Laboratorio de sistemas dinámicos.

Integrantes: Constanza BarrientosDaniela Pardo. Marta Tapia.

Profesora Yulissa Anguis.11/11/2014

Optimización económica: momentoóptimo de cosecha en el cultivo de

salmón.

1

Contenidos.

Introducción.

2

Industria del salmón en Chile.

3

Dinámica de sistemas.

3

1. Propósito del modelo.

4

2. Definición sistema.

4

3. Variables clave en el sistema.

5

4. Comportamiento de las variables clave.

6-7

5. Stocks y flujos.

8

6. Mapeo diagrama en Stella.

9

7. Definición de flujos.

10

8. Información cuantitativa.

11

9. Hacer correr el modelo en Stella.

12

2

10. Evaluación modelo

13

11. Mejoras.

13-14

Introducción.En la actualidad es de suma importancia optimizar de manera

efectiva los recursos utilizados en los procesos productivos

de la industria mundial, utilizando cada vez más la ayuda de

las ciencias para desarrollar métodos que lo permitan.

A raíz de esta problemática es que se desarrolla el uso de

los sistemas dinámicos, cuyos estados evolucionan con el

tiempo. El comportamiento de los sistemas complejos en

3

determinados estados se puede caracterizar estableciendo los

límites de un sistema, los elementos y sus relaciones. De

esta forma se pueden elaborar modelos que buscan representar

la estructura de un sistema determinado.

En el siguiente informe desarrollaremos un modelo de

optimización económica, basados en el artículo de Sergio

Zúñiga. Se modelará en el programa Stella, el cultivo de una

cohorte estándar de salmón en Chile para una jaula de tamaño

estándar, planteando como único problema a resolver el

momento óptimo de cosecha; o sea, cuanto tiempo deben ser

alimentados los salmones en jaulas.

Industria del salmón en Chile.

4

El cultivo de salmones es una de las actividades más

importantes en la industria chilena, además de formar parte

importante de la producción mundial con casi un 40% de la

producción mundial.

La industria del salmón, especie exótica que logró ser

introducida después de numerosos ensayos, se ha transformado

en un corto lapso en un fenómeno económico y social.

Actualmente esta actividad se ha expandido en las regiones de

Los Lagos, Aysén y Magallanes, siendo esta última la región

con mayor cantidad de biomasa cultivada mensualmente, con

cerca de 600.000 toneladas, para el año 2012.

Esta actividad ha llegado a ser un pilar fundamental de la

economía exportadora del país. Este crecimiento tiene como

factores fundamentales contar con condiciones ambientales y

geográficas ideales para la producción, disponer de materias

primas para la elaboración de alimentos, poseer capital

humano y tecnológico que sostengan este desarrollo.

El proceso productivo del salmón comienza con la obtención de

las ovas mediante incisiones abdominales, posteriormente se

inicia el alevinaje en incubadoras de agua dulce para

finalmente pasar a aguas saladas en jaulas metálicas donde

comienza el cultivo marino. Luego de varios meses comienza el

proceso de extracción de vísceras y fileteado del salmón.

La dinámica de sistemas.

5

El papel que despliega la dinámica de sistemas en este

proceso productivo ayuda a determinar mediante la

especulación y el estudio de variables los tiempos óptimos de

cosecha del salmón, donde los indicadores económicos y la

cantidad de biomasa se encuentren en un punto óptimo para

ambos.

Modelar en Stella puede ser un proceso gratificante pero a la

vez, desafiante. No hay una sola manera de construir. En

algunos casos se puede saltar directamente al programa Stella

y comenzar a mapear.

A continuación se detalla un análisis previo al modelado en

el programa Stella, con el fin de identificar elementos

relevantes y sus respectivos roles en el sistema dinámico.

1. Propósito del modelo.El propósito fundamental es el desarrollo de un modelo que

permita la optimización de recursos que intervienen en la

cosecha de salmón en la industria chilena, en este caso en

particular es necesario determinar cuánto tiempo deben

permanecer los salmones en jaulas antes de ser procesados

para su posterior venta.

2. Definición del sistema.

6

En esta etapa identificamos los elementos que se encuentran

“dentro” del sistema que modelaremos; y por tanto, los

elementos que se tomarán en consideración.

• L= longitud del salmón.

• G= tasa crecimiento mensual

• N=sobrevivientes.

• Z=tasa mortalidad mensual.

• F=alimento consumido mensualmente.

• C= temperatura del agua en grados Celsius.

• β=parámetro según dieta del salmón.

• B= biomasa

• P=precio venta salmón.

• Y=ingreso esperado por venta.

• VR= valor residual.

• D= depreciación.

• VM= valor mercado.

• VAN= valor actual neto.

• I=inversión inicial.

• Td= tasa descuento

• VP costo mensual acumulado

• VP costo mensual

• Costo mensual acumulado.

• Costo mensual.

• PF=precio alimento

• W=peso salmón.

• L Max= longitud máxima del salmón.

7

• Crecimiento

• Valor de mercado.

3. variables clave en el sistema.

Determinamos las variables clave asociadas a las magnitudes

cuya variación a lo largo del tiempo queremos estudiar y que

ayuden a definir los límites del sistema, así como la

estructura de realimentación que gobierna su dinámica.

Las variables claves reconocidas:

• Longitud que alcanzan los salmones.

• Sobrevivencia de los salmones.

• Costos alimentación

• Valor de mercado.

• Valor presente de los costos mensuales.

4. comportamiento de las variables clave.Es importante conocer el comportamiento de cada variable que

participa en el modelo, sin embargo no siempre es posible

establecer exactamente las conductas de estas en el futuro.

En algunos casos es necesario hacer representaciones gráficas

de los patrones de comportamiento de cada variable a lo largo

8

del tiempo, con datos pasados o futuros, pudiendo expresar lo

que se estima que podría suceder.

1.

Figura 1. Evolución de la longitud del salmón y su peso con

respecto al tiempo.

2.

Figura 2. Evolución salmones sobrevivientes y biomasa.

9

3.

4.

5.

10

5. stocks y flujos.

Los diagramas se componen de diferentes elementos que pueden

tener distinta naturaleza según el comportamiento que

representan y son cuantitativos porque poseen un valor

numérico en una determinada magnitud.

Las variables de estado son aquellas que reflejan una

situación en un momento determinado del tiempo y carecen de

dimensión temporal. Una variable de estado no puede influir

directamente con otra variable de nivel, sino es a través de

un flujo.

Variables de estado (stock) determinadas en el sistema:

• Costos alimentación

• Longitud salmón

• Sobrevivientes.

• Valor de mercado

• Valor presente de los costos mensuales acumulados.

Variables de flujo son aquellas cuyas magnitudes son medidas

como una tasa por unidad de tiempo, y tienen dimensión

temporal.

Variables de flujo (flow) determinadas en el sistema:

• Depreciación

• Valor presente costo mensual

• Costo mensual

11

• Crecimiento salmón.

• Sobrevivencia salmón

6. mapeo diagrama en Stella.

6.

12

Se comienza con el proceso de mapeo con el trazado de las

variables de flujo y sus posteriores variables de estado.

Figura 6. Trazo flujos y stocks modelo optimización cosecha

salmón.

7. Definición de los flujos.

13

7.

Figura 7. Trazo convertidores y conectores que unen

convertidores con flujos y stocks respectivos, modelo

optimización cosecha salmón.

14

8. información cuantitativa.

8.

9.

Figuras 8 y 9. Ingreso ecuaciones de flujo recogidas delectura de Sergio Zúñiga. Modelo optimización cosecha salmón.

15

9. hacer correr el modelo en Stella.

10.

Figura 10. Hacemos correr el modelo en la opción Run- Run

spects.

16

10. evaluación.

La evaluación del modelo tiene como finalidad valorar si los

usuarios del modelo han obtenido una visión nueva de la

estructura del sistema o han aprendido algo nuevo sobre el

comportamiento del sistema real.

Luego es necesaria la aprobación de los usuarios directos del

sistema para determinar si el modelo es acorde a la realidad

que ellos perciben.

11. mejoras en el modelo.

Con el propósito de mejorar la exactitud del modelo

planteado, y así reproducir un sistema más apegado a la

realidad, se extenderá el número de variables manteniendo las

interconexiones realizadas anteriormente.

Se describe una nueva relación de causa-efecto entre la

mortalidad de los salmones y las nuevas variables a integrar.

Estas variables se mantienen acorde a la terminología

industrial del sector y apuestan a ser determinantes en la

mejora del cálculo de la tasa de mortalidad que afecta

directamente en el crecimiento o disminución de la biomasa,

que a su vez es un factor trascendente en el cálculo de la

sensibilidad del proyecto.

17

El rebrote en el año 2014 del virus ISA en la región de

Magallanes ha detonado una serie de preocupaciones con

respecto a la mantención o aumento de la tasa de mortalidad

de la especie en el país. Por lo que tomaremos esta variable

como un convertidor del re-cálculo de la tasa de mortalidad.

Los cambios en la productividad consisten en evaluar

económicamente el efecto que tiene el deterioro del agua en

la productividad acuícola producto del acelerado desarrollo

de la industria lo que acrecienta un mal manejo sanitario y

futuras pérdidas por mortalidad del salmón.

11.

18

Figura 11. Alcances al modelo anteriormente hecho, se añaden

dos nuevos convertidores: la presencia del reflote del virus

ISA y el empeoramiento de la calidad del agua.

19

20