachas permite encontrar indicios si hay o no aleatoriedad en una muestra, por ejemplo, un número reducido (el caso extremo es 2) de ellas indica que la hipótesis nula debe ser rechazada y de igual manera si se encuentra un número excesivo de ellas (Universidad de Barcelona, 2016).

El Software que se utilizó para llevar a cabo este procedimiento fue SPSS (Statistical Package for the Social Sciences), utilizando una prueba paramétrica de una muestra y probando la aleatoriedad de una secuencia (prueba de rachas), definiendo como punto de corte la media muestral. El resultado que arroja el programa es la hipótesis nula de la prueba, el nombre de la prueba, el valor de significancia y finalmente la decisión de si se acepta o se rechaza la hipótesis nula. La organización de los datos, para este caso, fue en una matriz con 2 columnas y 56 filas, ya que se definieron dos variables (Kilogramos de mora y Nombre del estado) y se eliminaron cada uno de los datos que fueran cero (Ver Anexo XXVII), esto con el fin de que el desarrollo de la prueba fuera satisfactorio.

El resultado arrojado por el software se puede observar en la Ilustración 34, concluyendo

que no hay suficientes evidencias estadísticas para rechazar la hipótesis nula, principalmente porque el valor arrojado por la prueba (0,288) es mayor al de la significancia (0,05). En la Ilustración 35 se muestra un resumen grafico de la prueba, en donde el número de rachas observado (22) se encuentra dentro del límite de aceptación, muy cerca de la media muestral. De esta manera se comprueba que los datos observados en la cadena agroindustrial de la mora en el municipio de San Bernardo (Cundinamarca) se comportan aleatoriamente.

Ilustración 34 Resultado prueba de rachas SPSS

Fuente: Autores

125

Ilustración 35 Grafico prueba de rachas SPSS

Fuente: Autores

3.3.1.7. Clasificación de Estados

Luego de identificar los principales actores que hacen parte de la cadena agroindustrial de la mora del municipio de San Bernardo (Cundinamarca) y establecer las relaciones y las cantidades del producto que manejó cada uno de ellos durante el año 2015, se procedió a configurar la cadena a través de la clasificación de cada uno de los estados que la conforman (transitorios y absorbentes) y finalmente se obtuvo el grafo donde se puede observar las conexiones que hay entre actores y el seguimiento.

Las principales características y la naturaleza del fenómeno observado en una cadena

de Markov se pueden obtener a partir de la identificación y clasificación de cada uno de los estados que la conforman. Dentro de la cadena estudiada en esta investigación hay dos tipos de estados, transitorios (19), que son todos aquellos por donde la mora tiene probabilidades de moverse a lo largo de los demás estados, y absorbentes (5), donde finalmente el producto se desecha o llega a un estado donde no hay probabilidades de salida. En la Tabla 43 aparecen cada uno de los estados de la cadena Agroindustrial de la Mora del Municipio de San Bernardo (Cundinamarca) y su clasificación respectiva.

126

Tabla 43 Clasificación de los estados de la cadena

Nombre Codificación Clasificación

Santa Marta / Rita E1 Transitorio

Agua Amarilla / Negra E2 Transitorio

Laurel Alto / Bajo E3 Transitorio

Hondura / Diamante E4 Transitorio

Andes E5 Transitorio

Álvaro Baracaldo E6 Transitorio

Carlos Rincón E7 Transitorio

Ananías Forero E8 Transitorio

Carlos Romero E9 Transitorio

Cesar Gonzales E10 Transitorio

Miller Pedreros E11 Transitorio

Orlando Gonzales E12 Transitorio

FRUSAN E13 Transitorio

Juan Bautista E14 Transitorio

Leonardo Forero E15 Transitorio

Pedro Guerrero E16 Transitorio

Productora de Jugos del Valle E17 Transitorio

Alpina E18 Transitorio

FRUCONGSA (Cali) E19 Transitorio

Plaza de mercado de Ibagué E20 Absorbente

Centro de Abastos Bogotá (CORABASTOS)

E21 Absorbente

Plaza de mercado de Girardot E22 Absorbente

Panamericana de Alimentos (Medellín)

E23 Absorbente

Perdidas E24 Absorbente

Fuente: Autores

Los estados transitorios se conforman por tres clases de actores, los Grupos Veredales

(productores) porque cada uno de ellos tiene dos o más probabilidades de enviar mora a diferentes destinos, los intermediarios, ya que cada uno de ellos recoge producto en diferentes veredas y las comercializa a través de diferentes mayoristas a nivel nacional y finalmente la industria de transformación de alimentos (Productora de Jugos del Valle, Alpina y FRUCONGSA), en este caso particular se debe a que existe la posibilidad que hayan devoluciones por no cumplir con las características de la mora establecidas por estas empresas. En los estados absorbentes se encuentran mayoristas del mercado fresco y Panamericana de Alimentos, ya que en estos establecimientos compran toda la mora que ingrese y no existen devoluciones, y Perdidas, puesto que allí llega todo el producto que no tiene ninguna posibilidad comercializar o transformar.

127

3.3.1.8. Grafo de la Cadena

A partir de toda la información recolectada, el análisis que se aplicó a cada uno de los datos y la clasificación de cada uno de los estados de la cadena se logra establecer de manera gráfica la relación de cada uno de los actores que pertenecen a ella. Debido a la cantidad de arcos que se forman entre cada uno de los estados de la cadena, cada uno de ellos tiene un color para poder diferenciarlos, por ejemplo, todos los arcos que se dirigen al estado de pérdidas son de color negro y aquellos que se dirigen a estados de comercialización tienen un color dependiendo de su origen. Los estados con mayor conexión de arcos (ver Ilustración 36), después de Perdidas, son FRUSAN (8) y CORABASTOS (7); para el caso de la asociación se debe a que tiene una red de comercialización diversificada a través de todos los grupos veredales del municipio de San Bernardo (Cundinamarca) y la industria de trasformación de alimentos y el mercado fresco, y con respecto a CORABASTOS es porque es la central de abastos más grande del país y su distancia con respecto al municipio es relativamente corta.

128

Ilustración 36 Grafo de la cadena

SM / SR

AA / AN

LA / LB

HD / DM

ANDES

ALVARO B.

CARLOS RINCON

ANANIASFORERO

CARLOS ROMERO

CESAR GONSALEZ

MILLER PEDREROS

ORLANDOGONSALEZ

FRUSAN

JUANBAUTISTA

LEONARDOFORERO

PEDROGUERRERO

PLAZA DE IBAGUE

CORABASTOS BOGOTÁ

PLAZA DE GIRARDOT

JUGOS DEL VALLE

ALPINA

FRUCONGSA CALI

PANAMERICANA DE ALIMENTOS

PERDIDAS

Fuente: Autores

129

3.3.2. Probabilidades de transición de un estado a otro dentro de la cadena

El desarrollo del modelo inicia con el cálculo de las probabilidades de transición entre estados de la cadena Markoviana, la cuales se generaron a partir de la división entre las cantidades de cada uno de los estados y la sumatoria por filas de la matriz inicial de las cantidades de la cadena agroindustrial de la mora en San Bernardo (Cundinamarca), obteniendo la matriz de probabilidades de transición (ver Anexo XXIX).

Con base en la matriz de transición se identificaron cuatro (4) sub-matrices, como

muestra la Ilustración 30, caso para el cual la sub-matriz N contiene las probabilidades de transición entre estados no absorbentes, la sub-matriz A tiene las probabilidades de transición entre un estado no absorbente a un estado absorbente, la sub-matriz 0 es una matriz nula y representa que no hay relación alguna entre un estado absorbente a un estado no absorbente y la sub-matriz I es una identidad y muestra la relación entre los estados absorbentes.

Según (Chediak & Vera, 2005) el paso a seguir para describir sistemas absorbentes es

realizar una sustracción entre las sub-matrices I y N (ver Tabla 44), las cuales no tienen la misma dimensión, por lo tanto la sub-matriz I debe igualarse a la sub-matriz N (19 filas y 19 columnas). El resultado de esta operación se muestra en la Tabla 45.

Tabla 44 Sub-matriz de probabilidad N

E1 E2 E3 E4 E5 E6 E7 E8 E9 E10 E11 E12 E13 E14 E15 E16 E17 E18 E19

E1 0 0 0 0 0 0,18 0,12 0,15 0 0 0,18 0 0,04 0 0 0 0 0 0

E2 0 0 0 0 0 0 0 0 0 0 0 0,13 0,55 0 0 0 0 0 0

E3 0 0 0 0 0 0 0 0 0 0,31 0,02 0 0,10 0,08 0,09 0,09 0 0 0

E4 0 0 0 0 0 0 0 0 0,12 0,47 0,02 0,07 0,02 0 0 0 0 0 0

E5 0 0 0 0 0 0 0 0 0 0 0,35 0 0,35 0 0 0 0 0 0

E6 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0

E7 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0

E8 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0

E9 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0

E10 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0,35 0,1 0

E11 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0

E12 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0

E13 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0,10 0 0,07

E14 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0

E15 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0

E16 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0

E17 0 0 0 0 0 0 0 0 0 1 0 0 0 0 0 0 0 0 0

E18 0 0 0 0 0 0 0 0 0 1 0 0 0 0 0 0 0 0 0

E19 0 0 0 0 0 0 0 0 0 0 0 0 1 0 0 0 0 0 0

Fuente: Autores

130

Tabla 45 Matriz de resultado (I-N) E1 E2 E3 E4 E5 E6 E7 E8 E9 E10 E11 E12 E13 E14 E15 E16 E17 E18 E19

E1 1 0 0 0 0 -0,18 -0,12 -0,15 0 0 -0,18 0 -0,04 0 0 0 0 0 0

E2 0 1 0 0 0 0 0 0 0 0 0 -0,13 -0,55 0 0 0 0 0 0

E3 0 0 1 0 0 0 0 0 0 -0,31 -0,02 0 -0,10 -0,08 -0,09 -0,09 0 0 0

E4 0 0 0 1 0 0 0 0 -0,12 -0,47 -0,02 -0,07 -0,02 0 0 0 0 0 0

E5 0 0 0 0 1 0 0 0 0 0 -0,35 0 -0,35 0 0 0 0 0 0

E6 0 0 0 0 0 1 0 0 0 0 0 0 0 0 0 0 0 0 0

E7 0 0 0 0 0 0 1 0 0 0 0 0 0 0 0 0 0 0 0

E8 0 0 0 0 0 0 0 1 0 0 0 0 0 0 0 0 0 0 0

E9 0 0 0 0 0 0 0 0 1 0 0 0 0 0 0 0 0 0 0

E10 0 0 0 0 0 0 0 0 0 1 0 0 0 0 0 0 -0,35 -0,1 0

E11 0 0 0 0 0 0 0 0 0 0 1 0 0 0 0 0 0 0 0

E12 0 0 0 0 0 0 0 0 0 0 0 1 0 0 0 0 0 0 0

E13 0 0 0 0 0 0 0 0 0 0 0 0 1 0 0 0 -0,10 0 -0,07

E14 0 0 0 0 0 0 0 0 0 0 0 0 0 1 0 0 0 0 0

E15 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 0 0 0 0

E16 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 0 0 0

E17 0 0 0 0 0 0 0 0 0 -1 0 0 0 0 0 0 1 0 0

E18 0 0 0 0 0 0 0 0 0 -1 0 0 0 0 0 0 0 1 0

E19 0 0 0 0 0 0 0 0 0 0 0 0 -1 0 0 0 0 0 1

Fuente: Autores El segundo paso a seguir fue obtener la inversa de la Matriz de resultado (I-N), donde

se calculó el determinante por medio de la formula = 𝑀𝐷𝐸𝑇𝐸𝑅𝑀(𝑎; 𝑏) del software

Microsoft Excel 2016, arrojando un resultado de 0.47430, el cual por ser diferente de cero

infiere que existe la inversa de esa matriz. Teniendo en cuenta el resultado del determinante

se procedió a calcular la inversa mediante la Ecuación 7 y el resultado se presenta en la

Tabla 46 el cual corresponde al número de veces que el proceso está en cualquier estado

transitorio.

Ecuación 7 Cálculo de matriz inversa por determinantes

𝑀−1 =1

|𝑀|(𝑀∗)𝑇

|M| = Determinante de la matriz (M*)t = Matriz transpuesta de la adjunta Fuente: Autores basados en (Stewart, 2012).

131

Tabla 46 Matriz inversa de (I-N) E1 E2 E3 E4 E5 E6 E7 E8 E9 E10 E11 E12 E13 E14 E15 E16 E17 E18 E19

E1 1 0 0 0 0 0,18

0,12

0,15

0 0,0085 0,18 0 0,05 0 0 0 0,00763 0,00084 0,00326

E2 0 1 0 0 0 0 0 0 0 0,10592 0 0,13 0,59 0 0 0 0,09533 0,01059 0,04078

E3 0 0 1 0 0 0 0 0 0 0,59 0,02 0 0,11 0,08 0,09 0,09 0,21751 0,05913 0,00736

E4 0 0 0 1 0 0 0 0 0,12

0,86 0,02 0,07 0,02 0 0 0 0,30407 0,08639 0,00118

E5 0 0 0 0 1 0 0 0 0 0,06779 0,35 0 0,38 0 0 0 0,06101 0,00677 0,02610

E6 0 0 0 0 0 1 0 0 0 0 0 0 0 0 0 0 0 0 0

E7 0 0 0 0 0 0 1 0 0 0 0 0 0 0 0 0 0 0 0

E8 0 0 0 0 0 0 0 1 0 0 0 0 0 0 0 0 0 0 0

E9 0 0 0 0 0 0 0 0 1 0 0 0 0 0 0 0 0 0 0

E10 0 0 0 0 0 0 0 0 0 1,81818 0 0 0 0 0 0 0,63636 0,18181 0

E11 0 0 0 0 0 0 0 0 0 0 1 0 0 0 0 0 0 0 0

E12 0 0 0 0 0 0 0 0 0 0 0 1 0 0 0 0 0 0 0

E13 0 0 0 0 0 0 0 0 0 0,19363 0 0 1,07454 0 0 0 0,17 0,01936 0,07

E14 0 0 0 0 0 0 0 0 0 0 0 0 0 1 0 0 0 0 0

E15 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 0 0 0 0

E16 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 0 0 0

E17 0 0 0 0 0 0 0 0 0 1,81818 0 0 0 0 0 0 1,63636 0,18181 0

E18 0 0 0 0 0 0 0 0 0 1,81818 0 0 0 0 0 0 0,63636 1,18181 0

E19 0 0 0 0 0 0 0 0 0 0,19363 0 0 1,07454 0 0 0 0,17427 0,01936 1,07454

Fuente: Autores

Como tercer y último paso se calculó la probabilidad de absorción por cualquier estado absorbente del proceso, mediante la multiplicación de la Matriz inversa de (I-N) y la sub-matriz A (ver Tabla 47), caso para el cual la matriz inversa debe tener el mismo número de columnas que el número de filas de la sub-matriz A, dando como resultado la Tabla 48 de dimensiones 19 filas por 5 columnas.

Tabla 47 Sub-matriz de probabilidad A

E20 E21 E22 E23 E24

E1 0 0 0 0 0,322

E2 0 0 0 0 0,320

E3 0 0 0 0 0,296

E4 0 0 0 0 0,302

E5 0 0 0 0 0,304

E6 0,963 0 0 0 0,038

E7 0,730 0,230 0 0 0,040

E8 0 0 0,970 0 0,030

E9 0 0,990 0 0 0,010

E10 0 0,400 0 0 0,150

E11 0 0,950 0 0 0,050

E12 0 0,950 0 0 0,050

E13 0 0,743 0 0,079 0,009

E14 0 0,960 0 0 0,040

E15 0 0,950 0 0 0,050

E16 0 0,970 0 0 0,030

E17 0 0 0 0 0

E18 0 0 0 0 0

E19 0 0 0 0 0

Fuente: Autores

Tabla 48 Matriz de probabilidad de absorción por cualquier estado absorbente

E20 E21 E22 E23 E24

E1 0,256 0,240 0,150 0,004 0,348

E2 0 0,596 0 0,047 0,359

E3 0 0,552 0 0,008 0,426

E4 0 0,501 0 0,001 0,470

E5 0 0,629 0 0,030 0,338

E6 0,960 0 0 0 0,040

E7 0,720 0,240 0 0 0,040

E8 0 0 0,970 0 0,030

E9 0 0,990 0 0 0,010

E10 0 0,600 0 0 0,345

E11 0 0,950 0 0 0,050

E12 0 0,950 0 0 0,050

E13 0 0,859 0 0,086 0,058

E14 0 0,960 0 0 0,040

E15 0 0,950 0 0 0,050

E16 0 0,970 0 0 0,030

E17 0 0,600 0 0 0,345

E18 0 0,600 0 0 0,345

E19 0 0,859 0 0,086 0,058

Fuente: Autores

132

3.3.3. Análisis de resultados

Uno de los resultados del análisis de cadenas de Markov son el número de pasos antes de que el proceso sea absorbido, el cual se calculó con la suma de las filas en la matriz de la Tabla 46, obteniendo así la Tabla 49. Se observa que los estados que tienen un (1) solo paso para que el proceso sea absorbido son aquellos intermediarios que envían producto a mayoristas que son denominados como absorbentes o que presentan mermas. Caso contrario ocurre con los estados que tienen un número de pasos mayor que uno (1), puesto que tienen la posibilidad de enviar mora, a diferentes tipos de estados (transitorios y absorbentes).

Tabla 49 Número de pasos antes de que el proceso sea absorbido

Estado Número de pasos

Santa Marta / Rita 1,70184449

Agua Amarilla / Negra 1,97346054

Laurel Alto / Bajo 2,27179055

Hondura / Diamante 2,48166101

Andes 1,883525

Álvaro Baracaldo 1

Carlos Rincón 1

Ananías Forero 1

Carlos Romero 1

Cesar Gonzales 2,63636364

Miller Pedreros 1

Orlando Gonzales 1

FRUSAN 1,53636542

Juan Bautista 1

Leonardo Forero 1

Pedro Guerrero 1

Productora de Jugos del Valle 3,63636364

Alpina 3,63636364

FRUCONGSA (Cali) 2,53636542

Fuente: Autores`

A partir de la Tabla 46, en donde se encuentra la matriz inversa de (I-N) se puede identificar el promedio de número de veces en que un estado envía mora a otro, por ejemplo, la primera fila se encuentra que el intermediario Miller Pedreros visita 0.184 veces el grupo veredal Santa Marta – Santa Rita, siendo este quien más veces recoge mora al año en este lugar. Para el grupo veredal Agua Amarilla – Agua Negra el mayor visitante es FRUSAN con un promedio de 0.588 visitas por año. En Laurel Alto – Laurel Bajo y en Honduras - Diamante el intermediario Cesar Gonzales posee el mayor número de visitas al año a estos lugares, con un promedio de 0.591 y 0.863 respectivamente. Como último caso de los grupos veredales, el intermediario Miller Pedreros tiene el mayor promedio de visitas a Andes con 0.345 veces.

Los únicos intermediarios que reciben visitas son Cesar Gonzales y FRUSAN, ya que

estos tienen la posibilidad de que algunos de sus clientes mayoristas regresen pequeñas cantidades de mora. Para el intermediario Cesar Gonzales hay un promedio de 1.81 veces reciba visita (devolución) por parte de la Productora de Jugos del Valle y Alpina, del mismo modo recibe 0.19 visitas por parte de FRUCONGSA. La Asociación FRUSAN recibe visitas por parte de FRUCONGSA con un respectivo promedio de 1.075 veces.

133

Con respecto a los resultados arrojados en la Tabla 48, se realiza un análisis para los

diecinueve (19) estados transitorios y su probabilidad de ser absorbidos por cualquiera de

los cinco (5) estados absorbentes. Para el caso de la cadena estudiada se obtiene la

probabilidad de mora que sale de cada uno de los estados transitorios y llega a los

respectivos estados mayoristas o de perdida. A continuación, se muestra el análisis

detallado para la matriz de probabilidad de absorción por cualquier estado absorbente:

Santa Marta – Santa Rita: En este grupo veredal en promedio el 34.82% se pierde, el

25.65% llega a la plaza de mercado de Ibagué, el 24.02% a CORABASTOS, el 13.99% a la plaza de mercado de Girardot y tan solo el 1% en enviado a panamericana de alimentos.

Agua Amarilla – Agua Negra: En este lugar en promedio el 59.63% llega a CORABASTOS, el 35.85% se pierde y el 4.70 % llega a Panamericana de Alimentos.

Laurel Alto – Laurel Bajo: En este grupo veredal el 55.21% de la fruta es enviada a CORABASTOS, el 42.63% se pierde y el 1% se envía a panamericana de Alimentos.

Honduras – Diamante: Para este grupo veredal el 50.10% se envía a CORABASTOS, el 47.03% se pierde y aproximadamente el 1% llega a panamericana de alimentos.

Andes: Desde este grupo veredal llega el 62.91% a CORABASTOS, el 33.77% se pierde y el 3.01% llega a panamericana de alimentos.

Álvaro Baracaldo: Iniciando desde este intermediario llega el 96% a la plaza de mercado de Ibagué y el 4% se pierde.

Carlos Rincón: Desde esta persona llega el 72% a la plaza de mercado de Ibagué, el 24% a CORABASTOS y el 4% se pierde.

Ananías Forero: A partir de este intermediario el 97% llega a la plaza de mercado de Girardot y el 3% se pierde.

Carlos Romero: Comenzando desde este actor se llega el 99% a CORABASTOS y el 1% se pierde.

Cesar Gonzales: Desde este intermediario llega el 60% a CORABASTOS y el 34.55% se pierde.

Miller Pedreros: Con este intermediario llega el 95% a CORABASTOS y el 5% se pierde. Orlando Gonzales: A partir de este intermediario llega el 95% a CORABASTOS y el 5%

se pierde. FRUSAN: Desde la asociación FRUSAN el 85.91% llega a CORABASTOS, el 8.60% a

panamericana de alimentos y tan solo el 5.83% se pierde. Juan Bautista: Desde este intermediario llega el 96% a CORABASTOS y el 4% se pierde. Leonardo Forero: Con este intermediario llega el 95% a CORABASTOS y el 5% se

pierde. Pedro Guerrero: A partir de este intermediario el 97% llega a CORABASTOS y el 3% se

pierde. Productora de Jugos del Valle y Alpina presentan las mismas probabilidades que el

intermediario Cesar Gonzales (60% a CORABASTOS y el 34.55% a perdida), dado que el modelo asume que las devoluciones realizadas por estos mayoristas, son comercializadas a través del mismo intermediario en el canal de mercado fresco.

FRUCONGSA muestra las mismas probabilidades que el intermediario FRUSAN (85.91% llega a CORABASTOS, el 8.60% a panamericana de alimentos y el 5.83% a perdida), dado que el modelo asume que las devoluciones hechas por este mayorista, son comercializadas a través de los estados absorbentes de la cadena.

134

3.3.4. Costos de la operación de la cadena Los Costos de la operación de la cadena agroindustrial de la mora dependen del número

de actores de la misma, ya que cada uno de ellos aumenta en un porcentaje el precio de venta y así el consumidor final tiene que pagar mucho más por la fruta. Con respecto a la cadena estudiada, se identificaron dos costos fijos principales, el de la producción de la mora y el de la intermediación (transporte y comisión). Según la Tabla 12 los cotos de sostenimiento de una hectárea de mora después del primer año son aproximadamente $9.923.394 pesos y con un rendimiento de 9 toneladas por hectárea al año en el Municipio de San Bernardo (Unidad Municipal de Asistencia Técnica Agropecuaria – UMATA, 2015), se obtiene mediante una regla de tres el costo por kilo de $1103 pesos. Con respecto al costo de la intermediación hay que tener en cuenta que cada uno de ellos cobra $200 pesos de comisión por kilo comercializado y que el transporte de un kilo desde San Bernardo (Cundinamarca) hasta Bogotá es también $200 pesos (Morales, 2016); en la Tabla 50 se encuentra el costo de intermediación a los diferentes destinos a nivel nacional.

Tabla 50 Costos de intermediación por destino

Destino Kilómetros Transporte Comisión Total

Bogotá 108 $200 $200 $400

Cali 410 $759 $200 $959

Medellín 539 $998 $200 $1.198

Ibagué 147 $272 $200 $472

Girardot 87,2 $161 $200 $361

Palmira 388 $719 $200 $919

Rionegro 498 $922 $200 $1.122

Promedio $576 $776

Fuente: Autores

Los costos totales de la producción de mora por Grupos Veredales se calcularon teniendo en cuenta la cantidad total producida, el porcentaje de cada uno de los arcos que salen de este grupo y el costo fijo de producción previamente mencionado; en la Ecuación 8 se encuentra la operación que se realizó para este cálculo. En el caso de los intermediarios había que tener en cuenta cuales eran los destinos en donde comercializaba cada uno de ellos el producto y de esa manera multiplicar los valores que aparecen en la Tabla 50, por la probabilidad de ir de un estado a otro y por la cantidad total de mora que manejó cada uno de ellos (ver Ecuación 9), haciendo la salvedad de que a las costos asociados a las perdidas hay que multiplicarle el costo de producción por kilo ($1103), ya que en ese caso el intermediario es el responsable del producto desde que se lo entregan.

El último de los costos por calcular son los asociados a las devoluciones que hacen

algunos mayoristas a la Asociación FRUSAN y al intermediario Cesar Gózales, el cual solo es el costo que se generó por la intermediación de los kilos devueltos, ya que el producto no se pierde y queda a disposición de ellos para que busquen un nuevo destino al producto (ver Ecuación 10).

Ecuación 8 Costo promedio de producción de mora por grupos veredales

𝐶𝑜𝑠𝑡𝑜 𝑝𝑟𝑜𝑚𝑒𝑑𝑖𝑜 𝑑𝑒 𝑝𝑟𝑜𝑑𝑢𝑐𝑐𝑖𝑜𝑛 𝑑𝑒 𝑚𝑜𝑟𝑎 𝑝𝑜𝑟 𝑔𝑟𝑢𝑝𝑜𝑠 𝑣𝑒𝑟𝑒𝑑𝑎𝑙𝑒𝑠 = ∑(

5

𝑖=1

$1103 ∗ 𝑃𝐼𝐽 ∗ 𝐶𝐼) ⍱ 𝑗

Fuente: Autores

135

Donde: i = Grupos Veredales (1, 2, 3, 4 y 5) j = Todos los estados de la cadena (1, 2, 3, … , 24) Pij = Probabilidad de ir de un Grupo Veredal (i) a cualquier estado de la cadena (j) Ci = Kilos de mora producidos en un Grupo Veredal (i)

Ecuación 9 Costo promedio de comercialización de mora por intermediarios

𝐶𝑜𝑠𝑡𝑜 𝑝𝑟𝑜𝑚𝑒𝑑𝑖𝑜 𝑑𝑒 𝑐𝑜𝑚𝑒𝑟𝑐𝑖𝑎𝑙𝑖𝑧𝑎𝑐𝑖ó𝑛 𝑑𝑒 𝑚𝑜𝑟𝑎 𝑝𝑜𝑟 𝑖𝑛𝑡𝑒𝑟𝑚𝑒𝑑𝑖𝑎𝑟𝑖𝑜𝑠 = ∑(

16

𝑘=6

𝐶𝐷𝑘𝑗 ∗ 𝑃𝐾𝑗 ∗ 𝐶𝐾) ⍱ 𝑗

Fuente: Autores

Donde: k = Intermediarios (6, 7, 8, 9, 10, 11, 12, 13, 14, 15 y 16) j = Todos los estados de la cadena (1, 2, 3, … , 24) CDkj = Costo de intermediación (k) a cualquier estado de la cadena (j) Pkj = Probabilidad de ir de un Intermediario (k) a cualquier estado de la cadena (j) Ck = Kilos de mora comercializados por un Intermediario (k)

Ecuación 10 Costo promedio de devolución asumido por los intermediarios

𝐶𝑜𝑠𝑡𝑜 𝑝𝑟𝑜𝑚𝑒𝑑𝑖𝑜 𝑑𝑒 𝑑𝑒𝑣𝑜𝑙𝑢𝑐𝑖𝑜𝑛 𝑎𝑠𝑢𝑚𝑖𝑑𝑜 𝑝𝑜𝑟 𝑙𝑜𝑠 𝑖𝑛𝑡𝑒𝑟𝑚𝑒𝑑𝑖𝑎𝑟𝑖𝑜𝑠 = ∑ (

23

𝑙=17

𝐶𝐷𝑙𝑗 ∗ 𝑃𝑙𝑗 ∗ 𝐶𝑙) ⍱ 𝑗

Fuente: Autores

Donde: l = Mayoristas (17, 18, 19, 20, 21, 22 y 23) j = Todos los estados de la cadena (1, 2, 3, … , 24) CDlj = Costo de devolución por mayorista (l) a cualquier estado de la cadena (j) Plj = Probabilidad de ir de un Mayorista (l) a cualquier estado de la cadena (j) Cl = Kilos de mora devueltos por un Mayorista (l)

En Tabla 51 aparece un resumen de los costos que se generan en cada uno de los estados de la cadena, empezando con los de la Actividad Normal, que son aquellos en que los kilos de mora fueron exitosamente producidos y comercializados, los de pérdidas, que se asocian a las mermas logísticas que se presentan en las fases de producción y comercialización, y finalmente los de devoluciones de producto por no cumplir con las especificaciones físicas, de presentación y de conservación. Los costos totales de cada estado tienen una relación lineal con las cantidades de mora que pasa por cada uno de ellos, por lo tanto, dentro de los grupos veredales el de mayor actividad económica es Honduras/Diamante y de los intermediarios quien mayor actividad económica tiene es el señor Cesar Gonzales.

136

Tabla 51 Costos que se generan en cada uno de los estados de la Cadena

Actividad Normal Perdidas Devoluciones

Santa Marta / Rita $580.094.048 $275.053.824 $-

Agua Amarilla / Negra

$107.829.804 $50.733.923 $-

Laurel Alto / Bajo $1.111.503.926 $467.896.840 $-

Hondura / Diamante

$1.423.226.399 $614.735.651 $-

Andes $316.973.051 $138.628.164 $-

Álvaro Baracaldo $63.745.573 $7.230.702 $-

Carlos Rincón $38.977.458 $5.992.524 $-

Ananías Forero $42.023.849 $4.545.003 $-

Carlos Romero $85.833.000 $3.638.318 $-

Cesar Gonzales $797.318.889 $333.869.198 $9.164.975

Miller Pedreros $135.660.000 $23.251.398 $-

Orlando Gonzales $58.140.000 $9.964.885 $-

FRUSAN $232.899.071 $6.397.132 $517.940

Juan Bautista $44.064.000 $5.978.931 $-

Leonardo Forero $50.388.000 $8.636.234 $-

Pedro Guerrero $51.448.800 $5.181.740 $-

Fuente: Autores

Una de las razones por la que el rendimiento de producción es bajo en la región, son los

altos costos que se deben incurrir en el cultivo de la mora, lo cual se evidencia en los valores asociados a los costos de las pérdidas del producto que son el 22% (Ver Gráfica 23) de los costos totales de la operación. Estos valores no se muestran directamente durante el ejercicio económico, simplemente van disminuyendo la utilidad por Kilo de cada uno de los productores. Caso contrario ocurre con los intermediarios, quienes incurren en costos de pérdidas del 6% o por devoluciones que no alcanzan la unidad porcentual del total de los costos (ver Gráfica 23), ya que las actividades que ellos cumplen dentro de la cadena no requieren de una alta manipulación al producto.

Gráfica 23 Porcentaje de costos por actividad de cada actor

Fuente: Autores

50%

22%

22%

6%

0%

Costos Produccion

Costos PerdidasProduccion

Costos Intermediacion

Costos PerdidasIntermediacion

Costos Devoluciones

137

3.4. Modelo Matemático

Las soluciones de los problemas de transporte en general están enfocadas en configurar la distribución de cualquier mercancía desde cualquier punto de origen (centros de suministro) hasta cualquier destino (centros de recepción), de tal manera que se minimicen los costos totales de la operación. Cada uno de los orígenes cuenta con la responsabilidad de suministrar unidades a algunos de los centros de recepción, para que estos puedan suplir una demanda establecida. Uno de los mecanismos que se utiliza para solucionar este tipo de problemas es el modelo matemático de transporte, el cual tiene los siguientes supuestos (Winston, 2005):

Supuesto de requerimientos: Los orígenes tienen una cantidad fija que deben distribuirse

por completo entre los destinos. Del mismo modo los destinos tienen una demanda fija que deben satisfacer. Por lo tanto, el supuesto exige que haya un balance entre el número total de unidades iniciales y el total de unidades demandadas, de no ser así el problema no tendría soluciones factibles.

Supuesto de costo: el costo de distribuir desde un origen hasta un destino es directamente proporcional a número de unidades enviadas, por lo tanto, se deduce que existe un costo fijo unitario el cual se multiplica por el número de unidades total de unidades transportadas para obtener el costo total de la distribución. Este tipo de modelo de transporte se puede desarrollar bajo el enfoque de optimización

del flujo de costo de una red o cadena, en donde también existen nodos iniciales y finales, con la diferencia que para llegar a cada uno de ellos se debe pasar por un punto medio o punto de transbordo. El objetivo de aplicar un modelo de transporte, a una cadena o red, es determinar las rutas que permitan distribuir el número total de unidades iniciales y suplir el total de la demanda de cada uno de los destinos al menor costo posible. Dentro de este tipo de casos se considera que hay una capacidad limitada de flujo por cada uno de los arcos que componen la cadena, la cual debe ser suficiente para que los flujos generados en los nodos iniciales puedan llegar a los nodos finales (Winston, 2005).

A partir de los datos obtenidos de cada uno de los actores de la cadena agroindustrial

de la mora se conformó una matriz inicial de 24 filas por 24 columnas, con 576 datos, como se muestra en el Anexo XXVIII, donde se relacionan las cantidades que se producen y transportan en el municipio de San Bernardo (Cundinamarca). Esta matriz se compone de 520 datos en cero y 56 datos mayores a cero, esto se debe a que no existe comunicación directa entre todos los actores como, por ejemplo, los grupos veredales (productores) no envían sus productos entre ellos. Para el manejo de las matrices se creó la Tabla 52 en la cual se asignó una convención para cada uno de los actores, con el fin de utilizarla en los resultados que se generaron para el desarrollo del modelo.

138

Tabla 52 Convenciones asociadas a los actores

Convención Actor

E1 Santa Marta / Rita

E2 Agua Amarilla / Negra

E3 Laurel Alto / Bajo

E4 Hondura / Diamante

E5 Andes

E6 Álvaro Baracaldo

E7 Carlos Rincón

E8 Ananías Forero

E9 Carlos Romero

E10 Cesar Gonzales

E11 Miller Pedreros

E12 Orlando Gonzales

E13 FRUSAN

E14 Juan Bautista

E15 Leonardo Forero

E16 Pedro Guerrero

E17 Plaza de mercado de Ibagué

E18 Centro de Abastos Bogotá (CORABASTOS)

E19 Plaza de mercado de Girardot

E20 Productora de Jugos del Valle

E21 Alpina

E22 Panamericana de Alimentos (Medellín)

E23 FRUCONGSA (Cali)

E24 Perdidas

Fuente: Autores

3.4.1. Parámetros de entrada al modelo propuesto

La cadena agroindustrial de la mora del municipio de San Bernardo (Cundinamarca)

tiene una configuración ideal para modelarla a través de una red de transporte con transbordos, ya que cumple los supuestos de requerimientos y costos. Por lo anterior se desarrolló la formulación con los respectivos parámetros y ecuaciones del modelo de transporte con transbordos, con la cual se pretende validar el funcionamiento actual de la cadena.

Para empezar, se definieron cuatro sub-índices para los cuatro (4) tipos de actores que

pertenecen a la cadena:

i: Grupos Veredales (Santa_MR, Agua_AN, Laurel_AB, Hondura_Diamante, Andes) J: Intermediarios (AlvaroBaracaldo, CarlosRincon, AnaniasForero, CarlosRomero,

CesarGonzales, MillerPedreros, OrlandoGonzales, Frusan, JuanBautista, LeonardoForero, PedroGuerrero)

k: Mayoristas no Absorbentes (ProductoraValle, Alpina, Frucongsa) a: Mayoristas Absorbentes (PlazaIbague, Corabastos, PlazaGirardot,

PanamericanaAlimentos, Perdidas) Dado lo anterior se puntualizaron cada uno de los parámetros que hacen parte del

modelo, como lo son las probabilidades de cada uno de los arcos (capacidades), los costos asociados (Pesos colombianos) y los kilogramos de mora producidos por los cinco nodos iniciales:

139

Tabla 53 P1(i,j) Probabilidad de mutación del Grupo Veredal (i) al Intermediario (j)

Alv

aro

Ba

racald

o

Ca

rlo

s

Rin

con

An

an

ias

Fo

rero

Ca

rlo

s

Ro

me

ro

Ce

sa

r

Go

nza

les

Mill

er

Pe

dre

ros

Orl

an

do

Go

nza

les

Fru

san

Ju

an

Ba

utista

Le

on

ard

o

Fo

rero

Pe

dro

Gu

err

ero

Santa_MR 0.180 0.115 0.154 0.00 0.00 0.184 0.00 0.043 0.00 0.00 0.00

Agua_AN 0.00 0.00 0.00 0.00 0.00 0.00 0.132 0.547 0.00 0.00 0.00

Laurel_AB 0.00 0.00 0.00 0.00 0.240 0.029 0.00 0.117 0.095 0.110 0.110

Hondura Diamante

0.00 0.00 0.00 0.152 0.406 0.025 0.094 0.020 0.00 0.00 0.00

Andes 0.00 0.00 0.00 0.00 0.00 0.345 0.00 0.350 0.00 0.00 0.00

Fuente: Autores

Tabla 54 P2(j,k) Probabilidad de mutación del Intermediario (j) al Mayorista no Absorbente (k)

Productora Valle

Alpina Frucongsa

Alvaro Baracaldo 0.00 0.00 0.00

Carlos Rincon 0.00 0.00 0.00

Ananias Forero 0.00 0.00 0.00

Carlos Romero 0.00 0.00 0.00

Cesar Gonzales 0.406 0.081 0.00

Miller Pedreros 0.00 0.00 0.00

Orlando Gonzales 0.00 0.00 0.00

FRUSAN 0.099 0.00 0.069

Juan Bautista 0.00 0.00 0.00

Leonardo Forero 0.00 0.00 0.00

Pedro Guerrero 0.00 0.00 0.00

Fuente: Autores

Tabla 55 P3(j,a) Probabilidad de mutación del Intermediario (j) al Absorbente (a)

Plaza Ibague

Corabastos Plaza

Girardot Panamericana

Alimentos Perdidas

Alvaro Baracaldo 0.963 0.00 0.00 0.00 0.036

Carlos Rincon 0.721 0.240 0.00 0.00 0.038

Ananias Forero 0.00 0.00 0.970 0.00 0.029

Carlos Romero 0.00 0.990 0.00 0.00 0.009

Cesar Gonzales 0.00 0.325 0.00 0.00 0.186

Miller Pedreros 0.00 0.952 0.00 0.00 0.047

Orlando Gonzales 0.00 0.952 0.00 0.00 0.047

FRUSAN 0.00 0.743 0.00 0.079 0.008

Juan Bautista 0.00 0.961 0.00 0.00 0.038

Leonardo Forero 0.00 0.952 0.00 0.00 0.047

Pedro Guerrero 0.00 0.970 0.00 0.00 0.029

Fuente: Autores

Tabla 56 P4(i,a) Probabilidad de mutación del Grupo Veredal (i) al Absorbente (a)

Plaza Ibague

Corabastos Plaza Girardot Panamericana

Alimentos Perdidas

Santa_MR 0.00 0.00 0.00 0.00 0.321

Agua_AN 0.00 0.00 0.00 0.00 0.319

Laurel_AB 0.00 0.00 0.00 0.00 0.296

Hondura_Diamante 0.00 0.00 0.00 0.00 0.301

Andes 0.00 0.00 0.00 0.00 0.304

Fuente: Autores

140

Tabla 57 P5(k,j) Probabilidad de Devolución del Mayorista (k) al Intermediario (j)

Alv

aro

Ba

racald

o

Ca

rlo

s

Rin

con

An

an

ias

Fo

rero

Ca

rlo

s

Ro

me

ro

Ce

sa

r

Go

nza

les

Mill

er

Pe

dre

ros

Orl

an

do

Go

nza

les

FR

US

AN

Ju

an

Ba

utista

Le

on

ard

o

Fo

rero

Pe

dro

Gu

err

ero

Productora Valle 0.00 0.00 0.00 0.00 0.027 0.00 0.00 0.00 0.00 0.00 0.00

Alpina 0.00 0.00 0.00 0.00 0.030 0.00 0.00 0.00 0.00 0.00 0.00

Frucongsa 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.030 0.00 0.00 0.00

Fuente: Autores

Tabla 58 C1(j,k) Costo de transportar desde el Intermediario (j) al Mayorista (k)

Productora Valle

Alpina Frucongsa

Alvaro Baracaldo $- $- $-

Carlos Rincon $- $- $-

Ananias Forero $- $- $-

Carlos Romero $- $- $-

Cesar Gonzales $919,00 $1.198,00 $-

Miller Pedreros $- $- $-

Orlando Gonzales

$- $- $-

FRUSAN $919,00 $- $959,00

Juan Bautista $- $- $-

Leonardo Forero $- $- $-

Pedro Guerrero $- $- $-

Fuente: Autores

Tabla 59 C2(j,a) Costo por kilo absorbido del Intermediario (j) al Estado (a)

Plaza Ibague

Corabastos Plaza

Girardot Panamericana

Alimentos Perdidas

Alvaro Baracaldo $472 $- $- $- $1.375

Carlos Rincon $472 $400 $- $- $1.339

Ananias Forero $- $- $361 $- $1.264

Carlos Romero $- $400 $- $- $1.303

Cesar Gonzales $- $400 $- $- $1.303

Miller Pedreros $- $400 $- $- $1.303

Orlando Gonzales

$- $400 $- $- $1.303

FRUSAN $- $400 $- $1.122 $1.664

Juan Bautista $- $400 $- $- $1.303

Leonardo Forero $- $400 $- $- $1.303

Fuente: Autores

Tabla 60 CP(i) Kilos de mora producidas por el Grupo Veredal (i)

Santa_MR 77.557.445.077

Agua_AN 14.380.901.800

Laurel_AB 120.218.588.318

Hondura_Diamante 142.224.774.406

Andes 41.320.650.330

Fuente: Autores

141

CPV Costo Fijo para producir un Kilo de Mora: $ 1103 CDM Costo Promedio por Kilo devuelto de los Mayoristas: $ 576

El siguiente paso fue definir cada una de las variables que van hacer parte del modelo,

quienes juegan un papel fundamental dentro de la formulación, ya que al momento de hacer la validación van a ser quienes entreguen la solución:

Z: variable objetivo X(i,j): Cantidades enviadas del Grupo Veredal (i) al Intermediario (j) Y(j,k): Cantidades enviadas del Intermediario (j) al Mayorista (k) AV(i,a): Cantidades absorbidas del Grupo Veredal (i) al Mayorista (a) AI(j,a): Cantidades absorbidas del Intermediario (j) al estado (a) D(k,j): Cantidades devueltas del Mayorita (k) al Intermediario (j) R(j,k): Cantidades recibidas desde el Intermediario (j) por el mayorista (k)

Teniendo en cuenta la función del modelo de transporte con transbordos, se formuló una

ecuación con el objetivo de reducir los costos asociados al funcionamiento de la cadena. Además, se crearon las ecuaciones de balanceo de cantidades entre nodos y de probabilidades de cada uno de los arcos (capacidad).

Función Objetivo

𝑀𝑖𝑛 𝑍 = ∑ ∑ 𝑋(𝑖, 𝑗)

11

𝑗=1

5

𝑖=1

∗ 𝐶𝑃𝑉 + ∑ ∑ 𝑌(𝑗, 𝑘)

3

𝑘=1

11

𝑗=1

∗ 𝐶1(𝑗, 𝑘) + ∑ ∑ 𝐴𝑉(𝑖, 𝑎)

5

𝐴=1

5

𝑖=1

∗ 𝐶𝑃𝑉 + ∑ ∑ 𝐴𝐼(𝑗, 𝑎)

5

𝑎=1

11

𝑗=1

∗ 𝐶2(𝑗, 𝑎) + ∑ ∑ 𝐷(𝑘, 𝑗)

11

𝑗=1

3

𝑘=1

∗ 𝐶𝐷𝑀

Restricciones de Balance

𝐶𝑃(𝑖) = ∑ 𝑋(𝑖, 𝑗) + ∑ 𝐴𝑉(𝑖, 𝑎) ⍱ 𝑖

5

𝑎=1

11

𝑗=1

∑ 𝑋(𝑖, 𝑗)

11

𝑖=1

= ∑ 𝑌(𝑗, 𝑘) + ∑ 𝐴𝑉(𝑗, 𝑎)

5

𝑎=1

3

𝑘=1

⍱ 𝑗

𝑅(𝑗, 𝑘) = 𝑌(𝑗, 𝑘) − 𝐷(𝑘, 𝑗)

Restricciones de Probabilidades (Capacidad)

𝐶𝑃(𝑖) ∗ 𝑃1(𝑖, 𝑗) = 𝑋(𝑖, 𝑗) ⍱ 𝑖, 𝑗

𝑋(𝑖, 𝑗) ∗ 𝑃2(𝑗, 𝑘) = 𝑌(𝑗, 𝑘) ⍱ 𝑖, 𝑗, 𝑘

𝑋(𝑖, 𝑗) ∗ 𝑃3(𝑗, 𝑎) = 𝐴𝐼(𝑗, 𝑎) ⍱ 𝑖, 𝑗, 𝑎

𝐶𝑃(𝑖) ∗ 𝑃4(𝑖, 𝑎) = 𝐴𝑉(𝑖, 𝑎) ⍱ 𝑖, 𝑎

𝐷(𝑘, 𝑗) = 𝑌(𝑗, 𝑘) ∗ 𝑃5(𝑘, 𝑗) ⍱ 𝑗, 𝑘

Restricción Variables Positivas

𝑋(𝑖, 𝑗), 𝑌(𝑗, 𝑘), 𝐴𝐼(𝑖, 𝑎), 𝐴𝑉(𝑗, 𝑎), 𝐷(𝑘, 𝑗), 𝑅(𝑗, 𝑘) ≥ 0

142

3.4.2. Validación del Modelo

El objetivo de esta fase es llevar el funcionamiento actual de la Cadena Agroindustrial de la Mora del municipio de San Bernardo (Cundinamarca) a un ambiente virtual, a través de la formulación matemática desarrollada inicialmente. De esta manera se pretende inducir el comportamiento y la evolución de la cadena durante el año 2015. Con base a esta modelación se podrá generar otros escenarios que permitan tomar decisiones que mejoren la actividad actual de la cadena, a través de un análisis de sensibilidad.

La validación del modelo de transporte con trasbordos se hizo a través del software

GAMS (General Algebraic Modeling System), en donde la formulación se introdujo tal cual como se había definido previamente, pero con la sintaxis propia del programa. Dentro de la formulación se utilizó un código para que los parámetros del modelo y los resultados que arrojara la validación fueran cargados y entregados respectivamente en un archivo del Software Microsoft Excel. De igual manera dentro del archivo de Microsoft Excel se encuentra una pestaña, donde a partir de las cantidades arrojadas por la validación, se calculan porcentajes de participación de cada uno de los actores, con el fin de observar el estado de la cadena desde un punto de vista más objetivo.

El resultado arrojado por GAMS a través del solver CBC (programación de enteros

mixtos con código abierto) muestra una función objetivo de $7’036.093.189, que representa los costos del funcionamiento de la cadena durante el año 2015, la cual está asociada a las cantidades (Kg) de mora enviadas entre los diferentes actores, las cuales se encuentran en el Anexo XXX. Los productores quienes son el primer y el más importante grupo de actores que conforma la cadena, tienen un porcentaje de participación en la producción (ver Gráfica 24), liderado por Honduras/Diamante (40%) y finalizando con Agua Amarilla/Negra (3%), dejando un total de envíos entre Grupos Veredales e Intermediarios de 3`210.257 Kilos de mora.

Gráfica 24 Porcentajes de participación en la producción de mora por grupos veredales

Fuente: Autores

Los intermediarios que hacen parte de la cadena tienen la opción de enviar a dos tipos

de destinos la mora que comercializan, a mayoristas absorbentes y a mayoristas transitorios. La participación de los envíos totales a los dos tipos de mayoristas la lidera Cesar Gonzales con un 26% y finaliza Álvaro Baracaldo con un 3% (ver Gráfica 25). Con

16%3%

32%

40%

9%

Santa Marta / Rita

Agua Amarilla / Negra

Laurel Alto / Bajo

Hondura / Diamante

Andes

143

respecto a estos dos resultados se puede inferir que la Asociación FRUSAN no tiene la mayor influencia para comercializar la mora de la región, comprobando de esta manera que los lazos de la asociatividad en el municipio no son los más fuertes.

Gráfica 25 Porcentaje de participación total de los intermediarios

Fuente: Autores

El producto tiene como destino siete mayoristas, de los cuales, tres de ellos pertenecen

al mercado fresco, con una participación del 76%, y cuatro de ellos a la Industria de Transformación de Alimentos, con una participación del 24% (Ver Gráfica 26), dejando de esta manera un total de 2`952.255,58 Kilos de mora comercializados. Esta lista de participación es liderada por el Centro de Abastos de Bogotá, con un 65%, y finaliza con Panamericana de Alimentos y FRUCONGSA con un respectivo 1%, lo cual evidencia la preferencia de los intermediarios por comercializar mora en el mercado fresco de la capital del país.

Gráfica 26 Porcentaje de participación de los Mayoristas

Fuente: Autores

Las mermas logísticas que hay dentro de la cadena suman en total 1`661.093,51 Kilos

de mora, las cuales se presentan en mayor cantidad en la fase de producción con un 84% y en menor cantidad en la fase de intermediación con un 16% (ver Gráfica 27). Teniendo en cuenta el parámetro de las cantidades iniciales producidas, que es 4`613.349,089 Kilos de mora, la pérdida del producto es del 36% y el 64% restante equivale al producto

3%4%

4%

6%

26%

17%

10%

11%

9%

5%

5%Alvaro Baracaldo

Carlos Rincon

Ananias Forero

Carlos Romero

Cezar Gonzales

Miller Pedreros

Orlando Gonzales

Frusan

Juan Bautista

Leonardo Forero

Pedro Guerrero

17%

5%1%

7%

65%

4% 1%

Productora de Jugos delValleAlpina

Frucongsa

Plaza de mercado deIbagueCentro de Abastos Bogotá(Corabastos)Plaza de mercado deGirardotPanamericana deAlimentos (Medellin)

144

comercializado (ver Gráfica 28).

Gráfica 27 Cantidades de mermas por tipo de actor

Fuente: Autores

Gráfica 28 Resultado final del producto

Fuente: Autores

3.4.3. Análisis de sensibilidad

El análisis de sensibilidad busca determinar los efectos que se producen en la solución inicial, al realizar cambios en cualquiera de los parámetros de un modelo de programación lineal planteado inicialmente. Entre los cambios que se investigan están: los cambios en los coeficientes de las variables en la función objetivo tanto para variables básicas como para las variables no básicas, cambios en los recursos disponibles de las restricciones, variación de los coeficientes de utilización en las restricciones e introducción de una nueva restricción (Taha, 2004).

Para el desarrollo de esta etapa del proyecto se formularon tres modelos a partir del

actual, uno como escenario ideal, con la disminución del 5% de las mermas logísticas presentada en el municipio de San Bernardo (Cundinamarca), otro escenario donde se muestra la disminución por actor del 5% en pérdidas para los productores e intermediarios

1403092,09

258001,417

0

200000

400000

600000

800000

1000000

1200000

1400000

1600000

Grupos veredales Intermediarios

Can

tid

ades

Actores

36%

64%

Merma Logistica de Mora

Mora Comercializada

145

de la región de estudio y finalmente un modelo donde se evalúa, el alcance del aumento del 5% de la merma por actor. 3.4.3.1. Modelo con disminución del 5% de la merma por actor en la región

Como parte del estudio de sensibilidad se quiere identificar el intervalo permisible de variación, mediante un escenario propuesto para el modelo matemático presentado anteriormente. El desarrollo presenta un modelo donde se disminuye en un 5% las mermas logísticas por actor de la cadena Agroindustrial de la mora, el porcentaje sustraído es dividido en cada uno de los otros actores que tengan conexión con el productor o intermediario, caso por el cual se presenta un nuevo modelo y una nueva respuesta a la función objetivo.

En cuanto a las probabilidades que se generan para este escenario de reducción de las

perdidas logísticas en un 5%, se presenta un aumento del 1,54% de la capacidad de comercialización de la fruta por parte de los grupos veredales a los intermediarios, tal como muestra la Tabla 61. De igual manera para los intermediarios se presenta un aumento mínimo en la comercialización del fruto a los mayoristas, ya que incrementa en un 0,2% como muestra la Tabla 62. Tabla 61 Probabilidades de envió desde los grupos veredales a los intermediarios en modelo de disminución

de la merma en 5%

Álv

aro

Bara

cald

o

Carlo

s

Rin

cón

Ananía

s

Fo

rero

Carlo

s

Rom

ero

Cesar

Gonzale

s

Mill

er

Pedre

ros

Orla

ndo

Gonzale

s

FR

US

AN

Juan

Bautista

Leonard

o

Fo

rero

Pedro

Guerr

ero

Santa Marta / Rita

0,181 0,115 0,155 0 0 0,184 0 0,044 0 0 0

Agua Amarilla /

Negra 0 0 0 0 0 0 0,133 0,547 0 0 0

Laurel Alto / Bajo

0 0 0 0 0,315 0,025 0 0,099 0,080 0,093 0,093

Hondura / Diamante

0 0 0 0,117 0,473 0,019 0,072 0,016 0 0 0

Andes 0 0 0 0 0 0,346 0 0,350 0 0 0

Fuente: Autores

Tabla 62 Probabilidades de envió de los intermediarios a los mayoristas con disminución de 5% de merma.

Productora de Jugos del Valle

Alpina FRUCONGSA Plaza de mercado de Ibagué

Centro de Abastos Bogotá (CORABASTOS)

Plaza de mercado de Girardot

Panamericana de Alimentos (Medellín)

Álvaro Baracaldo 0 0 0 0,964375 0 0 0

Carlos Rincón 0 0 0 0,731 0,231 0 0

Ananías Forero 0 0 0 0 0 0,9715 0

Carlos Romero 0 0 0 0 0,9905 0 0

Cesar Gonzales 0,3525 0,1025 0 0 0,4025 0 0

Miller Pedreros 0 0 0 0 0,9525 0 0

Orlando Gonzales 0 0 0 0 0,9525 0 0

FRUSAN 0,09922125 0 0,06948825 0 0,74343625 0 0,07939925

Juan Bautista 0 0 0 0 0,962 0 0

Leonardo Forero 0 0 0 0 0,9525 0 0

Pedro Guerrero 0 0 0 0 0,9715 0 0

Fuente: Autores

146

El resultado arrojado por GAMS se presenta una función objetivo de $ 7’064.939.085 de pesos que depende de las cantidades por kilogramo presentadas en el Anexo XXXI. Para el eslabón de producción se presenta una mínima diferencia en los porcentajes de participación de los grupos veredales, como se observa en la Gráfica 29. En cuanto a las cantidades se incrementan en 70.154 kilos comercializados al año, lo cual muestra un total de 3’280.411 kilos de mora comercializados.

Gráfica 29 Porcentajes de participación en la producción de mora por grupos veredales con disminución de merma en 5%

Fuente: Autores

De igual manera, se presenta un aumento en la comercialización por parte de los

intermediarios hacia los mayoristas no absorbentes del 2%, de otro lado, las cantidades enviadas desde los intermediarios hacia los mayoristas absorbentes se aumenta en un 3%. De esta forma se puede evidenciar que las cantidades comercializadas por este eslabón de intermediación aumentan a un total de 3’280.411 kilos de mora por año, pero los porcentajes de participación tienen aproximadamente los mismos porcentajes, como muestra la Gráfica 30.

Gráfica 30 Porcentaje de participación total de los intermediarios para modelo de reducción del 5% de la merma.

Fuente: Autores

17%3%

31%

40%

9%

Santa Marta / Rita

Agua Amarilla / Negra

Laurel Alto / Bajo

Hondura / Diamante

Andes

5%

4%5%

9%

28%

14%

6%

14%

5% 5%5%

Alvaro Baracaldo

Carlos Rincon

Ananias Forero

Carlos Romero

Cezar Gonzales

Miller Pedreros

Orlando Gonzales

Frusan

Juan Bautista

Leonardo Forero

147

Las mermas presentadas luego de la reducción del 5%, llegan a una cantidad total de 1’581.202,60 kilos por año, de las cuales es generada en mayor cantidad por los productores, 84% (Ver Gráfica 31), y los intermediarios solo el 16%. Frente a las cantidades iniciales producidas en el eslabón de producción la merma logística representa un 34%; esta merma que es un 2% menor a la presentada en el escenario actual, como muestra la Gráfica 32 para el caso de reducción de la merma en un 5% y la Gráfica 28 para el porcentaje de participación actual de la merma en el municipio de San Bernardo (Cundinamarca).

Gráfica 31 Cantidades de mermas por tipo de actor en modelo de disminución de la merma en 5%

Fuente: Autores

Gráfica 32 Resultado final del producto para modelo de disminución del 5%

Fuente: Autores

En cuanto a los costos del modelo presentado frente al modelo actual, se muestra un

aumento del costo de la función objetivo de $ 28’845.895. Mediante la Gráfica 33, se evidencia que los costos por comercialización desde los grupos veredales hasta los intermediarios aumentan en $ 77.380.528, del mismo modo las cantidades comercializadas desde los intermediarios a los mayoristas no absorbentes incremento en $ 13.687.239. Para las cantidades comercializadas desde los intermediarios a los estados absorbentes se presenta el mismo panorama con un aumento de $ 14.991.200, al igual las devoluciones presentan un costo mayor de $ 167.455. Para el caso restante el costo asociado a las pérdidas en los grupos veredales se disminuye en $ 77.380.528. En resumen, este caso

1332937,484

248265,1229

0

200000

400000

600000

800000

1000000

1200000

1400000

Grupos veredales Intermediarios

Kilo

gram

os

Actores

34%

66%

Merma logística de mora

Mora comercializada

148

presenta mayor costo frente al modelo actual debido a que se aumentan las cantidades comercializadas y disminuyen las cantidades desperdiciadas en los eslabones.

Gráfica 33 Costos por eslabón de la cadena en el caso de reduccion del 5% de la merma.

GV: Grupos Veredales, IN: Intermediarios, MN: Mayoristas no Absorbentes, MA: Mayoristas Absorbentes Fuente: Autores

3.4.3.2. Modelo con aumento del 5% de la merma por actor en la región

Se plantea otro escenario con el aumento del 5% de las pérdidas por cada actor, con el fin de identificar el alcance que tiene el incremento de las mermas logísticas. El modelo presenta probabilidades diferentes al actual, en donde se muestra una disminución del 1,54% de la capacidad de comercialización de la fruta por parte de los grupos veredales a los intermediarios, tal como muestra la Tabla 63. De igual manera para los intermediarios se presenta una reducción del 5,8% en la comercialización del fruto a los mayoristas, como muestra la Tabla 64. Tabla 63 Probabilidades de envió desde los grupos veredales a los intermediarios en modelo de aumento de

la merma en 5%

Álv

aro

Bara

cald

o

Carlo

s

Rin

cón

Ananía

s

Fo

rero

Carlo

s

Rom

ero

Cesar

Gonzale

s

Mill

er

Pedre

ros

Orla

ndo

Gonzale

s

FR

US

AN

Juan

Bautista

Leonard

o

Fo

rero

Pedro

Guerr

ero

Santa Marta / Rita 0,181 0,115 0,155 0 0 0,184 0 0,044 0 0 0

Agua Amarilla / Negra 0 0 0 0 0 0 0,133 0,547 0 0 0

Laurel Alto / Bajo 0 0 0 0 0,315 0,025 0 0,099 0,080 0,093 0,093

Hondura / Diamante 0 0 0 0,117 0,473 0,019 0,072 0,016 0 0 0

Andes 0 0 0 0 0 0,346 0 0,350 0 0 0

Fuente: Autores

$3.540.913,47

$652.854,39

$1.547.610,57 $1.285.671,40

$9.043,35

$3.618.294,00

$666.541,63

$1.470.230,05 $1.300.662,60

$9.210,81

GV - IN IN - MN GV - MA IN - MA MN - IN

Pes

os

($1

00

0)

Eslabón

Actual Disminución 5%

149

Tabla 64 Probabilidades de envió de los intermediarios a los mayoristas con aumento de 5% de merma.

Productora de Jugos del Valle

Alpina FRUCONGSA Plaza de mercado de Ibagué

Centro de Abastos Bogotá (CORABASTOS)

Plaza de mercado de Girardot

Panamericana de Alimentos (Medellín)

Álvaro Baracaldo 0 0 0 0,960625 0 0 0

Carlos Rincón 0 0 0 0,729 0,229 0 0

Ananías Forero 0 0 0 0 0 0,9685 0

Carlos Romero 0 0 0 0 0,9895 0 0

Cesar Gonzales 0,3475 0,0975 0 0 0,3975 0 0

Miller Pedreros 0 0 0 0 0,9475 0 0

Orlando Gonzales 0 0 0 0 0,9475 0 0

FRUSAN 0,09899875 0 0,06926575 0 0,74321375 0 0,07917675

Juan Bautista 0 0 0 0 0,958 0 0

Leonardo Forero 0 0 0 0 0,9475 0 0

Pedro Guerrero 0 0 0 0 0,9685 0 0

Fuente: Autores

El resultado obtenido arroja una función objetivo de $ 7’007.009.102 de pesos al año,

dependiendo de los kilogramos del producto enviado dentro de la cadena del municipio de San Bernardo como se presenta en el Anexo XXXII. En el eslabón de producción no se presenta diferencia en los porcentajes de participación de los grupos veredales, como se observa en la Gráfica 34, pero en cuanto a las cantidades totales se disminuyen en 70.154 kilos frente al modelo actual, dejando un total de 3’140.102 kilos de mora comercializados por los productores al año.

Gráfica 34 Porcentajes de participación en la producción de mora por grupos veredales con aumento de merma en 5%

Fuente: Autores

Igualmente se presenta una disminución en la comercialización por parte de los intermediarios hacia los mayoristas no absorbentes del 2% y hacia los mayoristas absorbentes en un 3%. De esta forma se puede evidenciar que las cantidades comercializadas por el eslabón de intermediación disminuyo con respecto al modelo actual dejando un total de 2’872.697 kilos de mora por. Los porcentajes de participación no presentan diferencias porcentuales significativas como se puede ver en la Gráfica 35.

16%3%

32%

40%

9%

Santa Marta / Rita

Agua Amarilla / Negra

Laurel Alto / Bajo

Hondura / Diamante

Andes

150

Gráfica 35 Porcentaje de participación total de los intermediarios para modelo de aumento del 5% de la merma.

Fuente: Autores

Las mermas presentadas luego de aumentar el 5% de perdida, llegan a una cantidad total de 1´740.651 kilos por año. De nuevo, esta merma es generada en mayor cantidad por los productores (Ver Gráfica 36), pero las mermas logísticas presentadas por los intermediarios disminuyen a un 15% sobre el total. Los datos generados para este modelo, frente a las cantidades iniciales producidas en el eslabón de producción reflejan que la merma logística representa un 38%; merma que es un 2% mayor a la presentada en el escenario actual, como muestra la Gráfica 37 y la Gráfica 28.

Gráfica 36 Cantidades de mermas por tipo de actor en modelo de aumento de la merma en 5%

Fuente: Autores

6%

3%5%

9%

29%14%

6%

14%

4%5%

5%

Alvaro Baracaldo

Carlos Rincon

Ananias Forero

Carlos Romero

Cezar Gonzales

Miller Pedreros

Orlando Gonzales

Frusan

Juan Bautista

Leonardo Forero

0

200000

400000

600000

800000

1000000

1200000

1400000

1600000

Grupos veredales Intermediarios

Can

tid

ades

Actores

151

Gráfica 37 Resultado final del producto para modelo de aumento del 5%

Fuente: Autores

La función objetivo de este modelo refleja una disminución del costo total $ 29`084.087.

A partir de Gráfica 38, se puede evidenciar la diminución del costo, ya que las cantidades comercializadas desde los diferentes eslabones que conforman la cadena agroindustrial de la mora en el municipio de San Bernardo (Cundinamarca) disminuyen. En conclusión, este modelo disminuye el costo de operación de la cadena debido a que se desperdicia mayor cantidad del fruto, en vez de ser comercializado y restando la utilidad de cada actor.

Gráfica 38 Costos por eslabón de la cadena en el caso de incremento del 5% de la merma.

GV: Grupos Veredales, IN: Intermediarios, MN: Mayoristas no Absorbentes, MA: Mayoristas Absorbentes

Fuente: Autores

3.4.3.3. Modelo con disminución del 5% de la merma en la cadena

Dado que propuso la hipótesis de reducir en 5% las mermas logísticas presentadas en la cadena agroindustrial de la mora, se genera un modelo donde la reducción por actor alcanza una disminución del 15% y reduce la merma logística de un 36% a un correspondiente 31%, teniendo en cuenta que en el caso de la disminución del 5% por actor (ver Gráfica 32), la merma solo disminuyó un 2% del total. Este modelo presenta nuevas probabilidades para la cadena en cada uno de los estabones que la conforman. En el caso de producción se tiene un aumento del 4,63% de la comercialización y la intermediación

38%

62%

Merma logistica Mora

Mora Comercializada

$3.540.913,47

$652.854,39

$1.547.610,57 $1.285.671,40

$9.043,35

$3.463.532,94

$639.270,24

$1.624.991,10

$1.270.337,65

$8.877,17

$-

$500.000,00

$1.000.000,00

$1.500.000,00

$2.000.000,00

$2.500.000,00

$3.000.000,00

$3.500.000,00

$4.000.000,00

GV - IN IN - MN GV - MA IN - MA MN - IN

Pes

os

($1

00

0)

Eslabón

Actual Disminución 5%

152

presenta un aumento mínimo de 0,5%, esto frente al escenario actual. Las Tabla 65 y Tabla 66 representan respectivamente las probabilidades para cada uno de los arcos del modelo. Tabla 65 Probabilidades de envió desde los grupos veredales a los intermediarios en modelo de disminución

de la merma total en 5%

Álv

aro

Bara

cald

o

Carlo

s

Rin

cón

Ananía

s

Fo

rero

Carlo

s

Rom

ero

Cesar

Gonzale

s

Mill

er

Pedre

ros

Orla

ndo

Gonzale

s

FR

US

AN

Juan

Bautista

Leonard

o

Fo

rero

Pedro

Guerr

ero

Santa Marta / Rita 0,190 0,125 0,164 0 0 0,194 0 0,053 0 0 0

Agua Amarilla / Negra

0 0 0 0 0 0 0,157 0,571 0 0 0

Laurel Alto / Bajo 0 0 0 0 0,322 0,032 0 0,106 0,088 0,100 0,100

Hondura / Diamante

0 0 0 0,126 0,483 0,028 0,081 0,025 0 0 0

Andes 0 0 0 0 0 0,368 0 0,373 0 0 0

Fuente: Autores

Tabla 66 Probabilidades de envió de los intermediarios a los mayoristas con disminución de 5% del total de la

merma.

Productora de Jugos del Valle Alpina FRUCONGSA

Plaza de mercado de Ibagué

Centro de Abastos Bogotá (CORABASTOS)

Plaza de mercado de Girardot

Panamericana de Alimentos (Medellín)

Álvaro Baracaldo 0 0 0 0,968125 0 0 0

Carlos Rincón 0 0 0 0,733 0,233 0 0

Ananías Forero 0 0 0 0 0 0,9745 0

Carlos Romero 0 0 0 0 0,9915 0 0

Cesar Gonzales 0,3575 0,1075 0 0 0,4075 0 0

Miller Pedreros 0 0 0 0 0,9575 0 0

Orlando Gonzales 0 0 0 0 0,9575 0 0

FRUSAN 0,09944375 0 0,06971075 0 0,74365875 0 0,07962175

Juan Bautista 0 0 0 0 0,966 0 0

Leonardo Forero 0 0 0 0 0,9575 0 0

Pedro Guerrero 0 0 0 0 0,9745 0 0

Fuente: Autores

En cuanto se disminuye la merma de la cadena de suministro en un 5% sobre el total,

se aumenta la función objetivo en $85.823.109 pesos, estos costos son reflejados por las cantidades generadas por el software GAMS, las cuales se muestran en el Anexo XXXIII. En este caso el eslabón de producción muestra mínimos cambios en los porcentajes de participación por parte de los grupos veredales, como muestra la Gráfica 39 frente al caso actual de la Gráfica 29. Pero las cantidades comercializadas aumentan a 3’420.720 kilos al año, cantidades que incrementaron en 210.463 kilos frente al modelo actual, lo cual muestra un referente positivo para la disminución del 5% del total.

153

Gráfica 39 Porcentajes de participación en la producción de mora por grupos veredales con disminución total

de la merma en 5%

Fuente: Autores

Para el eslabón de intermediación, se presenta el caso donde los grupos veredales

incrementan sus envíos a los mayoristas no absorbentes en un 6% y del mismo modo incrementa los envíos de mora a los mayoristas absorbentes en un 8%, estos porcentajes frente a las cantidades expuestas en el Anexo XXX. Bajo estas condiciones se incrementan las cantidades comercializadas en 410180,462 kilos por año. Por parte de la participación de los intermediarios en la cadena se observan variaciones de relevancia como es la participación del intermediario Cesar Gonzales ya que pasó de tener una participación del 28% (ver Gráfica 30) a tener 41% de participación como lo muestra la Gráfica 40, pero de igual manera los otros intermediarios pierden participación dentro de la cadena.

Gráfica 40 Porcentaje de participación total de los intermediarios para modelo de reducción del 5% sobre el total de la merma.

Fuente: Autores

Las pérdidas de este modelo llegan a un total de 1’420.421,722 kilos por año (ver Gráfica

41), lo que representa un 31% de mermas logísticas (26% en producción y 5% en intermediación) y un 69% de mora comercializada (ver Gráfica 42), cumpliendo con la meta de reducir en 5% las pérdidas totales de la cadena frente el modelo actual.

17%3%

31%

40%

9%

Santa Marta / Rita

Agua Amarilla / Negra

Laurel Alto / Bajo

Hondura / Diamante

Andes

4%

3%4%

7%

41%11%

5%

13%

4%4%

4%

Alvaro Baracaldo

Carlos Rincon

Ananias Forero

Carlos Romero

Cezar Gonzales

Miller Pedreros

Orlando Gonzales

Frusan

Juan Bautista

154

Gráfica 41 Cantidades de mermas por tipo de actor en modelo de disminución de la merma total en 5%

Fuente: Autores

Gráfica 42 Resultado final del producto para modelo de disminución del 5% del total de las perdidad

Fuente: Autores

En cuanto a los cotos del modelo, cuando se realiza la disminución de la merma frente

al modelo actual, se refleja un aumento del costo de la función objetivo de $85.823.109. Mediante la Gráfica 43, se muestra que el aumento del costo es debido al aumento de las cantidades comercializadas por parte de los grupos veredales a los intermediarios, como también se encuentra que los intermediarios aumentan las cantidades enviadas a los centros mayoristas no absorbentes. Pero, caso contrario pasa con las cantidades perdidas por parte de los grupos veredales y los envíos realizados por los intermediarios a los mayoristas absorbentes, pues en este caso los costos disminuyen.

A partir de este modelo se observa que las cantidades desperdiciadas por cada uno de

los actores es menor a los escenarios anteriores, pero a su vez el costo de operación de la cadena aumentó, teniendo en cuenta que se comercializaron más kilogramos de mora. Con base a que se comercializan más cantidades de mora se espera que cada una de los involucrados genere un porcentaje de ganancia mayor frente a la actividad económica actual. En la Gráfica 44 se observa que al comparar el escenario actual con respecto a este, se evidencia una disminución de los costos por mermas de $347.820.116, lo que equivale a una reducción del 17,73%.

1192628,275

227793,4468

0

200000

400000

600000

800000

1000000

1200000

1400000

Grupos Veredales Intermediarios

Kilo

gram

os

Actores

31%

69%

Merma logistica de mora

Mora Comercializada

155

Gráfica 43 Costos por eslabón de la cadena en el caso de disminuir el 5% del total de la merma.

GV: Grupos Veredales, IN: Intermediarios, MN: Mayoristas no Absorbentes, MA: Mayoristas Absorbentes

Fuente: Autores

Gráfica 44 Costos por mermas en los escenarios Actual e Ideal

Fuente: Autores

$3.540.913

$1.600.607

$1.547.611

$337.919

$9.043

$3.773.055

$1.725.397 $1.315.469

$298.445 $9.550

$-

$500.000

$1.000.000

$1.500.000

$2.000.000

$2.500.000

$3.000.000

$3.500.000

$4.000.000

GV - IN IN - MN GV - MA IN - MA MN - IN

Pe

so

s (

$1

00

0)

Eslabón

Actual Disminucion total de 5%

$1.961.734.467

$1.613.914.350

$-

$500.000.000

$1.000.000.000

$1.500.000.000

$2.000.000.000

$2.500.000.000

Actual Ideal

Pe

so

s (

$)

Escenarios

156

CAPITULO IV: CONCLUSIONES Y RECOMENDACIONES La cadena Agroindustrial de la Mora del municipio de San Bernardo (Cundinamarca) se

encuentra conformada inicialmente por actores que cumplen tareas de apoyo como lo son los viveros de producción vegetal (VIFRUSAN), entidades del gobierno (UMATA, Ica, Sena, Ministerio de Agricultura y Desarrollo Rural) y centros de investigación (Universidad Nacional, Universidad del Rosario y Fundación Universitaria Agraria de Colombia). La cadena está vinculada a la organización gremial y agro-empresarial ASOHOFRUCOL, quienes representan los intereses de los productores de frutas ante entes públicos y privados del sector hortofrutícola. Dentro de la cadena se identificaron dos tipos de actores quienes son los responsables de que el producto llegue a los centros mayoristas (Mercado Fresco e Industria de transformación de alimentos), los productores e intermediarios.

Las principales causas de las mermas del cultivo de mora se deben a eventualidades

naturales, que no se pueden evitar, pero si controlar, y a costumbres o a manipulaciones incorrectas por parte de los productores, por falta de asistencia técnica. Como el cultivo de la mora es de tipo permanente, dado que, en el transcurso del año se puede obtener este fruto, exige un cuidado diario desde su planeación hasta su post-cosecha para obtener un rendimiento adecuado y una disminución de las mermas logísticas. Partiendo del hecho que el municipio cuenta con una gran reserva hídrica y es considerado como una despensa Agrícola del departamento de Cundinamarca (Alcaldía de San Bernardo, 2016), el primer factor a tener en cuenta para obtener un cultivo en buenas condiciones es el tipo y la procedencia del material vegetal que se va a adquirir.

Según el método que se escoja para reproducir el material vegetal (sexual o asexual) se

puede obtener una idea de cuándo se va a obtener la primera cosecha y el rendimiento promedio del cultivo. El método más recomendado es la propagación asexual (estaca, acodo e invitro) de plantas maduras (espinas gruesas y tallo fuerte), libres de enfermedades y con más de dos años de vida productiva, asegurando que no haya cambios genéticos del fruto. Antes de adquirir el material vegetal hay que asegurar que el suelo donde se establecerá el cultivo tenga un pH acido entre 5.2 y 6.7 y una profundidad efectiva de 50 cm para el buen desarrollo de las raíces.

Para plantar el material vegetal hay que realizar un trazado y demarcación de los lugares

de la siembra con una distancia entre calles de dos metros de longitud, si es en un lote plano, o de tres metros, si es un lote con pendiente. De esta manera se podrá hacer el ahoyado en los puntos establecidos, con huecos de 40 centímetros de diámetro y 40 centímetros de profundo, los cuales se podrán abonar con materia orgánica. Al momento de sembrar el material vegetal se debe asegurar que el suelo se encuentre húmedo y en llegado caso que en el sitio se presenten fuertes vientos hay que proteger la capa productiva del suelo de la erosión con rompe-vientos.

157

Luego de la siembra del material vegetal se debe cumplir minuciosamente con ciertas actividades para que el cultivo se mantenga sano y el fruto no se pierda durante su maduración. La primera actividad es el riego de la planta, la cual necesita como mínimo tres centímetros cúbicos de agua a la semana; en llegado caso que el clima del municipio de San Bernardo (Cundinamarca) entre en una sequía extrema, como lo fue el año del 2015, hay que obtener el líquido de las reservas que tiene el municipio (Rio Negro, Rio pilar, Quebrada la Chorrera y pozos de captación de agua subterránea) y así asegurar la cantidad mínima de agua por planta. En épocas de lluvia hay que evitar el encharcamiento del cultivo a través de un sistema de drenaje efectivo.

Después del tercer mes de establecido el cultivo hay que sostener y dirigir el crecimiento

de la planta por medio de una estructura construida en madera y alambre. Esta actividad tiene el nombre de Tutorado y tiene diferentes clases, pero la más recomendada es en T doble, por lo que presenta mejores rendimientos frente a otras clases y consiste en ubicar postes de madera sobre el surco del cultivo a intervalos de tres o cuatro plantas. Luego se instala la primera T a 60 centímetros de ancho a 60 u 80 centímetros del suelo y la segunda T de 80 centímetros de ancho a 1,4 o 1.5 metros del suelo. Sobre la primera T se debe extender un alambre de calibre delgado y sobre la segunda T requiere un alambre grueso número 10 o 12.

La poda se considera la actividad que más influye en el control y prevención de

enfermedades y plagas, ya que favorece a la aireación y a la entrada de luz a la planta. Existen tres tipos de poda, la primera es la de formación (cada 45 o 60 días) y consiste en cortar ramas y hojas débiles por debajo de los cuarenta centímetros de altura de la planta, la segunda es la de mantenimiento (cada 15 0 30 días) en donde se eliminas todas las ramas que presenten síntomas de maltrato o contaminación y toda la maleza alrededor de la planta, y la tercera es la de renovación parcial o total de la planta cuando envejezca o el cultivo llegue al pico de producción.

La calidad del fruto y la salud en general del cultivo dependerá en gran parte de las dosis

de fertilizantes que se aplique a cada planta. Estas dosis deberán ser el resultado de un análisis físico-químico del suelo, que debe ser realizado por un Agrónomo, quien recomendara que tipo de fertilizante aplicar y con cuanta frecuencia. Para el caso del cultivo de la mora los elementos que más necesita es el nitrógeno, el fosforo, el potasio, hierro y zinc. El alto costo de esta actividad impide que la mayoría de productores de la región puedan desarrollar y aplicar un plan de fertilización adecuado, principalmente por los altos precios de los fertilizantes a nivel nacional y la falta de asistencia técnica y financiera.

Con el pasar de los meses el cultivo empezara a desarrollar maleza entre las calles y

alrededor de las plantas, por lo que es recomendable que se mantenga una circunferencia con 100 centímetros de diámetro debajo de cada planta limpio de maleza. Esta actividad debe llevarse a cabo cada tres meses, utilizando únicamente un machete o realizándola a mano, a la vez se podrá acumular tierra suave alrededor de los tallos.

En el municipio de San Bernardo (Cundinamarca) existe la particularidad que el estado

del clima cambia constantemente dúrate el día, lo cual genera un ambiente propicio para la aparición de enfermedades y plagas en cultivos donde el control sanitario no se lleva a cabo. En este sentido el fruto no alcanza a madurar cuando ya se debe desechar, obligando al productor a aplicar pesticidas que pueden contaminar el producto que se encuentra sano. También existe la posibilidad de preparar caldos minerales que cumplen una función muy

158

similar y minimizan los efectos en la calidad e inocuidad de los frutales, mutando así a un cultivo de mora orgánica.

La primera cosecha del cultivo se da entre los siete y nueve meses de establecido el

cultivo y llega a una producción plena a los doce o quince meses. El productor debe realizar esta actividad utilizando guantes de caucho limpio, un recipiente no muy hondo donde se deposita la fruta y preferiblemente en horas de la mañana. Lo primero que se debe hacer es secar el roció de las plantas, luego halar de la fruta por su base con el dedo pulgar e índice (no sostenerla mucho tiempo en la mano) y depositarla de inmediato en el recipiente utilizado en la cosecha. El productor deberá tener a la mano una tabla de maduración de la mora y solo cosechar frutos a partir del estado número cuatro.

Por las condiciones de la fruta se debe disponer en la finca de un lugar techado, que

este lejos de cualquier foco de contaminación, en donde se puedan hacer tareas de selección, clasificación, empaque y almacenamiento. La selección consiste en retirar cualquier elemento extraño y desechar aquellos frutos que presenten indicios de enfermedades o daños considerables. La clasificación de la mora se hace por medio del estado de maduración, el tamaño y la calidad de la formación del fruto. De esta manera ya se podrá empacar la fruta en canastillas plásticas con rendijas de ventilación, las cuales no se deben llenar por encima de las manijas de carga y no deben contener ningún elemento extraño.

Con respecto a las actividades de Post-Cosecha es en donde se evidencia que los

productores de mora del Municipio de San Bernardo (Cundinamarca) presentan mayores dificultades, ya que solo cumplen con empacar toda la mora en canastillas plásticas, por encima del peso permitido y con hojas de papel en las manijas de carga, lo que genera una disminución de la presentación y calidad del fruto de la región. Este tipo de hechos hace que se genere mermas durante el transporte y comercialización del producto por contaminación y magullación, lo que a la vez disminuye el precio de compra en los centros mayoristas.

Para tener un control adecuado del cultivo, hay que llevar a cabo una hoja de vida donde

se tenga registrado cada una de las actividades que se hagan a diario, las anomalías presentadas y las cantidades de mora desperdiciadas, cosechadas y vendidas. De igual manera hay que asegurar que cada uno de los elementos que se utilice en cada una de las fases de producción de la mora se encuentre limpio y los residuos que se generen, se desechen de manera correcta lejos del cultivo para evitar la propagación de focos de contaminación.

Durante el año 2015 se presentó un promedio de mermas logísticas en la fase de

producción del 30%, dejando aproximadamente una pérdida de un tercio (1/3) del total del fruto que se puede explotar de la región, lo cual concuerda con las cifras arrojadas por la FAO con respecto a la perdida y desperdicio de alimentos a nivel mundial. Este resultado refleja la amplia brecha tecnológica que hay con respecto al rendimiento del cultivo en otras regiones del país, como lo es en Riosucio (Caldas), donde en promedio se obtienen 22 toneladas de mora por hectárea al año, una diferencia del 59%, frente a las 9 toneladas promedio que se explotan en el Municipio de San Bernardo (Cundinamarca). (Áreas mora Colombia 2015).

159

Teniendo en cuenta la experiencia de algunos de los productores que fueron entrevistados para llevar a cabo este proyecto de investigación, es posible llegar a tener una merma en producción entre el 10% y el 15% si se cumplen cada una de las recomendaciones para la planeación, el sostenimiento y el desarrollo del cultivo. De esta manera si en la región se capacita a cada uno de los productores en la aplicación de las buenas prácticas de agricultura, en las actividades específicas del cultivo de mora y se le ofrece una asistencia técnica y financiera, se podrá reducir el 30% de merma actual al 20% o al 15%.

Luego de la etapa de producción el responsable del cuidado del producto es el

intermediario, quien compra el fruto directamente a los productores en puntos acordados de las veredas del municipio de San Bernardo (Cundinamarca) y se encarga estrictamente de transportar y comercializar la mora en los diferentes destinos. Durante esta etapa el producto puede presentar cambios físicos y de calidad, generando mermas logísticas a casusa por un mal manejo y conservación del producto.

Las condiciones de transporte presentadas por parte de los intermediarios al momento

de recolectar el producto en las veredas, en muchas de las ocasiones no cumplen con las condiciones requeridas, exponiendo el producto a la contaminación, magullación y deshidratación. Los vehículos de transporte de la región cuentan con instalaciones de almacenamiento no adecuadas, no cumplen con las condiciones higiénicas aceptables y en ocasiones se excede la capacidad de los vehículos, colocando carga sobre el techo. Del mismo modo, los vehículos son utilizados para transportar personas poco antes de la recolección del producto sin luego ser desinfectado, tampoco se retiran objetos extraños o tierra y en ocasiones se transportan sustancias o productos no aptos para el consumo humano.

Partiendo de las falencias presentadas por los intermediarios al momento de recolectar

el producto en las veredas, se recomienda adecuar los espacios de almacenamiento de los vehículos, retirando cualquier tipo de material toxico y objetos que no hagan parte de la actividad. Este tipo de vehículos solo se puede utilizar para el transporte de frutas, siendo así desinfectando cada vez que culmine la recolección o al menos una vez por semana. En caso de presentar recorridos por más de ocho (8) horas se debe garantizar la cadena de frio en el vehículo, alternando el uso del termoquin cada 60 minutos. De esta manera se minimiza el riesgo a tener pérdidas y se conserva la calidad del producto durante el transporte.

En todos los casos no se incumplen las condiciones para el transporte del producto, por

ejemplo, algunos intermediarios tienen vehículos aptos para el manejo y transporte del producto desde el municipio a los diferentes mayoristas. En el caso de la Asociación FRUSAN, esta cuenta con dos vehículos aptos para el transporte de alimentos perecederos los cuales son utilizados desde el punto de acopio en la cabecera municipal hasta los centros mayoristas. En el centro de acopio de la Asociación se realizan actividades de pesaje, empaque y carga de los vehículos. Los intermediarios realizan el pesaje del producto en el área de recolección y de inmediato se envía a los centros mayoristas, ya que no cuentan con un espacio de acopio.

160

En la comercialización de la mora, los intermediarios son actores de comunicación o envió del producto al mercado fresco e industria de transformación. Los dos canales presentan diferentes estándares de recepción de producto; en el caso de mercado fresco la calidad ideal debe ser extra y debe contar con una madures de grado cuatro (4), sin embargo, se recibe cualquier tipo de mora luego de acordar un precio de compra por libra más bajo que el precio normal, caso contrario para la industria de transformación ya que esta acepta la mora que tenga un grado de madures superior a cinco (5) y con calidad de primera o segunda. Bajo estas condiciones de transporte y de recepción, durante el año 2015 se vendió el 76% del producto de la región al mercado fresco, 24% restante se envía a la industria de transformación de alimentos y con una merma del 6% del producto en la fase de intermediación.

Desde el principal centro de abastos (CORABASTOS), se estipula el precio nacional de

compra por libra (o kilo) de mora, que sirve de referencia para el mercado fresco de esta fruta. Caso contrario ocurre en la industria de transformación, dado que esta genera condiciones de precio fijo para el intermediario durante todo el año. Dada la importancia de mantener un precio alto de la fruta en beneficio de los productores e intermediarios, se recomienda mantener un porcentaje de venta equitativo entre el mercado fresco y la industria de trasformación de alimentos, con el fin de evitar una sobre oferta en el centro de abastos de Bogotá (CORABASTOS) que devalúe el precio del producto. Cabe aclarar, que la industria de trasformación de alimentos compra grandes cantidades de fruta al año lo cual exige que exista un lazo de asociatividad robusto, que pueda asegurar la demanda de estos mayoristas, con los estándares de calidad y presentación exigidos.

Por medio de una prueba de Rachas se determinó que la cadena se comporta

aleatoriamente, permitiendo así modelarla a través de las cadenas de Markov, con una configuración absorbente. Se identificaron diecinueve (19) estados transitorios, de los cuales cinco (5) son los grupos veredales en los que se agruparon a los productores, once (11) son los intermediarios más influyentes del municipio y tres (3) son mayoristas de la industria de transformación de alimentos que hacen devoluciones no muy significantes. Finalmente se encuentran cinco (5) estados absorbentes, donde, cuatro (4) de ellos son mayoristas que no hacen devoluciones y el restante es el de pérdida.

Mediante el análisis de cadena absorbente de Markov se obtuvo un primer resultado,

que fue el número pasos antes de que el proceso sea absorbido desde cualquier estado transitorio. En este caso se evidencia que dos mayoristas transitorios (Productora de Jugos del Valle y Alpina), presentan el mayor número de pasos antes de que la mora llegue a un estado absorbente con 3,63 pasos. Los intermediarios que comercializan el producto solo en el mercado fresco presentan un solo paso, a diferencia de los intermediarios que envían fruta a la industria de trasformación de Alimentos que tienen un número de pasos mayor a uno. El segundo resultado fue el número de visitas que realiza cada uno de los intermediarios a los grupos veredales, concluyendo que Miller Pedreros, Cesar Gonzales y la Asociación FRUSAN, son los más influyentes en la comercialización de mora de la región.

El tercer y último resultado de la cadena de Markov fueron las probabilidades de

absorción de la mora, desde los estados transitorios a los estados absorbentes. Partiendo del hecho que el proyecto se desarrolló para cuantificar y reducir las mermas logísticas a lo largo de la cadena Agroindustrial de la Mora del Municipio de San Bernardo (Cundinamarca), las probabilidades de ocurrencia de mayor relevancia son las que conducen al estado de pérdidas. A partir de este supuesto se identificó que el eslabón de

161

producción tiene la mayor probabilidad de perdida, seguido por los intermediarios. Con respecto a las probabilidades presentadas por los Mayoristas que realizan devoluciones, se observa un escenario en donde el producto se re-comercializa a través del intermediario que lo recibe y este lo envía a Mayoristas absorbentes.

La validación de la cadena se realizó por medio de un modelo matemático bajo

parámetros de un problema de transporte con transbordos teniendo en cuenta que el comportamiento de la cadena cumple con los supuestos establecidos en este modelo. Se obtuvo que el grupo veredal Honduras - Diamante envía el 40% de la mora a los intermediarios, Laurel Alto - Bajo envía un 32%, Santa Marta – Santa Rita 16% y 12% restante se divide entre Agua Amarilla – Negra y Andes. Los intermediarios más influyentes de la región, Cesar Gonzales, Miller Pedreros y la asociación FRUSAN tienen un porcentaje participación del 26%, 17% y 10% respectivamente del producto comercializado en la región.

En cuanto a los mayoristas que más reciben mora del Municipio de San Bernardo

(Cundinamarca), el Centro de Abastos de Bogotá (CORABASTOS) lidera este listado con un 65% de participación, seguido por Productora de Jugos de Valle (Palmira) con un 17% y el 18% restante se distribuye entre los demás mayoristas. Se corroboro el promedio general de mermas de toda la cadena, 36%, con una perdida en la fase de producción del 30% y en la fase de comercialización del 6% y el 64% restante corresponde al promedio de producto comercializado.

En cuanto los costos del modelo, se halla que la mayor participación está en la

producción de la mora, dado que este representa un 72,32%. Esta alta participación se debe a los costos de mantenimiento, producción y perdida asociados al estabón productivo, pues el 50,32% es parte del mantenimiento y producción de un cultivo y el 22% es generado por las pérdidas logísticas. El restante 27,68% del costo hallado para la cadena agroindustrial de la mora, es referente a la intermediación que se realiza en el municipio de San Bernardo hasta los mercados mayoristas. Este costo se divide en tres (3) partes de la cadena, como lo es, comercializar producto en mercados absorbentes (22,75%), las pérdidas generadas por la comercialización (4,8%) y las devoluciones de las industrias de transformación de alimentos (0,13%). De este modo, se determinó que las mermas logísticas representan un 26,8% del total de los costos de la cadena.

A partir de la hipótesis propuesta en el planteamiento del problema del proyecto, se

generaron 3 escenarios por medio de la modelación matemática del estado actual de la cadena, en donde se buscaba establecer si una reducción del 5% de la merma total posible de lograr en el corto plazo. Por lo anterior se realizó un análisis de sensibilidad inicial con la reducción y el aumento del 5% de la merma presentada por cada actor, en donde se concluyó que esos no eran suficientes y no generaban cambios sustanciales en el funcionamiento de la cadena. Finalmente se estableció un escenario con una reducción del 15% de la merma de cada uno de los actores, en donde el resultado total de las mermas se redujo en un 5,13% con respecto al estado actual, lo que aproximadamente deja una pérdida total del 31% y un 69% de producto comercializado.

El primer cambio evidenciado es el aumento del 1,22% costo de la operación

($85.823.109), ya que, al reducir en un 15% de la perdida de mora en cada uno de los eslabones de la cadena, se aumenta en la misma cantidad el producto vendido por cada uno de los actores, arrojando una función objetivo de $7.121.916.299. El aumento de

162

producto comercializado mantiene el porcentaje de participación de los grupos veredales ya que sus promedios de perdida al año tienen diferencias muy mínimas, a diferencia de los intermediarios y en especial de Cesar Gonzales, quien tuvo un aumento de su participación en un 13% frente al modelo de operación actual. Estos cambios afectan positivamente el ingreso de cada uno de los involucrados, ya que, al vender una mayor cantidad de producto, se reducen los costos por perdidas en producción e intermediación y se obtiene un porcentaje de utilidad mayor por kilo de mora vendido.

163

REFERENCIAS Ahumada, O., & Villalobos, R. (2009). Application of planning models in the agri-food

supply chain: A review. European Journal of Operational Research 195, 1–20. Alcaldía de San Bernardo. (16 de 02 de 2016). ¿Cómo estamos organizados? Obtenido

de http://www.sanbernardo-cundinamarca.gov.co/index.shtml?apc=I-xx--2741105&x=1640080

Alcaldia de San Bernardo. (01 de 09 de 2016). Indicadores. Obtenido de http://www.sanbernardo-cundinamarca.gov.co/indicadores_anuales.shtml?apc=bexx-1-&x=2741450

Alcaldía de San Bernardo. (23 de 07 de 2016). Territorio de nuestro municipio. Obtenido de http://www.sanbernardo-cundinamarca.gov.co/territorios.shtml

Amaya, D. L. (12 de 09 de 2016). Reconocimiento de la Asociación Frusan. (J. A. Porras, & J. M. Bautista, Entrevistadores)

Arango, A. E. (Septiembre de 2012). Infraestructura logística especializada modelos de Gestión aplicables a Colombia, situación y propuestas de arreglo Institucional. Bogotá D,C.

Arenas, L., Marin, M., Peña, D., Toyo, E., & Sandobal, L. (1999). Contenido de humedad, materia seca y cenizas guayabas cosechadas en granjas del municipio Mara del estado Zulia. Facultad de Agronomía, 1 - 10.

Arrieta, F. A. (2011). El modelo Scor (Supply Chain Operations Reference Model) aplicado a la cadena de suministro de empresas del sector comercio: caso droguerias Megaexpress. Cartagena: Universidad de Cartagena.

Arsanjani, J. J., Helbich, M., Kainz, W., & Boloorani, A. D. (2013). Integration of logistic regression, Markov chain and cellular automata models to simulate urban expansion. International Journal of Applied Earth Observation and Geoinformation, 265 – 275.

Arto, J. R. (2011). La Gestión de la Cadena de Suministro. Madrid: Escuela de Organización Industrial.

Asociación Hortofrutícola de Colombia. (2012). Plan Nacional de Fomento Hortofruticola. Bogotá D,C.: ASOHOFRUCOL.

Asociación Hortofruticola de Colombia. (2014). Con la Cadena de la Mora renace el optimismo en el cultivo. Frutas y Hortalizas, 16 - 18.

Asociación Hortofrutícola de Colombia. (18 de 03 de 2015). Nuestra organización. Obtenido de http://www.asohofrucol.com.co/interna.php?cat=1&scat=7&act=1

Asociación Nacional de Empresarios de Colombia. (2015). Balance 2015 y Perspectivas 2016. Bogotá D,C.: ANDI.

Ataharul, I. M., & Rafiqul, I. C. (2006). A higher order Markov model for analyzing covariate dependence. Applied Mathematical Modelling, 477-488.

Barón, M., Huertas, I., & Orjuela, J. (2013). Gestión de la cadena productiva del biodiésel: una revisión de la literatura. Ingeniería, 84 - 117.

Bas, E. (2008). Prospectiva: Cómo usar el pensamiento sobre el futuro. Barcelona: Ariel. Bas, E. (2008). Prospectiva: Cómo usar el pensamiento sobre el futuro. Barcelona: Ariel. Bruzzi, M. (17 de Marzo de 2016). La merma en el mercado del retail. Obtenido de

http://www.forodeseguridad.com/artic/discipl/4116.htm

164

Burbano, J. A., & Sierra, J. C. (2014). Evaluación de la configuración de la cadena logística desde el punto de vista sustentable para el MEGA. Bogotá D,C.: UNIAGRARIA.

Camara de Comercio de Bogotá. (2006). Balance Tecnológico Cadena Productiva Hortofrutícola en Bogotá Y Cundinamarca. Bogotá D,C.: CCB.

Camara de Comercio de Bogotá. (2015). Manual Mora. Bogotá D,C.: Programa de Apoyo Agrícola y Agroindustrial.

Camara de Comercio de Duitama. (2013). Conozca las bondades de nuestros productos agrícolas. Duitama: CCD.

Cambridge Distionaries. (14 de Abril de 2016). Supply Chain. Obtenido de http://dictionary.cambridge.org/es/diccionario/ingles/supply-chain

Cárdenas, D., & Cruz, R. (2014). El sector Hortofrutícola colombiano frente al acuerdo comercial con la Unión Europea. Santiago de Cali: Universidad del Valle.

Casallas, L. F. (2014). Evaluación del analisis fisicoquimico del banano común. Bogotá D,C.: Pontificia Universidad Javeriana.

Central de Abasto de Bogotá. (19 de 07 de 2016). CORABASTOS. Obtenido de http://www.corabastos.com.co/sitio/index.php?option=com_content&view=featured&Itemid=233

Chandra, C., & Kumar, S. (2001). Enterprise architectural framework for supply-chain integration. Industrial Management & Data Systems, 290 - 304.

Chediak, F., & Vera, F. (2005). Investigación de Operaciones. Ibagué: CORUNIVERSITARIA.

Chicas, D. M., & Guzmán, M. M. (2012). Diseño De La Administración De La Cadena De Abastecimiento Para Los Pequeños Y Medianos Agricultores De Frutas Y Hortalizas De La Zona De Zapotitán. Ciudad del Salvador: Universidad De El Salvador, Facultad De Ingeniería Y Arquitectura Escuela De Ingeniería Industrial.

Cocinas Centrales. (02 de Noviembre de 2009). Control de Merma. Obtenido de http://www.cocinascentrales.com/archivos/RP20091102_Control_de_la_merma.pdf

Color ABC. (12 de 06 de 2007). El Aporque. Obtenido de http://www.abc.com.py/edicion-impresa/suplementos/escolar/el-aporque-987785.html

COLPRENSA. (08 de 09 de 2013). Precio de los insumos, un lastre muy pesado para el campo. Obtenido de http://www.eluniversal.com.co/economica/precio-de-los-insumos-un-lastre-muy-pesado-para-el-campo-133922

Comisión Económica para América Latina y el Caribe. (2014). Colombia: PERFIL NACIONAL ECONÓMICO. Obtenido de http://estadisticas.cepal.org/cepalstat/Perfil_Nacional_Economico.html?pais=COL&idioma=spanish

Congreso de Colombia. (2 de Agosto de 1982). Condiciones sanitarias de las fábricas, depósitos y expendios en alimentos. Obtenido de http://www.icbf.gov.co/cargues/avance/docs/decreto_2333_1982.htm

Congreso de Colombia. (1993). Ley General de Desarrollo Agropecuario y Pesquero. Bogotá D,C.: Diario Oficial.

Congreso de Colombia. (02 de 07 de 2003). Ley 811 de 2003. Bogotá D,C., Cundinamarca, Colombia: Diario Oficial.

Congreso de Colombia. (2013). Reglamento técnico sobre los requisitos sanitarios que deben cumplir las frutas. Bogotá D,C.: Ministerio de Salud y Protección Social.

Corporación Colombiana de Investigación Agropecuaria. (13 de 07 de 2009). ¿Que hace CORPOICA? Obtenido de http://www.corpoica.org.co/

Cruz, A. (2012). Plan de desarrollo departamental 2012 - 2016. Bogotá D,C: GC.

165

Departamento Administrativo Nacional de Estadistica. (11 de 07 de 2016). Proyecciones de Población. Obtenido de http://www.dane.gov.co/index.php/poblacion-y-demografia/proyecciones-de-poblacion

Departamento de Planeación Nacional. (2010). Plan Nacional de Desarrollo . Bogotá D.C.: DNP.

Departamento Nacional de Planeación. (2007). Agenda para la Productividad y la Competividad. Bogotá D,C.: DNP.

Departamento Nacional de Planeación. (2008). Diseño conceptual de un Esquema de Sistemas de Plataformas Logísticas en Colombia y Análisis Financiero y Legal. Madrid: Advanced Logistic Group.

Departamento Nacional de Planeación. (2015). Hortifrutícola. Bogotá D,C.: DNP. Deutsch-Wörterbuch. (16 de 03 de 2016). Merma. Obtenido de

http://definicion.de/merma/ Dirección de Desarrollo Rural Sostenible. (2008). Politica Nacional, Fitosanitaria y de

Inocuidad para las Cadenas de Frutas y de otros Vegetales. Bogotá D,C.: Consejo Nacional de Politica Económica y Social.

DNV GL Business Assurance. (15 de Febrero de 2013). Gestión de la Cadena de Suministro de Alimentos y Bebidas: ¿Costo u Oportunidad? Obtenido de http://www.dnvba.com/ar/Informacion/newsletter/a4ed4/Pages/gestion-de-la-cadena-de-suministros.aspx

Echeverri, S. R. (2010). Modelización de una Cadena de Abastecimiento (supply chain) para el sector textil-confeccion en el entorno colombiano. Medellin: Universidad Nacional de Colombia.

Escobar, C. H. (2014). Cartilla de la Mora (Rubus glaucus Benth). Bogotá: MADR. FENALCO. (2015). Décimo Quinto Censo Nacional de Mermas y prevención de pérdidas

- Mercado Detallista. Bogotá D,C.: Centro de Investigación del Consumidor. Fonde de Financiamiento del Sector Agropecuario. (23 de 07 de 2016). Información

Institucional. Obtenido de https://www.finagro.com.co/qui%C3%A9nes-somos/informaci%C3%B3n-institucional

Franco, G., & Giraldo, M. (2001). El cultivo de la Mora. Bogotá D,C.: CORPOICA. Fundación para el Desarrollo Territorial y Comunitario de Colombia. (15 de 06 de 2015).

Proyectos. Obtenido de http://fundetecomcol.org/proyectos/ Galindo, G. P. (2015). Hábitos de consumo de frutas y hortalizas en personas de 15 a

39 años habitantes de Bogotá. Bogotá D,C.: Universidad Nacional de Colombia. Garcìa, C. (2012). Elaboración de un paquete tecnològico para productores en manejo

de cosecha y poscosecha de mora. Bogotà D,C.: UNAL. García, M., Riveros, H., Pavez, I., Rodríguez, D., Lam, F., Arias, J., & Herrera, D. (2009).

Cadenas agroalimentarias: un instrumento para fortalecer la institucionalidad del sector agrícola y rural. San José: Instituto Interamericano de Cooperación para la Agricultura.

Garza, R. d. (2016). La importancia de la cadena de suministro y su administración. Bogotá D,C.: Universidad Nacional Abierta y a Distancia Colombia.

Gayon, J.-P., Benjaafar, S., & Véricourt, F. D. (2009). Using imperfect advance demand information in production-inventory systems with multiple customer classes. Manufacturing and Service Operations Management, 128-143.

Gillespie, D. T. (1992). General features of a Markov Process . En D. T. Gillespie, Markov Processes (págs. 59-110).

Gobernación de Cundinamarca. (2014). Sector Agropecuario - Estadistcas Cundinamarca. Bogotá D,C.: MADR.

166

Gobierno del Valle del Cauca. (20 de Agosto de 2013). Gobierno departamental lanzó Plan Frutícola para el Valle del Cauca. Obtenido de http://www.valledelcauca.gov.co/publicaciones.php?id=24775

Gonzales, C., Adarme, W., & Orjuela, J. A. (2015). Modelo matemático estocástico para el problema de ruteo de vehículos en la recolección de productos perecederos. Dyna, 9.

González, A. F., & Rojas, L. V. (2011). Diseño preliminar de una cadena de aprovisionamiento y exportación de frutas tropicales desde la región del Valle del Cauca en el marco de los TLC con Canadá y la Unión Europea. Santiago de Cali, Valle del Cauca, Colombia: Universidad Icesi.

Grajalba, C. M., Pérez, M. M., & Calderón, L. A. (2010). Rendimiento y Calidad de la fruta en Mora de Castilla cultivada en campo abierto en Cajicá. Bogotá D,C.: UMNG.

Gustavsson, J., Cederberg, C., & Sonesson, U. (2012). Pérdidas y desperdicio de alimentos en el Mundo - Alcance, causas y prevención. Roma: Swedish Institute for Food and Biotechnology (SIK). Obtenido de http://www.fao.org/3/a-i2697s.pdf

Gutierres, E., & Parra, M. (2005). Producción limpia cultivo de Mora en el departamento del Huila. Neiva: Gobernación del Huila.

Haijema, R. (2008). Solving large structured Markov Decision Problems for perishable. Amsterdam: The institutional repository of the University of Amsterdam.

Handfield, R. (11 de Noviembre de 2011). What is Supply Chain Management? Obtenido de https://scm.ncsu.edu/scm-articles/article/what-is-supply-chain-management

Herrera, J. (26 de 06 de 2015). La región Bogotá-Cundinamarca: dinámica económica y potencialidades. Obtenido de http://observatorio.desarrolloeconomico.gov.co/base/lectorpublic.php?id=553#sthash.QRpR8ox4.GO4EpMWu.dpbs

Herrera, M. M., & Orjuela, J. A. (2014). Perspectiva de trazabilidad en la cadena de suministros de frutas - Un enfoque desde la dinámica de sistemas. Bogotá: Universidad Distrital José Fransisco de Caldas.

Hierro, M., & Guijarro, M. (2007). Una revisión de la aplicación de las cadenas de Markov discretas al estudio de la movilidad geográfica. Estadistica Española, 473 - 499.

Hiller, F. S., & Lieberman, G. J. (2010). Introducción a la Investigación de Operaciones. Ciudad de Mexico: Mc Graw Hill.

ICA. (2011). Manejo Fitosanitario del Cultivo de Mora. Bogotá D,C: ICA. Ingeniería de sistemas y automática. (2010). Procesos de Markov. Valladolid:

Universidad de Valladolid. INIAP, Proyecto Papa Andina, Agencia Suiza para el Desarrollo y la Cooperación.

(2016). Cadenas agroalimentarias - Plataformas de concertacion y proyectos compartidos. Lima: Alianza Fortipapa.

Instituto Colombiano Agropecuario. (09 de 07 de 2016). Quiénes somos. Obtenido de http://www.ica.gov.co/El-ICA.aspx

Instituto Colombiano de Desarrollo Rural. (2012). Caracterización Socio-Demográfica Del Área De Desarrollo Rural De Sumapaz. Bogotá D,C.: INCODER.

Instituto Colombiano de Desarrollo Rural. (12 de 05 de 2014). Áreas de Desarrollo Rural. Obtenido de http://www.incoder.gov.co/ADR/areas_de_desarrollo_rural.aspx

Instituto de Hidrologia, Meteorologia y Estudios Ambientales. (2015). Anuario Climatológico. Bogotá D,C.: MINAMBIENTE.

Jia, X., & Cui, L. (2008). A Study on Reliability ofSupply Chain based on Higher Order Markov chain. Beijing: IEEE.

Jiménez, J. E., & Hernández, S. (2002). Marco conceptual de la cadena de Suministro: Un nuevo enfoque logístico. Ciudad de Mexico: Instituto Mexicano del Transporte.

167

Kinsey, J. D. (2001). The New Food Economy: Consumers, Farms, Pharms, and Science. American Journal of Agricultural Economics, 1113 - 1130.

Lambert, D. M. (2005). Supply Chain Management. Florida: The Ohio State University and University of North Florida.

Leal, E., & Pérez, G. (2009). Plataformas Logísticas: Elementos conceptuales y Rol del sector Público. Bogotá D,C.: Comisión Económica para América Latina y el Caribe.

Liu, Y., Li, J., & Jia, X. (2008). Reliability ofk-out-of-n:G system in Supply Chain based on Markov chain. Beijing: IEEE.

López, J., & Gómez, R. (2008). Tecnología para la producción de frutales de clima frio moderado. Rionegro: CORPOICA.

Luo, J.-q., & Zhao, Y.-p. (2010). Rearch on the Supply Chain Product Market Forecasting Based on Markov Chain. Zhenjiang: IEEE.

Malaver, C. (09 de Agosto de 2013). Los recolectores que armaron empresa con desechos de Corabastos. Obtenido de Quieren demostrar que su trabajo vale. Piden separación desde la fuente: http://www.eltiempo.com/archivo/documento/CMS-12984572

Martínez, J., & Francisco, Á. (2011). Planeación y Gestión en las Áreas de Desarrollo Rural: Guia Metodologica y Procedimental. Bogotá D,C.: INCODER.

Meals de Colombia S.A. (2007). Actualización en el cultivo de mora de castilla. Manizales: MDC.

Ministerio de Agricultura de Desarrollo Rural. (2012). Bullet - Regional de cultivo de Mora en Cundinamarca Julio. Bogotá D,C.: MADR.

Ministerio de Agricultura y Desarrollo Rural. (2011). Bullet - Regional de cultivo de Mora en Cundinamarca Noviembre. Bogotá D,C.: MADR.

Ministerio de Agricultura y Desarrollo Rural. (2012). Bullet - Cadena de Frutales Sembrados en Pequeñas Areas. Bogotá D,C.: MADR.

Ministerio de Agricultura y Desarrollo Rural. (2012). Bullet - Regional de cultivo de Mora en Cundinamarca Septiembre. Bogotá D,C.: MADR.

Ministerio de Agricultura y Desarrollo Rural. (2013). El cultivo de Mora de Castilla (Rubus glucus benth) frutal de clima frío moderado, con propiedades cuerativas para la salud humana. Insumos y Factores Asociados a la Producción Agropecuaria, 1 - 6.

Ministerio de Agricultura y Desarrollo Rural. (2014). Bullet - Cadena de Frutales Sembrados en Pequeñas Areas. Bogotá D,C.: MADR.

Ministerio de Agricultura y Desarrollo Rural. (2014). Cadenas productivas de Colombia. Bogotá D,C.: MADR.

Ministerio de Agricultura y Desarrollo Rural. (2015). Cadena Productiva Mora. Obtenido de Información General: http://sioc.minagricultura.gov.co/index.php/opc-infogeneralcadena?ide=46

Ministerio de Agricultura y Desarrollo Rural. (2016). Área Sembrada, Cosechada, Producción y rendimientos del cultivo de Mora en Colombia. Bogotá D,C.: MADR.

Ministerio de Agricultura y Desarrollo Rural. (2016). Bullet - Cadena de Frutales Sembrados en Pequeñas Areas. Bogotá D,C.: MADR.

Ministerio de Agricultura y Desarrollo Rural. (07 de 09 de 2016). Misión y Visión. Obtenido de https://www.minagricultura.gov.co/ministerio/quienes-somos/Paginas/Quienes-somos.aspx

Mnisterio de Agricultura y Desarrollo Rural. (12 de 07 de 2016). AGRONET. Obtenido de Estadisticas: http://www.agronet.gov.co/estadistica/Paginas/default.aspx

Montoya, J. R., & Ortiz, D. (2011). Análisis del concepto de colaboración en la cadena de suministro: Una revisión de la literatura científica. Medellin: Engineering for a Smart

168

Planet, Innovation, Information Technology and Computational Tools for Sustainable Development.

Morales, R. (03 de 08 de 2016). Comercialización de mora en el municipio de San Bernardo. (J. M. Bautista, & J. Á. Porras, Entrevistadores)

Norma Tecnica Ecuatoria. (2010). Frutas frescas. Mora. Requisitos. Quito: Instituto Ecuatoriano de Normalización.

Organismo Internacional Regional de Sanidad Agropecuaria. (2003). Buena prácticas agricolas en Mora orgánica. Guatemala: OIRSA.

Organización de la Naciones Unidas para Alimentacion y Agricultura. (07 de 09 de 2016). Acerca de Nosotros. Obtenido de Nuestros objetivos estratégicos: http://www.fao.org/about/es/

Organización de la Naciones Unidas para Alimentacion y Agricultura. (09 de 07 de 2016). Quienes somos. Obtenido de Estructura y Financiación: http://www.fao.org/about/who-we-are/es/

Organización de las Naciones Unidas Para Alimentación y Agricultura. (12 de 07 de 2003). Majual para la preparación y venta de frutas y hotalizas. Obtenido de http://www.fao.org/docrep/006/Y4893S/y4893s04.htm

Organización de las Naciones Unidas para la Alimentación y la Agricultura - FAO. (Julio de 2014). Perdidas y desperdicios de alimentos en America Latina y el Caribe. Obtenido de http://www.fao.org/3/a-i3942s.pdf

Organización de las Naciones Unidas para la Alimentación y la Agricultura - FAO. (18 de 03 de 2016). Plataforma técnica sobre la medición y la reducción de las pérdidas y el desperdicio de alimentos. Obtenido de http://www.fao.org/platform-food-loss-waste/background/es/

Organización de las Naciones Unidas para la Alimentación y la Agricultura - FAO. . (18 de 04 de 2016). Pérdida y desperdicio de alimentos. Obtenido de Reducción de la pérdida y desperdicio de alimentos: http://www.fao.org/food-loss-and-food-waste/es/

Orjuela, J. A., & Chavarrio, I. A. (2011). Caracterizacion de la Cadena de Abastecimiento de Panela. Bogota: UNIVERSIDAD FRANSISCO JOSÉ DE CALDAS.

Orjuela, J. A., Castañeda, I. J., Canal, J. L., & Rivera, J. (2013). La logística en la cadena de frutas. Bogota: Universidad Distrital Francisco José de Caldas.

Parra, R. I., Miller, V., & Lundy, M. (2012). Cadenas Productivas Colombianas: Cómo la Política Pública Transforma la Agricultura. Bogotá D,C.: Centro Internacional de Agricultura Tropical.

Pascual, R. C. (2007). Estado del arte de la planificación colaborativa en la cadena de suministro: Contexto determinista e incierto. Catalunya: Universidad Politécnica de Catalunya.

Pastrana, C. (23 de Diciembre de 2013). La Cadena de Gestión de Suministro (SCM): qué es y cuáles son las ventajas que ofrece. Obtenido de http://comunidad.iebschool.com/iebs/scm-comercio-exterior/cadena-gestion-suministro/

Pedreros, F. (02 de 08 de 2016). Preparación de material vegetal en San Bernardo - Cundinamarca. (J. M. Bautista, & J. Á. Porras, Entrevistadores)

Peña, V., & Solís, E. (2006). La Cadena de Suministros y su Evolución. Chile: Universidad Técnica Federico Santa María Valparaíso.

Pérez, F., & Rodriguez, M. A. (2011). Propuesta del sistema logistico de distribucion para las regionales centro, santander y eje cafetero de una empresa de consumo. Santiago de Cali: Universidad ICESI.

Piñero, M., & Díaz, L. (2004). Mejoramiento de la Calidad e Inocuidad de las frutas y hortalizas frescas: Un enfoque practico. Roma: FAO.

169

Política Nacional de Seguridad Alimentaria y Nutricional. (13 de Marzo de 2013). Plan Nacional de Seguridad Alimentaria y Nutricional. Obtenido de http://www.icbf.gov.co/portal/page/portal/PortalICBF/Bienestar/Nutricion/PNSAN

Porter, A. M. (1997). One Focus, One Supply Base. Prieto, J. M. (2013). Vigilancia, Inspección y Control de la Cadena Logística del

Transporte. Bogotá D,C.: Ministerio de Transporte. PROCOLOMBIA. (2016). El mundo invierte en Colombia. Bogotá D,C.: PROCOLOMBIA. Programa de Transformación Productiva. (Diciembre de 2013). Hortofrutícola . Obtenido

de https://www.ptp.com.co/categoria/sectorhortofruticola.aspx Puterman, M. L. (1994). Markov Decision Processes - Discrete Stochastic and Dynamic

Programming. New Jersey: Wiley-Interscience. Razmi, J., Moghadam, A. T., & Jolai, F. (2015). An Evaluative Continuous Time Markov

Chain Model for a Three Echelon Supply Chain with Stochastic Demand and Lead Time. University of Tehran - IFAC, 248 – 253.

Real Academia Española. (13 de 04 de 2014). Mora. Obtenido de http://dle.rae.es/?id=Pliz3P1|Plk7QR8

Real Lengua Española}. (13 de Abril de 2016). Logístico. Obtenido de http://dle.rae.es/?id=NZJWMiV

Red de Información y Comunicación del Sector Agropecuario Colombiano. (2014). Estadisticas. Bogotá D,C.: AGRONET.

Revista de Logísica. (13 de 01 de 2016). Corabastos, la logística detrás del mercado. Obtenido de http://revistadelogistica.com/actualidad/corabastos-la-logistica-detras-del-mercado/

Revista Enfasis Logística. (01 de Enero de 2003). Procesos Logísticos e inocuidad alimentaria. Obtenido de http://www.logisticamx.enfasis.com/notas/3749-procesos-logisticos-e-inocuidad-alimentaria

Rodríguez, C. Y. (2012). Diseño de un modelo estocastico usando cadenas de markov para pronosticar la deserción academica de estudiantes de ingeniería. Caso: Escuala Colombiana de Ingenieria Julio Garavito. Bogotá D,C.: PUJ.

Rodríguez, J. A., & Steegmann, C. (2010). Modelos matemáticos. Catalunya: Secretaría de Estado de Educación y Universidades (MECD).

Secretaria de Agricultura de Cundinamarca. (2014). Caracterizacion de las cadenas agropecuarias priorizadas en el Departamento de Cundinamarca. Bogotá D,C.: GC.

Secretaria de Agricultura, G. D. (2008). Las Cadenas Productivas Agrolimentarias. Ciudad de Mexico: Dirección General de Estudios para el desarrollo Rural.

Secretaria de Agricultura, Ganaderia, Desarrollo Rural, Pesca y Alimentación. (19 de 02 de 2016). Moscas Nativas de la Fruta. Obtenido de http://senasica.gob.mx/?id=4516

Sistema de Información de precios y abastecimiento del sector agropecuario. (2012). Caracteristicas de las instalaciones y abastecimiento en Corabastos. Bogotá D,C.: DANE.

Sobha, K. R., Thangavelu, P., Elango, C., & Anbazhagan, N. (2012). Analysis of inventory system with three stages of deterioration. Karaikudo: Universidad Alagappa.

Stewart, J. (2012). Precálculo matemáticas para el cálculo. Mexico D,F.: CENGAGE LEARNING.

Suárez, J. (2009). Sistemas y Modelos. Coruña: Universidade da Coruña. Taha, H. A. (2004). Investigación de Operaciones. Ciudad de Mexico: Pearson

Education. Tamir, A. (1998). Fundamentals of Markov Chain. En A. Tamir, Applications of Markov

Chains in Chemical Engineering (págs. 11 - 185).

170

The New Logistics Management Paradigm. (05 de Octubre de 2001). The Impact of Today’s Trends. Obtenido de https://www.hitpages.com/doc/4977433438584832/1#pageTop

Tilokavichai, V., Sophatsathit, P., & Chandrachai, A. (2012). Innovative Logistics Management under Uncertainty using Markov Model. Information and Knowledge Management, 19-30.

Tobasura, A. I., & Ospina, P. C. (2010). El Proceso de Gobernanza de la Cadena de la Mora. Manizales: Universidad de Caldas.

Triola, M. F. (2014). Estadistica. Ciudad de Mexico: Pearson Education. Unidad Administrativa Especial de Servicios Publicos - UAESP. (2012). Caracterización

de los residuos sólidos residenciales generados en la ciudad de Bogotá D.C - 2011. Bogotá D,C.

Unidad Municipal de Asistencia Técnica Agropecuaria – UMATA. (2015). EVA 2015 Cultivos Permanentes. San Bernardo, Cundinamarca.: UMATA.

Universidad America. (10 de 05 de 2016). Trabajo de Grado. Obtenido de http://www.definicionabc.com/ciencia/marco-de-referencia.php

Universidad de Antioquia. (20 de 04 de 2016). Mora. Obtenido de Http://huitoto.udea.edu.co/frutastropicales/mora_de_castilla.html

Universidad de Barcelona. (12 de 10 de 2016). Introducciòn SPSS. Obtenido de http://www.ub.edu/aplica_infor/spss/cap5-4.htm

Universidad Nacional Autonoma de Mexico. (8 de 11 de 2016). Introducción a las Cadenas o Procesos de Markov. Obtenido de http://www.ingenieria.unam.mx/javica1/ingsistemas2/Simulacion/Cadenas_de_Markov.htm

Universidad Nacional de Colombia. (2006). Alianza para el mejoramiento de la productividad y comercialización de Mora de Castilla, a través de la asociación de productores de frutas y verduras de clima frio y moderado del municipio de San Bernardo (FRUSAN). Bogotá D,C.: MADR.

Universidad Nacional de Colombia. (16 de 03 de 2016). Vida util de la Mora de Castilla. Obtenido de http://agenciadenoticias.unal.edu.co/detalle/article/estudio-busca-extender-vida-util-de-la-mora-de%20castilla.html

Usuga, M. L. (2013). Logística de distribución de productos perecederos de economia campesina. Casos Fuente de Oro (Meta) y Viotá (Cundinamarca). Bogotá D,C: Universidad Nacional de Colombia.

Valencia, C. F. (2013). Filosofía de la Gestión Logística. Medellin: Universidad EAFIT. Wilcox, W., Horvath, P. A., Griffis, S. E., & Autry, C. W. (2011). A Markov model of liquidity

effects in reverse logistics processes: The effects of random volume and passage. Production Economics, 86-101.

Winston, W. L. (2005). Investigación de Operaciones: Aplicaciones y Algoritmos. Mexico D,F.: THOMSON.

Xiangzhou, Y., Xinwei, T., & Yun, C. (2010). A Study on Stability of Closed-loop Supply Chain Based on Markov Chain. Hubei: IEEE.

Yamagata, H. (2004). El mundo de la Matematica. Obtenido de http://es.calameo.com/read/003308236370a0c55c032

Yasar, A. (2005). A robust optimization model for stochastic logistic problems. Production Economics, 108-109.

Zhao, Q. H., Chen, S., Leung, S. C., & Lai, k. (2010). Integration of inventory and transportation decisions in a logistics system. Transportation Research, 913-925.

171

ANEXOS

Anexo I Resumen de las técnicas, el flujo de la actividad, y la medición de la red logística

Related literatures Techniques

Logistics Activities Measurement Paremeters of

Uncertainly

D I W P O T R C T P S W L

Swenserthan Godfrey, 2002

EOQ X X X X X X

Listes, 2007 Stochastic programming

X X X X X X

Qiu hong Zhao, et al., 2010

Markov modeling X X X X X X X X

Leet et al., 2010 Stochastic programming

X X X X X X X X

Kim et al., 2011 Stochastic optimization X X X X X X X X

Mutha & Pokharel, 2009 Mathematical model X X X X X X X

El-Sayed et al., 2010 Stochastic programming

X X X X X X

Pishvaee et al., 2009 Stochastic programming

X X X X X X X

Wilcox et al., 2011 Markov modeling X X X X

Qin et al., 2009 Stochastic programming

X X X X X X

Horvath et al., 2005 Markov modeling X X X X

S.A, 2008 Stochastic programming

X X X X X

Yu and Li, 2000 Stochastic programming

X X X X X

D: Demand & Forecasting, I: Inventory Management, W: Warehouse Management, P: Purchasing & Procurement, O: Order Processing, T: Transportation, R: Reverse Logistics, C: Cost, T: Time, P: Profit, S: Service Level, W: Waste/defect, L: Liquidity.

Fuente: Autores basados en (Tilokavichai, Sophatsathit, & Chandrachai, 2012)

172

Anexo II Ficha técnica de la Mora (Rubus Glaucus Benth)

Ficha Técnica de Frutas y Hortalizas Fecha 12/07/2016

Versión 1

Nombre del Producto Mora (Rubus Glaucus Benth)

Principales Productores Cundinamarca, Santander, Antioquia, Huila, Nariño y Boyacá.

Condiciones agro-climatológicas

Altura 1.800 A 2.400

MSNM Horas de Brillo

Solar 1.200 a 1.600 al año

Temperatura 11 A 18º C Tipo de Suelo Franco Arcilloso

Humedad Ambiente

70 a 80% Rango de pH del

suelo 5.7 a 6.7

Rango de precipitación

1.500 a 2.500 mm al año

Composición nutricional

Ácido Ascórbico 17 mg Grasa 0,6 g

Agua 96.7 g Hierro 2.2 mg

Calcio 38 mg Niacina 0.58 mg

Carbohidratos 58 g Proteínas 1.2 g

Cenizas 10.2 g Riboflamina 0.03 mg

Fibra 0.4 g Tiamina 0.01 mg

Fosforo 4.3 g Promedio Grados

Brix 8

Descripción de la Planta y el Fruto

Flores: Blancas con 5 pétalos y 5 sépalos de 2 cm de diámetro y pedúnculo corto

Tallo: Herbáceo rastrero y semi-erguido, alcanza hasta 5 m de largo, con ramificaciones secundarias, terciarias, redondeadas y espinosas.

Frutos: Formados por drupas redondas con un receptáculo floral común. De color rojo a oscuro, con un diámetro de 5-7 mm, dispuestas en gajos de 7-8 frutos y con un peso promedio individual de 0,2 gr. Una planta puede tener hasta 3.600 frutos

Hojas: Trifoliadas, elípticas, alargadas, puntiagudas, de largo pecíolo blancuzco, cara inferior más clara, alternas con bordes dentados y ondulados

Raíz: Principal típica, secundarias alcanzan profundidades entre 10 y 20 cm en suelos francos

173

Fuente: Autores basados en (Camara de Comercio de Bogotá, 2015).

174

Anexo III Porcentaje (%) de hectáreas diversificadas en el departamento de Cundinamarca

Fuente: Autores

Versión

Fecha:

INDICADOR META 95%

TIPO DE INDICADOR Indicador de eficiencia

SENTIDO Creciente

FUENTE DE INFORMACIÓN Ministerio de Agricultura y Desarrollo Rural

FRECUENCIA DE TOMA DE DATOS Anual

FRECUENCIA DE ANÁLISIS Anual

RESPONSABLE Cadena productiva de Mora

UNIDAD

%

VARIABLE Trimestre I Trimestre II Trimestre III Trimestre IV

EJECUTADO

META 95% POTENCIALIDAD

ANÁLISISGRÁFICO

SEGUIMIENTO INDICADORES DE CONTROL

Porcentaje (%) de hectareas diversificadas en el departamento de Cundinamarca.

OBJETIVO 1. Mejora de la productividad y competitividad.

DESCRIPCIÓN

Apoyo a proyectos para la renovación y diversificación de 600 Ha de Mora en Cundinamarca con Arándanos ,

Transferencia de Tecnología, Comercialización con valor agregado y Agroindustrial con el fin de mejorar los ingresos de las

familias productores de la región. (En los municipios de San Bernardo (200 Ha), Pasca (100 Ha), Pandi (50 Ha), Venecia

(50 Ha), Fusagasugá (50 Ha), Silvania (50 Ha), Granada (50 Ha) y el Colegio (59 Ha). Capacitación del personal técnico.

PROCEDIMIENTO DE

CALCULO

ESTADISTICO DE MEDICIÓN

0,00%

20,00%

40,00%

60,00%

80,00%

100,00%

120,00%

AÑO 2013 AÑO 2014 AÑO 2015

% 𝑃𝑜𝑟𝑐𝑒𝑛𝑡𝑎𝑗𝑒 = 𝐻𝑒𝑐𝑡𝑎𝑟𝑒𝑎𝑠 𝑑𝑖𝑣𝑒𝑟𝑠𝑖𝑓𝑖𝑐𝑎𝑑𝑎𝑠 𝑒𝑛 𝑒𝑙 𝑝𝑒𝑟𝑖𝑜𝑑𝑜 𝑎𝑐𝑡𝑢𝑎𝑙

𝑇𝑜𝑡𝑎𝑙 𝑑𝑒 ℎ𝑒𝑐𝑡𝑎𝑟𝑒𝑎𝑠 𝑎 𝑑𝑖𝑣𝑒𝑟𝑠𝑖𝑓𝑖𝑐𝑎𝑟 (600 𝐻𝑎)

175

Anexo IV Porcentaje (%) de avance para construcción de estructura de costos e ingresos para Mora

Fuente: Autores

Versión

Fecha:

INDICADOR META 100%

TIPO DE INDICADOR Indicador de eficiencia

SENTIDO Creciente

FUENTE DE INFORMACIÓN Ministerio de Agricultura y Desarrollo Rural

FRECUENCIA DE TOMA DE DATOS Anual

FRECUENCIA DE ANÁLISIS Anual

RESPONSABLE Cadena productiva de Mora

UNIDAD

%

VARIABLE Trimestre I Trimestre II Trimestre III Trimestre IV

EJECUTADO

META 100% POTENCIALIDAD

ANÁLISIS

DESCRIPCIÓN Estructura de costos e ingresos de producción de Mora en Cundinamarca.

SEGUIMIENTO INDICADORES DE CONTROL

Porcentaje (%) de avance para construccion de estructura de costos e ingresos para Mora.

OBJETIVO 1. Mejora de la productividad y competitividad.

PROCEDIMIENTO DE

CALCULO

ESTADISTICO DE MEDICIÓN

GRÁFICO

0,00%

20,00%

40,00%

60,00%

80,00%

100,00%

120,00%

AÑO 2013 AÑO 2014 AÑO 2015

% 𝑃𝑜𝑟𝑐𝑒𝑛𝑡𝑎𝑗𝑒 = ∑ 𝐴𝑣𝑎𝑛𝑐𝑒 𝑎𝑙 𝑝𝑒𝑟𝑖𝑜𝑑𝑜 𝑎𝑐𝑡𝑢𝑎𝑙

𝑇𝑜𝑡𝑎𝑙 𝑒𝑠𝑡𝑟𝑢𝑐𝑡𝑢𝑟𝑎 𝑑𝑒 𝑐𝑜𝑠𝑡𝑜𝑠 𝑑𝑒𝑙 𝑑𝑒𝑝𝑎𝑟𝑡𝑎𝑚𝑒𝑛𝑡𝑜

176

Anexo V Porcentaje (%) de variación de las pérdidas de Mora durante la producción

Fuente: Autores

Versión

Fecha:

INDICADOR META 95%

TIPO DE INDICADOR Indicador de eficiencia

SENTIDO Creciente

FUENTE DE INFORMACIÓN Ministerio de Agricultura y Desarrollo Rural

FRECUENCIA DE TOMA DE DATOS Anual

FRECUENCIA DE ANÁLISIS Anual

RESPONSABLE Cadena productiva de Mora

UNIDAD

%

VARIABLE Trimestre I Trimestre II Trimestre III Trimestre IV

EJECUTADO

META 95% POTENCIALIDAD

ANÁLISIS

DESCRIPCIÓN Fortalecimiento de la producción agrícola en el sistema productivo Mora a partir de la renovación de plantaciones e

implementación de Buenas Practicas Agrícolas en la provincia del Sumapaz Departamento de Cundinamarca.

SEGUIMIENTO INDICADORES DE CONTROL

Porcentaje (%) de variación de las perdidas de Mora durante la producción.

OBJETIVO 1. Mejora de la productividad y competitividad.

PROCEDIMIENTO DE

CALCULO

ESTADISTICO DE MEDICIÓN

GRÁFICO

0,00%

20,00%

40,00%

60,00%

80,00%

100,00%

120,00%

AÑO 2013 AÑO 2014 AÑO 2015

% 𝑃𝑜𝑟𝑐𝑒𝑛𝑡𝑎𝑗𝑒 =

𝑃𝑟𝑜𝑚𝑒𝑑𝑖𝑜 𝑑𝑒 𝑟𝑒𝑛𝑑𝑖𝑚𝑖𝑒𝑛𝑡𝑜 𝑑𝑒 𝑙𝑜𝑠 𝑐𝑢𝑙𝑡𝑖𝑣𝑜𝑠 𝑑𝑒 𝑀𝑜𝑟𝑎 𝑒𝑛 𝑒𝑙 𝑝𝑒𝑟𝑖𝑜𝑑𝑜 𝑎𝑐𝑡𝑢𝑎𝑙 𝑃𝑟𝑜𝑚𝑒𝑑𝑖𝑜 𝑑𝑒 𝑟𝑒𝑛𝑑𝑖𝑚𝑖𝑒𝑛𝑡𝑜 𝑑𝑒 𝑙𝑜𝑠 𝑐𝑢𝑙𝑡𝑖𝑣𝑜𝑠 𝑑𝑒 𝑀𝑜𝑟𝑎 𝑒𝑛 𝑒𝑙 𝑝𝑒𝑟𝑖𝑜𝑑𝑜 anterior

𝑃𝑟𝑜𝑚𝑒𝑑𝑖𝑜 𝑑𝑒 𝑟𝑒𝑛𝑑𝑖𝑚𝑖𝑒𝑛𝑡𝑜 𝑑𝑒 𝑙𝑜𝑠 𝑐𝑢𝑙𝑡𝑖𝑣𝑜𝑠 𝑑𝑒 𝑀𝑜𝑟𝑎 𝑒𝑛 𝑒𝑙 𝑝𝑒𝑟𝑖𝑜𝑑𝑜 anterior

177

Anexo VI Porcentaje (%) de apoyo para proyectos de asistencia, técnica y transferencia de tecnología para cultivo de Mora

Fuente: Autores

Versión

Fecha:

INDICADOR META 95%

TIPO DE INDICADOR Indicador de eficiencia

SENTIDO Creciente

FUENTE DE INFORMACIÓN Ministerio de Agricultura y Desarrollo Rural

FRECUENCIA DE TOMA DE DATOS Anual

FRECUENCIA DE ANÁLISIS Anual

RESPONSABLE Cadena productiva de Mora

UNIDAD

%

VARIABLE Trimestre I Trimestre II Trimestre III Trimestre IV

EJECUTADO

META 95% POTENCIALIDAD

ANÁLISIS

DESCRIPCIÓN Acompañar, apoyar proyectos de asistencia, técnica y transferencia de tecnología (MADR, DRE, ICA , CORPOICA, PLAN

DE FOMENTOS ECAS ASOHOFRUCOL, CONPES, PARES, PACTO AGRARIO, OTROS).

SEGUIMIENTO INDICADORES DE CONTROL

Porcentaje (%) de apoyo para proyectos de asistencia, técnica y transferencia de tecnologia para cultivo de Mora.

OBJETIVO 1. Mejora de la productividad y competitividad.

PROCEDIMIENTO DE

CALCULO

ESTADISTICO DE MEDICIÓN

GRÁFICO

0,00%

20,00%

40,00%

60,00%

80,00%

100,00%

120,00%

AÑO 2013 AÑO 2014 AÑO 2015

% 𝑃𝑜𝑟𝑐𝑒𝑛𝑡𝑎𝑗𝑒 =

Proyectos aprovados y viabilizados del periodo actual −Proyectos aprovados y viabilizados del periodo anterior Proyectos aprovados y viabilizados del periodo anterior.

178

Anexo VII Porcentaje (%) de eslabones informados y articulados con los instrumentos de apoyo del MADR

Fuente: Autores

Versión

Fecha:

INDICADOR META 95%

TIPO DE INDICADOR Indicador de eficiencia

SENTIDO Creciente

FUENTE DE INFORMACIÓN Ministerio de Agricultura y Desarrollo Rural

FRECUENCIA DE TOMA DE DATOS Anual

FRECUENCIA DE ANÁLISIS Anual

RESPONSABLE Cadena productiva de Mora

UNIDAD

%

VARIABLE Trimestre I Trimestre II Trimestre III Trimestre IV

EJECUTADO

META 95% POTENCIALIDAD

ANÁLISIS

DESCRIPCIÓN Incentivar, promocionar y socializar la política publica del sector y los diferentes instrumentos de apoyo.

SEGUIMIENTO INDICADORES DE CONTROL

Porcentaje (%) de eslabones informados y articulados con los instrumentos de apoyo del MADR

OBJETIVO 2. Desarrollo del mercado de bienes y factores de la cadena.

PROCEDIMIENTO DE

CALCULO

ESTADISTICO DE MEDICIÓN

GRÁFICO

0,00%

20,00%

40,00%

60,00%

80,00%

100,00%

120,00%

AÑO 2013 AÑO 2014 AÑO 2015

% 𝑃𝑜𝑟𝑐𝑒𝑛𝑡𝑎𝑗𝑒 = 𝐸𝑠𝑙𝑎𝑏𝑜𝑛𝑒𝑠 𝑖𝑛𝑓𝑜𝑟𝑚𝑎𝑑𝑜𝑠 𝑒𝑛 𝑒𝑙 𝑝𝑒𝑟𝑖𝑜𝑑𝑜 𝑎𝑐𝑡𝑢𝑎𝑙

Total de eslabones de la cadena de Mora

179

Anexo VIII Porcentaje (%) de ejecución de estudio de mercados de Mora

Fuente: Autores

Versión

Fecha:

INDICADOR META 95%

TIPO DE INDICADOR Indicador de eficiencia

SENTIDO Creciente

FUENTE DE INFORMACIÓN Ministerio de Agricultura y Desarrollo Rural

FRECUENCIA DE TOMA DE DATOS Anual

FRECUENCIA DE ANÁLISIS Anual

RESPONSABLE Cadena productiva de Mora

UNIDAD

%

VARIABLE Trimestre I Trimestre II Trimestre III Trimestre IV

EJECUTADO

META 95% POTENCIALIDAD

ANÁLISIS

DESCRIPCIÓN Apoyo a la construccíon y ejecución de un estudio de Mercados de la Mora para la región.

SEGUIMIENTO INDICADORES DE CONTROL

Porcetaje (%) de ejecución de estudio de mercados de Mora.

OBJETIVO 3. Disminución de los costos de transacción entre los distintos agentes de la cadena.

PROCEDIMIENTO DE

CALCULO

ESTADISTICO DE MEDICIÓN

GRÁFICO

0,00%

20,00%

40,00%

60,00%

80,00%

100,00%

120,00%

AÑO 2013 AÑO 2014 AÑO 2015

% 𝑃𝑜𝑟𝑐𝑒𝑛𝑡𝑎𝑗𝑒 = ∑ 𝐴𝑣𝑎𝑛𝑐𝑒 𝑎𝑙 𝑝𝑒𝑟𝑖𝑜𝑑𝑜 𝑎𝑐𝑡𝑢𝑎𝑙

Total de estudio de marcado para 𝑀𝑜𝑟𝑎

180

Anexo IX Porcentaje (%) de acuerdos comerciales de los agentes de la cadena

Fuente: Autores

Versión

Fecha:

INDICADOR META 95%

TIPO DE INDICADOR Indicador de eficiencia

SENTIDO Creciente

FUENTE DE INFORMACIÓN Ministerio de Agricultura y Desarrollo Rural

FRECUENCIA DE TOMA DE DATOS Anual

FRECUENCIA DE ANÁLISIS Anual

RESPONSABLE Cadena productiva de Mora

UNIDAD

%

VARIABLE Trimestre I Trimestre II Trimestre III Trimestre IV

EJECUTADO

META 95% POTENCIALIDAD

ANÁLISIS

DESCRIPCIÓN Concertar y desarrollar reuniones entre productores asociados y representantes comeciales de la Mora.

SEGUIMIENTO INDICADORES DE CONTROL

Porcentaje (%) de acuerdos comerciales de los agentes de la cadena.

OBJETIVO 3. Disminución de los costos de transacción entre los distintos agentes de la cadena.

PROCEDIMIENTO DE

CALCULO

ESTADISTICO DE MEDICIÓN

GRÁFICO

0,00%

20,00%

40,00%

60,00%

80,00%

100,00%

120,00%

AÑO 2013 AÑO 2014 AÑO 2015

% 𝑃𝑜𝑟𝑐𝑒𝑛𝑡𝑎𝑗𝑒 = ∑ 𝐴𝑣𝑎𝑛𝑐𝑒 𝑎𝑙 𝑝𝑒𝑟𝑖𝑜𝑑𝑜 𝑎𝑐𝑡𝑢𝑎𝑙

Total de estudio de marcado para 𝑀𝑜𝑟𝑎

181

Anexo X Porcentaje (%) de eslabones informados de los precios de Mora en las diferentes plazas de mercado

Fuente: Autores

Versión

Fecha:

INDICADOR META 95%

TIPO DE INDICADOR Indicador de eficiencia

SENTIDO Creciente

FUENTE DE INFORMACIÓN Ministerio de Agricultura y Desarrollo Rural

FRECUENCIA DE TOMA DE DATOS Anual

FRECUENCIA DE ANÁLISIS Anual

RESPONSABLE Cadena productiva de Mora

UNIDAD

%

VARIABLE Trimestre I Trimestre II Trimestre III Trimestre IV

EJECUTADO

META 95% POTENCIALIDAD

ANÁLISIS

DESCRIPCIÓN Acopio de la informaciòn de base de datos de precios de Mora y su difusión.

SEGUIMIENTO INDICADORES DE CONTROL

Porcentaje (%) de eslabones informados de los precios de Mora en la diferentes plazas de mercado.

OBJETIVO 3. Disminución de los costos de transacción entre los distintos agentes de la cadena.

PROCEDIMIENTO DE

CALCULO

ESTADISTICO DE MEDICIÓN

GRÁFICO

0,00%

20,00%

40,00%

60,00%

80,00%

100,00%

120,00%

AÑO 2013 AÑO 2014 AÑO 2015

% 𝑃𝑜𝑟𝑐𝑒𝑛𝑡𝑎𝑗𝑒 = 𝐸𝑠𝑙𝑎𝑏𝑜𝑛𝑒𝑠 𝑖𝑛𝑓𝑜𝑟𝑚𝑎𝑑𝑜𝑠 𝑠𝑜𝑏𝑟𝑒 𝑝𝑟𝑒𝑐𝑖𝑜𝑠 𝑑𝑒 𝑑𝑖𝑓𝑒𝑟𝑒𝑛𝑡𝑒𝑠 𝑝𝑙𝑎𝑧𝑎𝑠 𝑒𝑛 𝑒𝑙 𝑝𝑒𝑟𝑖𝑜𝑑𝑜 𝑎𝑐𝑡𝑢𝑎𝑙

Total de eslabones de la cadena de Mora

182

Anexo XI Porcentaje (%) de eslabones informados y conectados con aliados comerciales

Fuente: Autores

Versión

Fecha:

INDICADOR META 95%

TIPO DE INDICADOR Indicador de eficiencia

SENTIDO Creciente

FUENTE DE INFORMACIÓN Ministerio de Agricultura y Desarrollo Rural

FRECUENCIA DE TOMA DE DATOS Anual

FRECUENCIA DE ANÁLISIS Anual

RESPONSABLE Cadena productiva de Mora

UNIDAD

%

VARIABLE Trimestre I Trimestre II Trimestre III Trimestre IV

EJECUTADO

META 95% POTENCIALIDAD

ANÁLISIS

DESCRIPCIÓN Búsqueda y suministro de aliados comerciales que requieren o tienen Mora.

SEGUIMIENTO INDICADORES DE CONTROL

Porcentaje (%) de eslabones informados y conectados con aliados comerciales.

OBJETIVO 4. Desarrollo de alizanas estratégicas de diferente tipo.

PROCEDIMIENTO DE

CALCULO

ESTADISTICO DE MEDICIÓN

GRÁFICO

0,00%

20,00%

40,00%

60,00%

80,00%

100,00%

120,00%

AÑO 2013 AÑO 2014 AÑO 2015

% 𝑃𝑜𝑟𝑐𝑒𝑛𝑡𝑎𝑗𝑒 = 𝐸𝑠𝑙𝑎𝑏𝑜𝑛𝑒𝑠 𝑖𝑛𝑓𝑜𝑟𝑚𝑎𝑑𝑜𝑠 𝑦 𝑐𝑜𝑛𝑒𝑐𝑡𝑎𝑑𝑜𝑠 𝑐𝑜𝑛 𝑎𝑙𝑖𝑎𝑑𝑜𝑠 𝑐𝑜𝑚𝑒𝑟𝑐𝑖𝑎𝑙𝑒𝑠

Total de eslabones de la cadena de Mora

183

Anexo XII Porcentaje (%) de asistencia de los actores convocados por el MADR

Fuente: Autores

Versión

Fecha:

INDICADOR META 95%

TIPO DE INDICADOR Indicador de eficiencia

SENTIDO Creciente

FUENTE DE INFORMACIÓN Ministerio de Agricultura y Desarrollo Rural

FRECUENCIA DE TOMA DE DATOS Anual

FRECUENCIA DE ANÁLISIS Anual

RESPONSABLE Cadena productiva de Mora

UNIDAD

%

VARIABLE Trimestre I Trimestre II Trimestre III Trimestre IV

EJECUTADO

META 95% POTENCIALIDAD

ANÁLISIS

DESCRIPCIÓN Asistir a reuniones citadas por MADR (Cadenas roductivas) para capacitación y otros.

SEGUIMIENTO INDICADORES DE CONTROL

Porcentaje (%) de asistencia de los actores convocados por el MADR.

OBJETIVO 5. Mejora de la información entre los agentes de la cadena.

PROCEDIMIENTO DE

CALCULO

ESTADISTICO DE MEDICIÓN

GRÁFICO

0,00%

20,00%

40,00%

60,00%

80,00%

100,00%

120,00%

AÑO 2013 AÑO 2014 AÑO 2015

% 𝑃𝑜𝑟𝑐𝑒𝑛𝑡𝑎𝑗𝑒 = 𝑁ú𝑚𝑒𝑟𝑜 𝑑𝑒 𝑎𝑠𝑖𝑠𝑡𝑒𝑛𝑡𝑒𝑠 𝑎 𝑙𝑎 𝑟𝑒𝑢𝑛𝑖𝑜𝑛 𝑑𝑒 𝑀𝐴𝐷𝑅

Total 𝑎𝑐𝑡𝑜𝑟𝑒𝑠 𝑐𝑜𝑛𝑣𝑜𝑐𝑎𝑑𝑜𝑠

184

Anexo XIII Porcentaje (%) de cumplimiento del protocolo de la Mora

Fuente: Autores

Versión

Fecha:

INDICADOR META 95%

TIPO DE INDICADOR Indicador de eficiencia

SENTIDO Creciente

FUENTE DE INFORMACIÓN Ministerio de Agricultura y Desarrollo Rural

FRECUENCIA DE TOMA DE DATOS Anual

FRECUENCIA DE ANÁLISIS Anual

RESPONSABLE Cadena productiva de Mora

UNIDAD

%

VARIABLE Trimestre I Trimestre II Trimestre III Trimestre IV

EJECUTADO

META 95% POTENCIALIDAD

ANÁLISIS

DESCRIPCIÓN Recopilación y suministro de información para AGRONET de acuerdo a los compromios del protocolo de Mora.

SEGUIMIENTO INDICADORES DE CONTROL

Porcentaje (%) de cumplimiento del protocolo de la Mora.

OBJETIVO 5. Mejora de la información entre los agentes de la cadena.

PROCEDIMIENTO DE

CALCULO

ESTADISTICO DE MEDICIÓN

GRÁFICO

0,00%

20,00%

40,00%

60,00%

80,00%

100,00%

120,00%

AÑO 2013 AÑO 2014 AÑO 2015

% 𝑃𝑜𝑟𝑐𝑒𝑛𝑡𝑎𝑗𝑒 = ∑ 𝐴𝑣𝑎𝑛𝑐𝑒 𝑑𝑒𝑙 𝑝𝑟𝑜𝑡𝑜𝑐𝑜𝑙𝑜 𝑑𝑒 𝑙𝑎 𝑀𝑜𝑟𝑎 𝑝𝑎𝑟𝑎 𝐴𝐺𝑅𝑂𝑁𝐸𝑇 ℎ𝑎𝑠𝑡𝑎 𝑒𝑙 𝑝𝑒𝑟𝑖𝑜𝑑𝑜 𝑎𝑐𝑡𝑢𝑎𝑙

Total 𝑐𝑢𝑚𝑝𝑙𝑖𝑛𝑒𝑡𝑜 𝑑𝑒𝑙 𝑝𝑟𝑜𝑡𝑜𝑐𝑜𝑙𝑜 𝑑𝑒 𝑙𝑎 𝑀𝑜𝑟𝑎 𝑝𝑎𝑟𝑎 𝐴𝐺𝑅𝑂𝑁𝐸𝑇

185

Anexo XIV Porcentaje (%) de variación del PIB del sector

Fuente: Autores

Versión

Fecha:

INDICADOR META 95%

TIPO DE INDICADOR Indicador de eficiencia

SENTIDO Creciente

FUENTE DE INFORMACIÓN Ministerio de Agricultura y Desarrollo Rural

FRECUENCIA DE TOMA DE DATOS Anual

FRECUENCIA DE ANÁLISIS Anual

RESPONSABLE Cadena productiva de Mora

UNIDAD

%

VARIABLE Trimestre I Trimestre II Trimestre III Trimestre IV

EJECUTADO

META 95% POTENCIALIDAD

ANÁLISIS

PROCEDIMIENTO DE

CALCULO

ESTADISTICO DE MEDICIÓN

GRÁFICO

DESCRIPCIÓN Reuniones interacción, de vinculación de productores empresarios y comerciantes a la cadena, estimulo a la asociatividad.

SEGUIMIENTO INDICADORES DE CONTROL

Pocentaje (%) de variación del PIB del sector.

OBJETIVO 6. Vinculación de los pequeños productores y empresarios a la cadena.

0,00%

20,00%

40,00%

60,00%

80,00%

100,00%

120,00%

AÑO 2013 AÑO 2014 AÑO 2015

% 𝑃𝑜𝑟𝑐𝑒𝑛𝑡𝑎𝑗𝑒 = 𝑃𝐼𝐵 𝑑𝑒𝑙 𝑠𝑒𝑐𝑡𝑜𝑟 𝑒𝑛 𝑒𝑙 𝑝𝑒𝑟𝑖𝑜𝑑𝑜 𝑎𝑐𝑡𝑢𝑎𝑙 − 𝑃𝐼𝐵 𝑑𝑒𝑙 𝑠𝑒𝑐𝑡𝑜𝑟 𝑒𝑛 𝑒𝑙 𝑝𝑒𝑟𝑖𝑜𝑑𝑜 𝑎𝑛𝑡𝑒𝑟𝑖𝑜𝑟

𝑃𝐼𝐵 𝑑𝑒𝑙 𝑠𝑒𝑐𝑡𝑜𝑟 𝑒𝑛 𝑒𝑙 𝑝𝑒𝑟𝑖𝑜𝑑𝑜 𝑎𝑛𝑡𝑒𝑟𝑖𝑜𝑟

186

Anexo XV Porcentaje (%) de zonas parceladas para mapa agrícola de Mora

Fuente: Autores

Versión

Fecha:

INDICADOR META 95%

TIPO DE INDICADOR Indicador de eficiencia

SENTIDO Creciente

FUENTE DE INFORMACIÓN Ministerio de Agricultura y Desarrollo Rural

FRECUENCIA DE TOMA DE DATOS Anual

FRECUENCIA DE ANÁLISIS Anual

RESPONSABLE Cadena productiva de Mora

UNIDAD

%

VARIABLE Trimestre I Trimestre II Trimestre III Trimestre IV

EJECUTADO

META 95% POTENCIALIDAD

ANÁLISIS

PROCEDIMIENTO DE

CALCULO

ESTADISTICO DE MEDICIÓN

GRÁFICO

DESCRIPCIÓN Apoyo proyecto mapa para Mora (Modelos de adaptación y prevención agroclimatica) tecnologìas agropecuarias frente al

cambio climatico.

SEGUIMIENTO INDICADORES DE CONTROL

Porcentaje (%) de zonas parceladas para mapa agricola de Mora..

OBJETIVO 7. Manejo de recursos naturales y medio ambiente.

0,00%

20,00%

40,00%

60,00%

80,00%

100,00%

120,00%

AÑO 2013 AÑO 2014 AÑO 2015

% 𝑃𝑜𝑟𝑐𝑒𝑛𝑡𝑎𝑗𝑒 = ∑ 𝑍𝑜𝑛𝑎𝑠 𝑝𝑎𝑟𝑐𝑒𝑙𝑎𝑑𝑎 𝑝𝑎𝑟𝑎 𝑝𝑟𝑜𝑑𝑢𝑐𝑐𝑖ó𝑛 𝑑𝑒 𝑀𝑜𝑟𝑎 ℎ𝑎𝑠𝑡𝑎 𝑒𝑙 𝑝𝑒𝑟𝑖𝑜𝑑𝑜 𝑎𝑐𝑡𝑢𝑎𝑙.

𝑇𝑜𝑡𝑎𝑙 𝑧𝑜𝑛𝑎𝑠 𝑝𝑟𝑜𝑦𝑒𝑐𝑡𝑎𝑑𝑎𝑠

187

Anexo XVI Porcentaje (%) de personas vinculadas a la cadena capacitada

Fuente: Autores

Versión

Fecha:

INDICADOR META 95%

TIPO DE INDICADOR Indicador de eficiencia

SENTIDO Creciente

FUENTE DE INFORMACIÓN Ministerio de Agricultura y Desarrollo Rural

FRECUENCIA DE TOMA DE DATOS Anual

FRECUENCIA DE ANÁLISIS Anual

RESPONSABLE Cadena productiva de Mora

UNIDAD

%

VARIABLE Trimestre I Trimestre II Trimestre III Trimestre IV

EJECUTADO

META 95% POTENCIALIDAD

ANÁLISIS

PROCEDIMIENTO DE

CALCULO

ESTADISTICO DE MEDICIÓN

GRÁFICO

DESCRIPCIÓN Apoyo, consecución, promoción y difusión a los miembros de la cadena de Diplomados, Cursos, Seminarios, Talleres, Foros,

etc…

SEGUIMIENTO INDICADORES DE CONTROL

Porcentaje (%) de personas vinculadas a la cadena capacitadas.

OBJETIVO 8. Formación de recursos humanos.

0,00%

20,00%

40,00%

60,00%

80,00%

100,00%

120,00%

AÑO 2013 AÑO 2014 AÑO 2015

% 𝑃𝑜𝑟𝑐𝑒𝑛𝑡𝑎𝑗𝑒 = ∑ 𝑃𝑒𝑟𝑠𝑜𝑛𝑎𝑠 𝑐𝑎𝑝𝑎𝑐𝑖𝑡𝑎𝑑𝑎𝑠 𝑑𝑒 𝑙𝑎 𝑐𝑎𝑑𝑒𝑛𝑎 ℎ𝑎𝑠𝑡𝑎 𝑒𝑙 𝑝𝑒𝑟𝑖𝑜𝑑𝑜 𝑎𝑐𝑡𝑢𝑎𝑙

𝑇𝑜𝑡𝑎𝑙 𝑑𝑒 𝑒𝑚𝑝𝑙𝑒𝑜𝑠 𝑑𝑖𝑟𝑒𝑐𝑡𝑜𝑠 𝑒 𝑖𝑛𝑑𝑖𝑟𝑒𝑐𝑡𝑜𝑠 𝑔𝑒𝑛𝑒𝑟𝑎𝑑𝑜𝑠 𝑒𝑛 𝑙𝑎 𝑐𝑎𝑑𝑒𝑛𝑎.

188

Anexo XVII Porcentaje (%) de gestión para Agenda de Ciencia y Tecnología

Fuente: Autores

Versión

Fecha:

INDICADOR META 95%

TIPO DE INDICADOR Indicador de eficiencia

SENTIDO Creciente

FUENTE DE INFORMACIÓN Ministerio de Agricultura y Desarrollo Rural

FRECUENCIA DE TOMA DE DATOS Anual

FRECUENCIA DE ANÁLISIS Anual

RESPONSABLE Cadena productiva de Mora

UNIDAD

%

VARIABLE Trimestre I Trimestre II Trimestre III Trimestre IV

EJECUTADO

META 95% POTENCIALIDAD

ANÁLISIS

PROCEDIMIENTO DE

CALCULO

ESTADISTICO DE MEDICIÓN

GRÁFICO

DESCRIPCIÓN Desarrollo de reuniones y talleres para actualizar la Agenda de Ciencia y Tècnologia de Mora.

SEGUIMIENTO INDICADORES DE CONTROL

Porcentaje (%) de gestión para Agenda de Ciencia y Técnologia.

OBJETIVO 9. Investigación y desarrollo tecnológico.

0,00%

20,00%

40,00%

60,00%

80,00%

100,00%

120,00%

AÑO 2013 AÑO 2014 AÑO 2015

% 𝑃𝑜𝑟𝑐𝑒𝑛𝑡𝑎𝑗𝑒 = 𝐺𝑒𝑠𝑡𝑖ó𝑛 𝑑𝑒 𝑎𝑣𝑎𝑛𝑐𝑒 𝑝𝑎𝑟𝑎 𝐴𝑔𝑒𝑛𝑑𝑎 𝑑𝑒 𝐶𝑖𝑒𝑛𝑐𝑖𝑎 𝑦 𝑡é𝑐𝑛𝑜𝑙𝑜𝑔𝑖𝑎

𝑇𝑜𝑡𝑎𝑙 𝑝𝑟𝑜𝑦𝑒𝑐𝑡𝑎𝑑𝑜 𝑑𝑒 𝑎𝑣𝑎𝑛𝑐𝑒 𝐴𝑔𝑒𝑛𝑑𝑎 𝑑𝑒 𝐶𝑖𝑒𝑛𝑐𝑖𝑎 𝑦 𝑇é𝑐𝑛𝑜𝑙𝑜𝑔𝑖𝑎

189

Anexo XVIII Porcentaje (%) de proyectos apoyados para Investigación

Fuente: Autores

Versión

Fecha:

INDICADOR META 95%

TIPO DE INDICADOR Indicador de eficiencia

SENTIDO Creciente

FUENTE DE INFORMACIÓN Ministerio de Agricultura y Desarrollo Rural

FRECUENCIA DE TOMA DE DATOS Anual

FRECUENCIA DE ANÁLISIS Anual

RESPONSABLE Cadena productiva de Mora

UNIDAD

%

VARIABLE Trimestre I Trimestre II Trimestre III Trimestre IV

EJECUTADO

META 95% POTENCIALIDAD

ANÁLISIS

PROCEDIMIENTO DE

CALCULO

ESTADISTICO DE MEDICIÓN

GRÁFICO

DESCRIPCIÓN Apoyar la ejecución de proyectos de investigación de la Agenda CORPOICA y del programa de Investigación UNAL, UTP.

SEGUIMIENTO INDICADORES DE CONTROL

Porcentaje (%) de proyectos apoyados para Investigación.

OBJETIVO 9. Investigación y desarrollo tecnológico.

0,00%

20,00%

40,00%

60,00%

80,00%

100,00%

120,00%

AÑO 2013 AÑO 2014 AÑO 2015

% 𝑃𝑜𝑟𝑐𝑒𝑛𝑡𝑎𝑗𝑒 = ∑ 𝑃𝑟𝑜𝑦𝑒𝑐𝑡𝑜𝑠 𝑎𝑝𝑜𝑦𝑎𝑑𝑜𝑠 𝑒𝑛 𝐼𝑛𝑣𝑒𝑠𝑡𝑖𝑔𝑎𝑐𝑖ó𝑛 𝑑𝑒 𝑙𝑎 𝐴𝑔𝑒𝑛𝑑𝑎 𝐶𝑂𝑅𝑃𝑂𝐼𝐶𝐴,𝑈𝑁𝐴𝐿 𝑌 𝑈𝑇𝑃.

𝑇𝑜𝑡𝑎𝑙 𝑃𝑟𝑜𝑦𝑒𝑐𝑡𝑜𝑠 𝑑𝑒 𝐼𝑛𝑣𝑒𝑠𝑡𝑖𝑔𝑎𝑐𝑖ó𝑛 𝑑𝑒 𝑙𝑎 𝐴𝑔𝑒𝑛𝑑𝑎 𝐶𝑂𝑅𝑃𝑂𝐼𝐶𝐴,𝑈𝑁𝐴𝐿 𝑌 𝑈𝑇𝑃.

190

Anexo XIX Porcentaje (%) de avance para Plan de Acción 2016

Fuente: Autores

Versión

Fecha:

INDICADOR META 95%

TIPO DE INDICADOR Indicador de eficiencia

SENTIDO Creciente

FUENTE DE INFORMACIÓN Ministerio de Agricultura y Desarrollo Rural

FRECUENCIA DE TOMA DE DATOS Anual

FRECUENCIA DE ANÁLISIS Anual

RESPONSABLE Cadena productiva de Mora

UNIDAD

%

VARIABLE Trimestre I Trimestre II Trimestre III Trimestre IV

EJECUTADO

META 95% POTENCIALIDAD

ANÁLISIS

PROCEDIMIENTO DE

CALCULO

ESTADISTICO DE MEDICIÓN

GRÁFICO

DESCRIPCIÓN Concertar y concretar el Plan de acción 2016.

SEGUIMIENTO INDICADORES DE CONTROL

Porcentaje (%) de avance para Plan de Acción 2016

OBJETIVO 10. Otros

0,00%

20,00%

40,00%

60,00%

80,00%

100,00%

120,00%

AÑO 2013 AÑO 2014 AÑO 2015

% 𝑃𝑜𝑟𝑐𝑒𝑛𝑡𝑎𝑗𝑒 = ∑ 𝐴𝑣𝑎𝑛𝑐𝑒 𝑑𝑒 𝑃𝑙𝑎𝑛 𝑑𝑒 𝐴𝑐𝑐𝑖ó𝑛 𝑝𝑎𝑟𝑎 2016

𝑇𝑜𝑡𝑎𝑙 𝑐𝑢𝑚𝑝𝑙𝑖𝑚𝑖𝑒𝑛𝑡𝑜 𝑝𝑟𝑜𝑦𝑒𝑐𝑡𝑎𝑑𝑜 𝑑𝑒𝑙 𝑃𝑙𝑎𝑛 𝑑𝑒 𝐴𝑐𝑐𝑖ó𝑛 𝑝𝑎𝑟𝑎 2016.

191

Anexo XX Diagrama de Operaciones de Producción de Mora en San Bernardo (Cundinamarca)

0-3

0-4

0-5

0-7

Producción de material vegetal por estaca

0-1

0-2

0-6

0-8

Plantas de mora

Día 15: Seleccionar plantas sanas, bien desarrolladas, con espinas gruesas y tallo fuerte

1 Día

Día 16: Enterrar de 5 a 7 centímetros la punta de una rama productiva

1 Día

Día 17: Esperar 30 días 30 Días

1 DíaDía 47: Separar la nueva planta de la rama

Día 1: Trazar y demarcar los lugares de la siembra

3 Días

Día 4: Hacer hoyos de 40 centímetros por 40 centímetros en donde se va a sembrar las plantas y aplicar 150 gr de Cal Dolomita y 1 kilo de Materia Orgánica en cada uno

14 Días

Día 18: Esperar 30 días para el trasplante

Producción de Mora

Día 48: Trasplantar cada una de las plántulas

30 Días

Plántulas con una altura de aproximadamente 30 centímetros

7 Días

0-9

0-10

0-11

Día 78: Realizar poda de mantenimiento

1 Día

Día 91: Aplicar 150 gr de fertilizante 10-30-10 en cada planta

1 Día

Día 106: Realizar poda de mantenimiento

1 Día

0-12

0-13

Día 107: Realizar poda de formación

1 Día

Día 137: Aplicar 150 gr de fertilizante 10-30-10 en cada planta

1 Día

192

0-14

0-15

Día 138: Realizar poda de mantenimiento

1 Día

Día 139: Instalar tutorado bajo el sistema de espaldera en intervalos de 4 plantas

20 Días

0-16

0-17

0-18

0-19

Día 168: Realizar poda de mantenimiento

1 Día

Día 182: Aplicar 150 gr de fertilizante 10-30-10 en cada planta

1 Día

Día 198: Realizar poda de mantenimiento

1 Día

Día 199: Realizar primer Aporque

7 Días

0-20

0-21

0-22

0-23

0-24

Día 227: Aplicar 150 gr de fertilizante 10-30-10 en cada planta

1 Día

Día 228: Aplicar 35 gr de fertilizante Agrimins en cada planta

1 Día

Día 229: Realizar poda de mantenimiento

Día 259: Realizar poda de mantenimiento

1 Día

1 Día

Día 273: Aplicar 150 gr de fertilizante 10-30-10 en cada planta

1 Día

193

0-25

0-26

0-27

0-28

0-29

0-30

0-31

0-32

0-33

Día 289: Realizar poda de mantenimiento

1 Día

Día 290: Recolectar la primera Cosecha y repetirlo una vez por semana

1 Día

Día 304: Realizar segundo Aporque

7 Días

Día 319: Realizar poda de mantenimiento

1 Día

Día 349: Realizar poda de mantenimiento

1 Día

Día 379: Realizar poda de mantenimiento

1 Día

Día 394: Aplicar 35 gr de fertilizante Agrimins en cada planta

1 Día

Día 395: Realizar segundo Aporque

7 Días

Día 403: Realizar poda de renovación

9 Días

Evento Numero Tiempo

Operaciones 33 411 días

Inspecciones

Resumen:

Fuente: Autores

194

Anexo XXI Cuestionario dirigido a cada uno de los productores asociados a FRUSAN

La siguiente encuesta hace parte de la investigación titulada “Propuesta de Mejoramiento de las Mermas Logísticas en la Cadena de Suministro Frutícola en el contexto Ciudad-Región (Bogotá, Cundinamarca) Empleando Cadenas de Markov: Caso Mora”, la cual está a cargo de los Estudiantes Jorge Andrés Porras Manrique y Juan Manuel Bautista Correa del Programa de Ingeniería Industrial de la Universidad de la Salle (Bogotá D.C.) y está dirigida a cada uno de los productores asociados a FRUSAN. Agradecemos su colaboración y el tiempo invertido en su respuesta.

En un rango de 0 a 100% ¿Cuál es el promedio de pérdidas de mora que usted presenta durante el cuidado del cultivo, cosecha y post cosecha? (Pérdidas causadas por agentes externos, por manipulaciones indebidas o por accidentes).

Nombre del Encuestado: Numero celular del encuestado: Fecha y lugar de la encuesta:

Fuente: Autores

195

Anexo XXII Cuestionario dirigido a los productores independientes de mora del municipio de San Bernardo

La siguiente encuesta hace parte de la investigación titulada “Propuesta de Mejoramiento de las Mermas Logísticas en la Cadena de Suministro Frutícola en el contexto Ciudad-Región (Bogotá, Cundinamarca) Empleando Cadenas de Markov: Caso Mora”, la cual está a cargo de los Estudiantes Jorge Andrés Porras Manrique y Juan Manuel Bautista Correa del Programa de Ingeniería Industrial de la Universidad de la Salle (Bogotá D.C.) y está dirigida a los productores independientes de mora del municipio de San Bernardo. Agradecemos su colaboración y el tiempo invertido en cada una de sus respuestas.

1. En un rango de 0 a 100% ¿Cuál es el promedio de pérdidas de mora en un año que usted presenta durante el cuidado del cultivo, cosecha y post cosecha? (Pérdidas causadas por agentes externos, por manipulaciones indebidas o por accidentes).

2. En promedio ¿Cuántos kilos de mora vendió durante el año 2015?

3. ¿A través de que intermediario pudo vender la mora que produjo durante el año 2015?

Nombre del encuestado: Numero celular del encuestado: Fecha y lugar de la encuesta:

Fuente: Autores

196

Anexo XXIII Cuestionario dirigido a los distribuidores independientes de mora del municipio de San Bernardo

La siguiente encuesta hace parte de la investigación titulada “Propuesta de Mejoramiento de las Mermas Logísticas en la Cadena de Suministro Frutícola en el contexto Ciudad-Región (Bogotá, Cundinamarca) Empleando Cadenas de Markov: Caso Mora”, la cual está a cargo de los Estudiantes Jorge Andrés Porras Manrique y Juan Manuel Bautista Correa del Programa de Ingeniería Industrial de la Universidad de la Salle (Bogotá D.C.) y está dirigida a los distribuidores independientes de mora (intermediarios) del municipio de San Bernardo. Agradecemos su colaboración y el tiempo invertido en cada una de sus respuestas.

1. En un rango de 0 a 100% ¿Cuál es el promedio de pérdidas de mora en un año que usted presenta durante la comercialización? (Pérdidas causadas por agentes externos, por manipulaciones indebidas o por accidentes).

2. ¿A quiénes acostumbra a vender la mora que recolecta en el municipio de San Bernardo? (Plazas de mercado, industria de transformación de alimentos, supermercados o exportadores

3. De acuerdo con la anterior respuesta ¿Cuál es el porcentaje de mora que le vende a cada uno de sus clientes?

Nombre del Encuestado: Numero celular del encuestado: Fecha y lugar de la encuesta:

Fuente: Autores

197

Anexo XXIV Cuestionario dirigido a los distribuidores de FRUSAN del municipio de San Bernardo

La siguiente encuesta hace parte de la investigación titulada “Propuesta de Mejoramiento de las Mermas Logísticas en la Cadena de Suministro Frutícola en el contexto Ciudad-Región (Bogotá, Cundinamarca) Empleando Cadenas de Markov: Caso Mora”, la cual está a cargo de los Estudiantes Jorge Andrés Porras Manrique y Juan Manuel Bautista Correa del Programa de Ingeniería Industrial de la Universidad de la Salle (Bogotá D.C.) y está dirigida a los distribuidores de Frusan del municipio de San Bernardo. Agradecemos su colaboración y el tiempo invertido en cada una de sus respuestas. En un rango de 0 a 100% ¿Cuál es el promedio de pérdidas de mora en un año que usted presenta durante la comercialización? (Pérdidas causadas por agentes externos, por manipulaciones indebidas o por accidentes). En un rango de 0 a 100% ¿Cuál es el promedio de devoluciones de mora durante la comercialización a la industria de transformación? (Devoluciones causadas por agentes externos, por manipulaciones indebidas o por accidentes). Si existe un promedio diferente por tipo de cliente, especifique su nombre y el número correspondiente. Nombre del Encuestado: Numero celular del encuestado: Fecha y lugar de la encuesta:

Fuente: Autores

198

Anexo XXV Resultados para encuestas de productores independientes y FRUSAN

Nombre Teléfono de

Contacto Fecha de Encuesta

Porcentaje de merma (%)

Intermediario Cantidades promedio de

Producción (Kg) Vereda Grupo

Ponderación merma

según clima Invierno Verano Temporada Alta

Temporada Baja

Álvaro Baracaldo

3125798798 8/09/2016 80% 30% Álvaro

Baracaldo 300 150

Santa Marta

Santa Marta

53%

Carmen Guaran

3115516115 8/09/2016 60% 30% Álvaro

Baracaldo 210 20

Santa Marta

Santa Marta

44%

Vicente Garzón

3219529486 8/09/2016 50% 50% Álvaro

Baracaldo 200 50

Santa Marta

Santa Marta

50%

Erwin Ovalle

3102196326 8/09/2016 90% 55% Álvaro

Baracaldo 100 75

Santa Marta

Santa Marta

71%

Huber Gutiérrez

3219449445 8/09/2016 65% 30% Álvaro

Baracaldo 250 120

Santa Marta

Santa Marta

46%

Lisimaco Culma

8/09/2016 70% 30% Álvaro

Baracaldo 150 50

Santa Marta

Santa Marta

48%

Rene Mayorga

3203987840 8/09/2016 60% 35% Álvaro

Baracaldo 120 40

Santa Marta

Santa Marta

47%

William Baracaldo

3102561921 8/09/2016 65% 40% Álvaro

Baracaldo 1500 400

Santa Marta

Santa Marta

52%

Nancy Aguilar

3224726575 8/09/2016 50% 30% Álvaro

Baracaldo 100 50

Santa Marta

Santa Marta

39%

Rafael Baracaldo

3115290464 8/09/2016 35% 35% Álvaro

Baracaldo 190 60

Santa Marta

Santa Marta

35%

Yamio Baracaldo

3138059624 8/09/2016 40% 40% Álvaro

Baracaldo 200 50

Santa Marta

Santa Marta

40%

Jenne Vereara

3118593490 8/09/2016 45% 35% Álvaro

Baracaldo 175 60

Santa Marta

Santa Marta

40%

Diana Vereara

3208432619 8/09/2016 45% 45% Álvaro

Baracaldo 150 50

Santa Marta

Santa Marta

45%

Ananías Forero

3112680467 8/09/2016 45% 80% Ananías Forero

200 100 Santa Marta

Santa Marta

64%

Joaquín Sandoval

3142587279 8/09/2016 30% 75% Ananías Forero

100 50 Santa Marta

Santa Marta

54%

Abelardo Baracaldo

3208312304 8/09/2016 40% 50% Carlos Rincón

200 100 Santa Marta

Santa Marta

45%

Manuel Rincón

3212234780 8/09/2016 45% 50% Carlos Rincón

100 75 Santa Marta

Santa Marta

48%

Ernesto Prieto

3204152359 8/09/2016 30% 60% Carlos Rincón

175 85 Santa Marta

Santa Marta

46%

Alver Álvarez

3202262359 8/09/2016 45% 30% Carlos Rincón

100 50 Santa Marta

Santa Marta

37%

Carlos Romero

3115856264 11/09/2016 60% 30% Carlos

Romero 300 100 Tulcán Honduras 44%

Jairo Aldana

3208938109 9/09/2016 50% 20% Carlos

Romero 400 120 Tulcán Honduras 34%

José Reyes 3123870195 9/09/2016 55% 45% Carlos

Romero 100 10 Tulcán Honduras 50%

William Cortez

3202303070 9/09/2016 80% 30% Carlos

Romero 140 24 Tulcán Honduras 53%

Hernando Cárdenas

3105703967 11/09/2016 50% 50% Carlos

Romero 1200 300 Tulcán Honduras 50%

Helber Romero

3144285206 11/09/2016 55% 50% Carlos

Romero 250 150 Tulcán Honduras 52%

José Rincón

3222776004 11/09/2016 60% 30% Cesar

Gonzales 300 100 Diamante Honduras 44%

Carlos Gonzales

3115228359 11/09/2016 50% 30% Cesar

Gonzales 750 100 Tulcán Honduras 39%

Juan Romero

3228377057 11/09/2016 55% 30% Cesar

Gonzales 800 80 Tulcán Honduras 42%

Luis Garzón

3223093962 11/09/2016 35% 75% Cesar

Gonzales 800 200 Tulcán Honduras 57%

Andrés Moreno

3133441788 11/09/2016 50% 20% Cesar

Gonzales 400 100

Laurel Alto

Laurel Alto

34%

Lupercio Linares

3133579536 11/09/2016 10% 15% Cesar

Gonzales 300 40

Laurel Bajo

Laurel Alto

13%

Salomón 3103111550 11/09/2016 70% 60% FRUSAN Agua Agua 65%

199

Arias Amarilla Amarilla

Gilberto Ramos

3138565686 11/09/2016 15% 35% FRUSAN Agua Negra

Agua Amarilla

26%

Héctor Velázquez

3107710878 11/09/2016 70% 50% FRUSAN Agua Negra

Agua Amarilla

59%

José Díaz 11/09/2016 50% 70% FRUSAN Agua Negra

Agua Amarilla

61%

José Martínez

3227624565 11/09/2016 55% 20% FRUSAN Agua Negra

Agua Amarilla

36%

Denis Velázquez

3203529667 11/09/2016 60% 20% FRUSAN Agua Negra

Agua Amarilla

38%

María Rodríguez

3144410451 11/09/2016 60% 70% FRUSAN Quecos Agua

Amarilla 65%

Hernán Torres

11/09/2016 50% 45% FRUSAN Andes Andes 47%

Rubén Castiblanco

3142650996 11/09/2016 65% 50% FRUSAN Andes Andes 57%

Edgardo Riveros

3125885069 11/09/2016 45% 20% FRUSAN Andes Andes 32%

Enrique Romero

3134978574 11/09/2016 40% 70% FRUSAN Andes Andes 56%

Héctor Moreno

3134474070 11/09/2016 50% 30% FRUSAN Diamante Honduras 39%

Analgelio Torres

11/09/2016 70% 50% FRUSAN Diamante Honduras 59%

Ana Gonzales

3123346821 11/09/2016 40% 20% FRUSAN Diamante Honduras 29%

William Gutiérrez

3123910701 11/09/2016 50% 30% FRUSAN Diamante Honduras 39%

José Gutiérrez

3219488174 11/09/2016 55% 35% FRUSAN Diamante Honduras 44%

Rosalba Cruz

3133389493 11/09/2016 45% 30% FRUSAN Honduras Honduras 37%

Pedro Duarte

3134244240 11/09/2016 60% 30% FRUSAN Honduras Honduras 44%

Alfonzo Gonzales

3134636752 11/09/2016 50% 20% FRUSAN Honduras Honduras 34%

Edgar Díaz 3203866313 11/09/2016 40% 15% FRUSAN Honduras Honduras 27%

José Moreno

3203919823 11/09/2016 40% 35% FRUSAN Tulcán Honduras 37%

José Gonzales

3108739209 11/09/2016 70% 25% FRUSAN Tulcán Honduras 46%

Leonardo Vega

3144666376 11/09/2016 95% 50% FRUSAN Laurel Alto

Laurel Alto

71%

John Contento

3232411571 11/09/2016 30% 60% FRUSAN Laurel Alto

Laurel Alto

46%

José Vega 3144666376 11/09/2016 25% 50% FRUSAN Laurel Alto

Laurel Alto

39%

José Marino

11/09/2016 45% 20% FRUSAN Laurel Bajo

Laurel Alto

32%

Everardo Fernández

3118977855 11/09/2016 35% 10% FRUSAN Buenos Aires

Santa Marta

22%

María Alba 3123136165 11/09/2016 40% 70% FRUSAN Santa Marta

Santa Marta

56%

Fernando Rincón

3112680467 11/09/2016 50% 70% FRUSAN Santa Marta

Santa Marta

61%

Juan Bautista

3142752898 9/09/2016 50% 30% Juan Bautista 500 200 Laurel Alto

Laurel Alto

39%

Andrés Lara

3208538528 9/09/2016 55% 30% Juan Bautista 500 100 Laurel Alto

Laurel Alto

42%

Bernardina Garay

3125207615 9/09/2016 50% 50% Juan Bautista 120 40 Laurel Alto

Laurel Alto

50%

Leonardo Forero

3115198808 9/09/2016 50% 40% Leonardo

Forero 200 150

Laurel Alto

Laurel Alto

45%

José Moreno

3133441788 9/09/2016 45% 40% Leonardo

Forero 300 100

Laurel Alto

Laurel Alto

42%

Pedro Arias 3105833151 9/09/2016 50% 45% Leonardo

Forero 250 100

Laurel Alto

Laurel Alto

47%

200

Sandra Cazallas

3203053582 9/09/2016 45% 40% Leonardo

Forero 90 40

Laurel Alto

Laurel Alto

42%

José Clavijo

11/09/2016 33% 15% Miller

Pedreros 600 150 Alejandría Andes 23%

Juan Ávila 3144469376 11/09/2016 20% 60% Miller

Pedreros 300 80 Alejandría Andes 42%

Fredy Méndez

3125765023 11/09/2016 50% 30% Miller

Pedreros 300 70 Andes Andes 39%

Arístides Molina

3142191154 11/09/2016 35% 70% Miller

Pedreros 50 20 Andes Andes 54%

Paola Fuentes

3132757320 11/09/2016 50% 35% Miller

Pedreros 80 20 Honduras Honduras 42%

Johan Cortez

11/09/2016 50% 20% Miller

Pedreros 200 80

Laurel Bajo

Laurel Alto

34%

Ramiro Moreno

3102162301 11/09/2016 70% 10% Miller

Pedreros 700 250

Buenos Aires

Santa Marta

38%

Rafael Reyes

3142229897 11/09/2016 50% 80% Miller

Pedreros 150 20 Pirineos

Santa Marta

66%

Leonel Bejarano

3214986993 11/09/2016 15% 5% Miller

Pedreros 300 180 Pirineos

Santa Marta

10%

Miller Pedreros

3123593068 11/09/2016 80% 75% Miller

Pedreros 1200 300

San Miguel

Santa Marta

77%

Carlos Barajas

3132749006 11/09/2016 45% 10% Orlando

Gonzales 500 70 Dorado

Agua Amarilla

26%

Orlando Gonzales

3125602591 11/09/2016 60% 10% Orlando

Gonzales 1000 250 Tulcán Honduras 33%

Isidro Garavito

3143161448 11/09/2016 50% 20% Orlando

Gonzales 450 200 Tulcán Honduras 34%

Wilfer Gonzales

3115840008 11/09/2016 50% 10% Orlando

Gonzales 300 50 Tulcán Honduras 28%

Edwin Castellanos

3143461082 11/09/2016 60% 80% Orlando

Gonzales 300 120 Tulcán Honduras 71%

Juan Araque

3114658291 11/09/2016 70% 50% Orlando

Gonzales 300 150 Tulcán Honduras 59%

William Alarcón

3108564174 11/09/2016 50% 70% Orlando

Gonzales 500 200 Tulcán Honduras 61%

Carlos Alarcón

3208626292 11/09/2016 45% 10% Orlando

Gonzales 500 100 Tulcán Honduras 26%

Omar Ruiz 3124354027 9/09/2016 50% 20% Pedro

Guerrero 300 150

Laurel Alto

Laurel Alto

34%

Blanca Guerrero

3208458129 9/09/2016 70% 50% Pedro

Guerrero 380 200

Laurel Alto

Laurel Alto

59%

Wilber Guerrero

3107935668 9/09/2016 60% 35% Pedro

Guerrero 600 300

Laurel Alto

Laurel Alto

47%

Humberto Pérez

3112263828 9/09/2016 60% 80% Pedro

Guerrero 120 40

Laurel Alto

Laurel Alto

71%

Pedro Rubiano

3138315696 9/09/2016 50% 10% Pedro

Guerrero 200 160

Laurel Alto

Laurel Alto

28%

Néstor Prieto

3203565809 9/09/2016 50% 10% Pedro

Guerrero 350 150

Laurel Alto

Laurel Alto

28%

Avenidas Muñoz

3123643998 9/09/2016 70% 10% Pedro

Guerrero 120 50

Laurel Alto

Laurel Alto

38%

Alexander Leal

3138130995 9/09/2016 75% 85% Pedro

Guerrero 120 20

Laurel Alto

Laurel Alto

80%

Rubén Velásquez

3125857026 9/09/2016 30% 10% Pedro

Guerrero 120 48

Laurel Alto

Laurel Alto

19%

Omar Cortez

3202333998 9/09/2016 10% 50% Pedro

Guerrero 120 50

Laurel Alto

Laurel Alto

32%

Fuente: Autores

201

Anexo XXVI Resultados para encuestas de intermediarios independientes y FRUSAN

Nombre Teléfono de

Contacto Fecha de Encuesta

Porcentaje de merma

(%) Clientes

Porcentaje de venta

por cliente (%)

Porcentaje de

devoluciones por cliente

(%)

Cantidades promedio de ventas por semana (Kg)

Vereda

Temporada Alta Temporada Baja

Álvaro Baracaldo

3125798798 08/09/2016 4% Plaza de

mercado de Ibagué

100% 0% 3000 2500 Santa Marta

Carlos Rincón

3112680467 08/09/2016 4%

Plaza de mercado de

Ibagué 75% 0%

2000 1500 Santa Marta Centro de

Abastos Bogotá (CORABASTOS)

25% 0%

Ananías Forero

3202064368 08/09/2016 3% Plaza de

mercado de Girardot

100% 0% 2500 2200 Santa Marta

Pedro Guerrero

3107935608 09/09/2016 3% Centro de

Abastos Bogotá (CORABASTOS)

100% 0% 3000 2200 Laurel Alto

Leonardo Forero

3115198808 09/09/2016 5% Centro de

Abastos Bogotá (CORABASTOS)

100% 0% 3000 2200 Laurel Alto

Juan Bautista

3142782898 09/09/2016 4% Centro de

Abastos Bogotá (CORABASTOS)

100% 0% 2500 2000 Laurel Alto

Carlos Romero

3115856264 11/09/2016 1% Centro de

Abastos Bogotá (CORABASTOS)

100% 0% 5000 3500 Tulcán

Cesar Gonzales

3115228359 11/09/2016 15%

Productora de Jugos del Valle

50% 2%

50000 2000 Tulcán Alpina 10% 2%

CORABASTOS 40% 0%

Miller Pedreros

3123593068 11/09/2016 5% Centro de

Abastos Bogotá (CORABASTOS)

100% 0% 12000 2000 San

Miguel

Orlando Gonzales

3125602591 11/09/2016 5% Centro de

Abastos Bogotá (CORABASTOS)

100% 0% 5000 1000 Tulcán

Fuente: Autores

202

Anexo XXVII Matriz de ingreso de datos a SPSS

Nombre del Arco Cantidades de mora (Kg)

Santa Marta / Rita-Álvaro Baracaldo 140250

Santa Marta / Rita-Carlos Rincón 89250

Santa Marta / Rita-Ananías Forero 119850

Santa Marta / Rita-Miller Pedreros 142800

Santa Marta / Rita-FRUSAN 33965

Agua Amarilla / Negra-Orlando Gonzales 19125

Agua Amarilla / Negra-FRUSAN 78671

Laurel Alto / Bajo-Cesar Gonzales 450840

Laurel Alto / Bajo-Miller Pedreros 35700

Laurel Alto / Bajo-FRUSAN 141586

Laurel Alto / Bajo-Juan Bautista 114750

Laurel Alto / Bajo-Leonardo Forero 132600

Laurel Alto / Bajo-Pedro Guerrero 132600

Hondura / Diamante-Carlos Romero 216750

Hondura / Diamante-Cesar Gonzales 875160

Hondura / Diamante-Miller Pedreros 35700

Hondura / Diamante-Orlando Gonzales 133875

Hondura / Diamante-FRUSAN 29307

Andes-Miller Pedreros 142800

Andes-FRUSAN 144678

Álvaro Baracaldo-Plaza de mercado de Ibagué 134990,63

Carlos Rincón-Plaza de mercado de Ibagué 65153

Carlos Rincón-Centro de Abastos Bogotá (CORABASTOS) 20528

Ananías Forero-Plaza de mercado de Girardot 116254,5

Carlos Romero-Centro de Abastos Bogotá (CORABASTOS) 214582,5

Cesar Gonzales-Centro de Abastos Bogotá (CORABASTOS) 530400

Cesar Gonzales-Productora de Jugos del Valle 464100

Cesar Gonzales-Alpina 132600

Miller Pedreros-Centro de Abastos Bogotá (CORABASTOS) 339150

Orlando Gonzales-Centro de Abastos Bogotá (CORABASTOS 145350

FRUSAN-Centro de Abastos Bogotá (CORABASTOS) 318297

FRUSAN-Productora de Jugos del Valle 42440

FRUSAN-Panamericana de Alimentos (Medellín) 33952

FRUSAN-FRUCONGSA (Cali) 29708

Juan Bautista-Centro de Abastos Bogotá (CORABASTOS) 110160

Leonardo Forero-Centro de Abastos Bogotá (CORABASTOS) 125970

203

Pedro Guerrero-Centro de Abastos Bogotá (CORABASTOS) 128622

Productora de Jugos del Valle-Cesar Gonzales 13260

Alpina-Cesar Gonzales 2652

FRUCONGSA (Cali)-FRUSAN 899

Santa Marta / Rita-Perdidas 249459

Agua Amarilla / Negra-Perdidas 46013

Laurel Alto / Bajo-Perdidas 424358

Hondura / Diamante-Perdidas 557533

Andes-Perdidas 125729

Álvaro Baracaldo-Perdidas 5259

Carlos Rincón-Perdidas 3570

Ananías Forero-Perdidas 3596

Carlos Romero-Perdidas 2168

Cesar Gonzales-Perdidas 198900

Miller Pedreros-Perdidas 17850

Orlando Gonzales-Perdidas 7650

FRUSAN-Perdidas 3811

Juan Bautista-Perdidas 4590

Leonardo Forero-Perdidas 6630

Pedro Guerrero-Perdidas 3978

Fuente: Autores

204

Anexo XXVIII Matriz inicial de cantidades de la cadena agroindustrial de la mora en San Bernardo (Cundinamarca) E1 E2 E3 E4 E5 E6 E7 E8 E9 E10 E11 E12 E13 E14 E15 E16 E20 E21 E22 E17 E18 E23 E19 E24

E1 0 0 0 0 0 140250 89250 119850 0 0 142800 0 33965 0 0 0 0 0 0 0 0 0 0 249459

E2 0 0 0 0 0 0 0 0 0 0 0 19125 78671 0 0 0 0 0 0 0 0 0 0 46013

E3 0 0 0 0 0 0 0 0 0 450840 35700 0 141586 114750 132600 132600 0 0 0 0 0 0 0 424358

E4 0 0 0 0 0 0 0 0 216750 875160 35700 133875 29307 0 0 0 0 0 0 0 0 0 0 557533

E5 0 0 0 0 0 0 0 0 0 0 142800 0 144678 0 0 0 0 0 0 0 0 0 0 125729

E6 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 134991 0 0 0 0 0 0 5259

E7 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 65153 20528 0 0 0 0 0 3570

E8 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 116255 0 0 0 0 3596

E9 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 214583 0 0 0 0 0 2168

E10 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 530400 0 464100 132600 0 0 198900

E11 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 339150 0 0 0 0 0 17850

E12 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 145350 0 0 0 0 0 7650

E13 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 318297 0 42440 0 33952 29708 3811

E14 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 110160 0 0 0 0 0 4590

E15 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 125970 0 0 0 0 0 6630

E16 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 128622 0 0 0 0 0 3978

E17 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0

E18 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0

E19 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0

E20 0 0 0 0 0 0 0 0 0 13260 0 0 0 0 0 0 0 0 0 0 0 0 0 0

E21 0 0 0 0 0 0 0 0 0 2652 0 0 0 0 0 0 0 0 0 0 0 0 0 0

E22 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0

E23 0 0 0 0 0 0 0 0 0 0 0 0 899 0 0 0 0 0 0 0 0 0 0 0

E24 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0

Fuente: Autores

205

Anexo XXIX Matriz de probabilidades de transición

E1 E2 E3 E4 E5 E6 E7 E8 E9 E10 E11 E12 E13 E14 E15 E16 E17 E18 E19 E20 E21 E22 E23 E24

E1 0 0 0 0 0 0,181 0,115 0,155 0 0 0,184 0 0,044 0 0 0 0 0 0 0 0 0 0 0,322

E2 0 0 0 0 0 0 0 0 0 0 0 0,133 0,547 0 0 0 0 0 0 0 0 0 0 0,320

E3 0 0 0 0 0 0 0 0 0 0,315 0,025 0 0,099 0,080 0,093 0,093 0 0 0 0 0 0 0 0,296

E4 0 0 0 0 0 0 0 0 0,117 0,473 0,019 0,072 0,016 0 0 0 0 0 0 0 0 0 0 0,302

E5 0 0 0 0 0 0 0 0 0 0 0,346 0 0,350 0 0 0 0 0 0 0 0 0 0 0,304

E6 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0,963 0 0 0 0,038

E7 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0,730 0,230 0 0 0,040

E8 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0,970 0 0,030

E9 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0,990 0 0 0,010

E10 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0,350 0,100 0 0 0,400 0 0 0,150

E11 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0,950 0 0 0,050

E12 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0,950 0 0 0,050

E13 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0,099 0 0,069 0 0,743 0 0,079 0,009

E14 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0,960 0 0 0,040

E15 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0,950 0 0 0,050

E16 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0,970 0 0 0,030

E17 0 0 0 0 0 0 0 0 0 1,000 0 0 0 0 0 0 0 0 0 0 0 0 0 0

E18 0 0 0 0 0 0 0 0 0 1,000 0 0 0 0 0 0 0 0 0 0 0 0 0 0

E19 0 0 0 0 0 0 0 0 0 0 0 0 1,000 0 0 0 0 0 0 0 0 0 0 0

E20 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1,000 0 0 0 0

E21 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1,000 0 0 0

E22 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1,000 0 0

E23 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1,000 0

E24 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1,000

Fuente: Autores

206

Anexo XXX Resultado del Modelo Actual Función Objetivo

7036093189

X(i,j) Álvaro

Baracaldo Carlos Rincón

Ananías Forero

Carlos Romero

Cesar Gonzales

Miller Pedreros

Orlando Gonzales

FRUSAN Juan Bautista Leonardo

Forero Pedro

Guerrero Santa Marta /

Rita 140250 89250 119850 142800 33965

Agua Amarilla / Negra

19125 78671

Laurel Alto / Bajo

450840 35700 141586 114750 132600 132600

Hondura / Diamante

216750 875160 35700 133875 29307

Andes 142800 144678

Y(j,k) Productora de

Jugos del Valle

Alpina FRUCONGSA R(j,k) Productora de

Jugos del Valle

Alpina FRUCONGSA

Cesar Gonzales

464100 132600 Cesar

Gonzales 451950,9675 129948

FRUSAN 42439,59577 29707,71704 FRUSAN 42439,59577 28808

AI(j,a) Plaza de

mercado de Ibagué

Centro de Abastos Bogotá (CORABASTOS)

Plaza de mercado de

Girardot

Panamericana de Alimentos

(Medellín) Perdidas

Álvaro Baracaldo

134990,625 5259,375

Carlos Rincón 65152,5 20527,5 3570 AV(i,a) Perdidas

Ananías Forero

116254,5 3595,5 Santa Marta /

Rita 249459,4508 D(k,j)

Cesar Gonzales

FRUSAN

Carlos Romero

214582,5 2167,5 Agua Amarilla

/ Negra 46013,018

Productora de Jugos del

Valle 12149,03248

Cesar Gonzales

530400 198900 Laurel Alto /

Bajo 424357,9928 Alpina 2652

Miller Pedreros

339150 17850 Hondura / Diamante

557533,1239 FRUCONGSA 899,2347

Orlando Gonzales

145350 7650 Andes 125728,5033

FRUSAN 318296,9683 33951,67662 3811,0423

Juan Bautista 110160 4590

Leonardo Forero

125970 6630

Pedro Guerrero

128622 3978

Fuente: Autores

207

Anexo XXXI Resultado del Modelo con disminución de la merma en 5% Función Objetivo

7064939085

X(i,j) Álvaro

Baracaldo Carlos Rincón

Ananías Forero

Carlos Romero

Cesar Gonzales

Miller Pedreros

Orlando Gonzales

Frusan Juan Bautista Leonardo

Forero Pedro

Guerrero Santa Marta /

Rita 142744,5945 91744,59451 122344,5945 145294,5945 36459,59451

Agua Amarilla / Negra

20275,32545 79821,32545

Laurel Alto / Bajo

454376,3166 39236,31661 145122,3166 118286,3166 136136,3166 136136,3166

Hondura / Diamante

222325,3312 880735,3312 41275,33124 139450,3312 34882,33124

Andes 145943,2126 147821,2126

Y(j,k) Productora

de Jugos del Valle

Alpina Frucongsa R(j,k) Productora

de Jugos del Valle

Alpina Frucongsa

Cesar Gonzales

470626,8559 136848,9439 Cesar

Gonzales 458306,9658 134111,965

Frusan 44064,82988 30860,20298 Frusan 44064,82988 29926

AI(j,a) Plaza de

mercado de Ibagué

Centro de Abastos Bogotá

(Corabastos)

Plaza de mercado de

Girardot

Panamericana de Alimentos

(Medellín) Perdidas

Álvaro Baracaldo

137659,3183 5085,276179

Carlos Rincón

67065,29859 21193,00133 3486,294591 AV(i,a) Perdidas

Ananías Forero

118857,7736 3486,820943 Santa Marta /

Rita 236986,4782 D(k,j)

Cesar Gonzales

Frusan

Carlos Romero

220213,2406 2112,090647 Agua Amarilla

/ Negra 43712,3671

Productora de Jugos del

Valle 12319,89002

Cesar Gonzales

537382,4383 190253,4098 Laurel Alto /

Bajo 403140,0932 Alpina 2736,978878

Miller Pedreros

354091,3558 17658,09911 Hondura / Diamante

529656,4677 Frucongsa 934,1197553

Orlando Gonzales

152138,688 7586,968693 Andes 119442,0781

Frusan 330165,0794 35261,74528 3754,922828

Juan Bautista 113791,4366 4494,880031

Leonardo Forero

129669,8416 6466,475039

Pedro Guerrero

132256,4316 3879,885023

Fuente: Autores

208

Anexo XXXII Resultado del Modelo con aumento de la merma en 5% Función Objetivo

7007009102

X(i,j) Álvaro

Baracaldo Carlos Rincón

Ananías Forero

Carlos Romero

Cesar Gonzales

Miller Pedreros

Orlando Gonzales

FRUSAN Juan Bautista Leonardo

Forero Pedro

Guerrero Santa Marta /

Rita 137755,4055 86755,40549 117355,4055 140305,4055 31470,40549

Agua Amarilla / Negra

17974,67455 77520,67455

Laurel Alto / Bajo

447303,6834 32163,68339 138049,6834 111213,6834 129063,6834 129063,6834

Hondura / Diamante

211174,6688 869584,6688 30124,66876 128299,6688 23731,66876

Andes 139656,7874 141534,7874

Y(j,k) Productora

de Jugos del Valle

Alpina FRUCONGSA R(j,k) Productora

de Jugos del Valle

Alpina FRUCONGSA

Cesar Gonzales

457618,7024 128396,6143 Cesar

Gonzales 445639,3348 125828,682

FRUSAN 40817,89936 28558,7688 FRUSAN 40817,89936 27694

AI(j,a) Plaza de

mercado de Ibagué

Centro de Abastos Bogotá (CORABASTOS)

Plaza de mercado de

Girardot

Panamericana de Alimentos

(Medellín) Perdidas

Álvaro Baracaldo

132331,2864 5424,119091

Carlos Rincón

63244,6906 19866,98786 3643,727031 AV(i,a) Perdidas

Ananías Forero

113658,7102 3696,695273 Santa Marta /

Rita 261932,4233 D(k,j)

Cesar Gonzales

FRUSAN

Carlos Romero

208957,3347 2217,334022 Agua Amarilla

/ Negra 48313,6689

Productora de Jugos del

Valle 11979,36754

Cesar Gonzales

523463,12 207409,9155 Laurel Alto /

Bajo 445575,8925 Alpina 2567,932287

Miller Pedreros

324282,3914 17968,15362 Hondura / Diamante

585409,7801 FRUCONGSA 864,4567288

Orlando Gonzales

138594,9403 7679,403024 Andes 132014,9285

FRUSAN 306432,3948 32645,14565 3853,010967

Juan Bautista 106542,7087 4670,974703

Leonardo Forero

122287,84 6775,843378

Pedro Guerrero

124998,1774 4065,506027

Fuente: Autores

209

Anexo XXXIII Resultado del Modelo con disminución total de la merma en 5%

Función Objetivo

7121916298

X(i,j) Álvaro

Baracaldo Carlos Rincón

Ananías Forero

Carlos Romero

Cesar Gonzales

Miller Pedreros

Orlando Gonzales

Frusan Juan Bautista Leonardo

Forero Pedro

Guerrero Santa Marta /

Rita 147733,78 96733,78 127333,78 150283,78 41448,78

Agua Amarilla / Negra

22575,98 82121,98

Laurel Alto / Bajo

461448,95 46308,95 152194,95 125358,95 143208,95 143208,95

Hondura / Diamante

233475,99 891885,99 52425,99 150600,99 46032,99

Andes 152229,64 154107,64

Y(j,k) Productora de Jugos del Valle

Alpina FRUCONGSA R(j,k) Productora

de Jugos del Valle

Alpina FRUCONGSA

Cesar Gonzales 483817,24 145483,51 Cesar

Gonzales 471152,06 142573,84

Frusan 47325,91 33175,79 Frusan 47325,91 32171,58

AI(j,a) Plaza de

mercado de Ibagué

Centro de Abastos Bogotá (CORABASTOS)

Plaza de mercado de

Girardot

Panamericana de Alimentos

(Medellín) Perdidas

Álvaro Baracaldo

143024,77 4709,01

Carlos Rincón 70905,86 22538,97 3288,95

Ananías Forero 124086,77 3247,01 AV(i,a) Perdidas

Carlos Romero 231491,45 1984,55 Santa Marta /

Rita 212040,53 D(k,j)

Cesar Gonzales

Frusan

Cesar Gonzales 551483,99 172550,21 Agua

Amarilla / Negra

39111,07 Productora de

Jugos del Valle

12665,18

Miller Pedreros 384195,31 17053,06 Laurel Alto /

Bajo 360704,29 Alpina 2909,67

Orlando Gonzales

165816,95 7360,02 Hondura / Diamante

473903,16 FRUCONGSA 1004,21

Frusan 353911,91 37892,50 3600,23 Andes 106869,23

Juan Bautista 121096,75 4262,20

Leonardo Forero

137122,57 6086,38

Pedro Guerrero 139557,12 3651,83

Fuente: Autores

210

Anexo XXXIV Carta de aprobación por parte del ingeniero Carlos Escobar (MADR)

211

Fuente: Autores

212

Anexo XXXV Carta de aceptación y participación en el proyecto por parte de FRUSAN

Fuente: Autores