Análisis de la producción de soja
Basado en un modelo de simulación con Vensim
Edgard Hernán Maimbil et al.
tinymaimbil@gmail.com
La soja es originaria del norte y centro de China,
aproximadamente en el siglo XI AC.
Este cultivo es una leguminosa y como tal tiene la
capacidad de fijar el nitrógeno del aire a las raíces
del suelo, responde a un ciclo lumínico, debido a
que posee una hormona que desencadena un ciclo
de floración. Dependiendo del ciclo de floración
anteriormente mencionado se obtendrán distintas
variedades de soja, es decir, según su madurez.
Por lo general existen 10 o más variedades por
cada grupo de maduración.
La soja es un cultivo muy explotado por lo que
deja muy poca superficie sin utilizar. Debido al
deterioro que provoca la siembra y cosecha de
soja sobre el suelo, es conveniente que se rote con
otros cultivos, como por ejemplo trigo, este es el
más recomendable debido a que los rastrojos, le
aportarán materia orgánica al suelo, como ser
carbono y nitrógeno.
La importancia de la soja se debe a que es
necesaria para producir diferentes productos
alimenticios para el hombre. Hoy representa un
alto porcentaje entre las ocho materias primas más
importantes del mundo. Esta se consume como
vegetal verde y fresco, porotos secos, harina,
aceite, leche, carne vegetal, quesos, pasteles
fermentados, pastas, salsas y muchos otros
productos alimenticios.
El ciclo de vida de este cultivo, va de 5 a 6 meses,
y por lo general los tipos de labranza que se
emplean para su siembra son la convencional, es
decir, arado, disco vertical cincel, entre otros; o la
difusión masiva de la siembra directa, como la
nueva técnica innovadora. En este ciclo se utilizan
distintos productos, por ejemplo: herbicidas
(control de plagas), insecticidas, fungicidas, cura
semillas y fertilizantes.
En los últimos años la producción de soja en la
argentina fue evolucionando de manera
sorprendente, en la campaña 2009/2010 se
produjeron alrededor de 50 millones de toneladas,
lo que estableció un record histórico para nuestro
país.
El presente trabajo, consiste en la construcción de
un modelo computacional que simula el
comportamiento de la producción de soja en la
Argentina, que parametrizado con datos
históricos de las variables principales, permite
evaluar los efectos de diferentes políticas
operativas alineadas con ensayos de decisiones
tendientes a mantener un crecimiento sostenido.
Cada uno de los tópicos permite
evaluar decisiones que acentúan o atenúan las
trayectorias que representan el comportamiento
de la Producción de Soja en la Argentina.
A los efectos de evidenciar los comportamientos
resultantes, se cuenta con un modelo (construido
en las plataformas VenSim PLE Plus) que
contiene diferentes interfaces de visualización de
resultados cuyas evoluciones pueden ser
ajustadas en tiempo real a partir de la
modificación de los parámetros críticos que
condicionan el comportamiento del sistema y
constituyen las acciones de las decisiones
operativas en ensayo.
Para la realización del siguiente modelo se tomo
como ubicación geográfica base la zona de
Castelli, localidad ubicada en la Provincia de
Buenos Aires. A partir de aquí, se relevaron los
datos e información relevante para la confección
de las variables que componen el modelo. En el
mismo se pueden distinguir tres subsistemas que a
su vez se encuentran relacionados entre sí:
- Técnico y productivo: está constituido
por aquellas variables relativas a la
siembra, producción y cosecha de la soja.
- Económico: está constituido por aquellas
variables relativas a los mercados
(nacional e internacional), costos
(directos e indirectos) e ingresos.
- Financiero y decisorio: está constituido
por aquellas variables relativas a las
diferentes utilidades obtenidas, al flujo de
caja y a la decisión de reinvertir.
Según Wikipedia la dinámica de sistemas es una técnica para analizar y modelar el comportamiento temporal en entornos complejos. Se basa en la identificación de los bucles de realimentación entre los elementos, y también en las demoras en la información y materiales dentro del sistema. Lo que hace diferente este enfoque de otros usados para estudiar sistemas complejos es el análisis de los efectos de los bucles o ciclos de realimentación, en términos de flujos y depósitos adyacentes. De esta manera se puede estructurar a través de modelos matemáticos la dinámica del comportamiento de estos sistemas. La simulación de estos modelos actualmente se puede realizar con ayuda de programas computacionales específicos.
Originalmente desarrollada en 1950 para ayudar a los administradores de empresas a mejorar su comprensión de los procesos industriales, actualmente se usa en el sector público y privado para el análisis y diseño de políticas. Fue creada a principios en la década de 1960 por Jay Forrester de la MIT Sloan School of Management del Massachusetts Institute of Technology) con la creación del MIT System Dynamics Group.
Los modelos de simulación con Dinámica de Sistemas tienen aplicaciones en prácticamente todas las áreas del conocimiento como podemos observar en los numerosos artículos publicados en los congresos anuales de la System Dynamics Society. Se trata de una potente herramienta para:
Enseñar a los reflejos del sistema de pensamiento de las personas que está siendo entrenado.
Analizar y comparar los supuestos y modelos mentales acerca de cómo funcionan las cosas.
Obtener una visión cualitativa sobre el funcionamiento de un sistema o las consecuencias de una decisión.
Reconocer arquetipos de sistemas disfuncionales en la práctica diaria.
Los modelos permiten simular el impacto de diferentes políticas relativas a la situación a estudiar ejecutando simulaciones what if (¿qué pasaría si?) que permiten ver las consecuencias a corto y medio plazo, y ser de gran ayuda en la comprensión de cómo los cambios en un sistema lo afectan en el tiempo. En este sentido es muy similar al Pensamiento sistémico ya que se basa en los mismos diagramas de causales con bucles o lazos de retroalimentación (feedback). Sin embargo, estos modelos de simulación permiten además hacer simulaciones para estudiar el comportamiento de los sistemas y el impacto de políticas alternativas. Se utiliza en especial para investigar la dependencia de los recursos naturales y los problemas resultantes del creciente consumo a nivel global para mejorar el especial en el desarrollo de nuevos productos. Existe una gran variedad de marcas de software en el mercado que ayudan a aplicar esta herramienta de una forma amigable: Vensim, Stella, ithink, Powersim, Dynamo, etc.
Descargue el texto completo aquí
|
