Laboratorio de sistemas dinamicos
-
Upload
independent -
Category
Documents
-
view
1 -
download
0
Transcript of Laboratorio de sistemas dinamicos
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.
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
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.