Evaluación de la eficiencia relativa de los sistemas de ...
Transcript of Evaluación de la eficiencia relativa de los sistemas de ...
Evaluación de la eficiencia relativa de los sistemas de producción porcícolas del departamento de
Cundinamarca, utilizando análisis envolvente de datos (DEA)
Andres Camilo Correa Nuñez
Universidad Nacional de Colombia
Facultad de Ciencias Económicas
Bogotá, Colombia
2019
Evaluación de la eficiencia relativa de los sistemas de producción porcícolas del departamento de
Cundinamarca, utilizando análisis envolvente de datos (DEA)
Andres Camilo Correa Nuñez
Tesis de investigación presentada como requisito parcial para optar al título de:
Magíster en Administración
Directora:
Ph.D, Ingeniera Industrial. Gloria Isabel Rodríguez Lozano
Línea de Investigación:
Gestión de Operaciones
Universidad Nacional de Colombia
Facultad de Ciencias Económicas
Bogotá, Colombia
2019
Disfruta de tus éxitos lo mismo que de tus
planes
Mantén el interés en tu propia carrera, por
humilde que sea
Ella es un verdadero tesoro en el cambiar de
los tiempos.
Fragmento Desiderata
Agradecimientos
A Dios.
A la profesora Gloria Isabel Rodríguez y el profesor Jairo Humberto López por su
acompañamiento.
Al recurso humano del proyecto “Asociación de Buenas Prácticas Pecuarias con Factores
de Calidad de Carne de Cerdo Producida en el Departamento de Cundinamarca y Zona
Rural de Bogotá D.C.”
A mi mamá, a ti, al grupo de oración, a mis amigos de la universidad, del barrio y del
colegio.
Y al Corredor Tecnológico Agroindustrial Bogotá Cundinamarca Derivado 2.
Resumen y Abstract IX
Resumen
El análisis de eficiencia en el sector agropecuario se basa a menudo en modelos de
soporte para la toma de decisiones porque orientan sobre cuáles son los principales
factores de producción y dan lineamientos para resolver los problemas evidenciados. En
esta investigación se caracterizaron los sistemas de producción porcícolas mediante la
metodología de análisis por agrupamientos, se seleccionaron 50 variables cualitativas y
se construyeron 9 índices que miden el grado de tecnificación de las granjas. Como
resultado se obtuvieron 4 agrupamientos: granjas de cría, levante y ceba, ciclo completo
y ciclo completo especializado; las granjas de este último grupo son las que realizan las
mejores prácticas de gestión productiva basados en los índices de importancia obtenidos.
Adicionalmente, se realizó la evaluación de la eficiencia relativa de los sistemas de
producción porcinos del departamento de Cundinamarca mediante la metodología DEA,
con un modelo VRS orientado a las salidas, se utilizaron las DMU´s levante-ceba, y ciclo
completo ya que estas tienen el mismo objetivo productivo. La eficiencia relativa de las
DMU´s ciclo completo fue de 77,57% y de las DMU´s levante y ceba fue de 75,78%. Así
mismo, se analizó cuáles granjas realizaban prácticas ambientales para el manejo de
excretas, por medio de las variables de salida ambientales “fertilizante producido (kg)” y
“valor venta fertilizante ($/kg)”, los resultados demuestran que el 62,16% de las DMU´s de
ciclo completo y el 41,79% de las DMU´s de levante y ceba realizan procesos para mitigar
el impacto ambiental de los sistemas de producción porcícolas. Con los resultados
obtenidos se destaca la importancia de establecer procesos sostenibles para el manejo
adecuado de insumos y la mitigación de los residuos (productos) en los sistemas de
producción porcinos como una estrategia para mejorar la eficiencia relativa de este sector.
Palabras clave: Gestión de operaciones; Eficiencia técnica; Análisis envolvente de
datos; Cerdos
X Evaluación de la eficiencia relativa de los sistemas de producción porcícolas del
departamento de Cundinamarca, utilizando análisis envolvente de datos (DEA)
Abstract
The efficiency analysis in agriculture is often based on support models for decision-making
because they guide on which are the main factors of production and address to solve the
problems detected. In the current investigation, pig production systems were characterized
by the group analysis methodology, 50 qualitative variables were selected and 9 indexes
were constructed to measure the technification level of the farms. As a result, 4 groupings
were obtained: farrow to feeder, feeder to finish, farrow to finish and specialized farrow to
finish; the farms of this last group are those that perform the best practices of productive
management based on the importance indexes obtained. In addition, the evaluation of the
relative efficiency of the pig production systems of the department of Cundinamarca was
carried out by the DEA methodology, with a VRS model oriented to the outputs, the feeder
to finish and farrow to finish DMUs were used, since these systems have the same
productive objective. The relative efficiency of the farrow to finish DMU´s was 77.57% and
for the feeder to finish DMU´s it was 75.78%. Likewise, it was analyzed which farms carried
out environmental practices for excreta management, through the environmental output
variables “fertilizer produced (kg)” and “fertilizer sales value ($ / kg)”, the results show that
62.16% of the farrow to finish DMU´s and 41.79% of the feeder to finish DMU´s carry out
processes to mitigate the environmental impact of the systems of pig production. The
results obtained highlight the importance of establishing sustainable processes for the
proper management of inputs and the mitigation of waste (products) in pig production
systems as a strategy to improve the relative efficiency of this sector.
Keywords: Operation management; Technical efficiency; Data envelopment analysis
(DEA); Pigs
Contenido XI
Contenido
Pág.
Resumen ........................................................................................................................... IX
Lista de figuras ............................................................................................................... XIII
Lista de tablas ............................................................................................................... XIV
Introducción ...................................................................................................................... 1
Justificación ...................................................................................................................... 4
Pregunta de investigación ............................................................................................... 5
Objetivos ............................................................................................................................ 5
1. Marco teórico ............................................................................................................. 7 La eficiencia en la gestión de operaciones ....................................................... 7
1.1.1 Enfoque funcional ................................................................................... 7 1.1.2 Enfoque conductista ............................................................................... 8 1.1.3 Enfoque científico ................................................................................... 9 1.1.4 Enfoque de sistemas ............................................................................ 10 1.1.5 Investigación de operaciones (IO) ........................................................ 11
Eficiencia ......................................................................................................... 15 Eficiencia técnica ............................................................................................ 17 Eficiencia asignativa ........................................................................................ 19 Eficiencia técnica orientada a las entradas y orientada a las salidas ............. 21 Medición de la eficiencia ................................................................................. 22 Análisis envolvente de datos (DEA) ................................................................ 24 Modelos de análisis envolvente de datos ....................................................... 28
1.8.1 Modelo CCR o CRS ............................................................................. 28 1.8.2 Modelo BCC o VRS .............................................................................. 30 1.8.3 Orientación de los modelos .................................................................. 33 1.8.4 Orientaciones del modelo CCR o CRS ................................................ 34 1.8.5 Orientaciones del modelo BCC o VRS ................................................. 36
Sector porcícola mundial ................................................................................. 39 Características generales de los sistemas de producción porcinos en
Colombia .................................................................................................................... 45 DEA en el sector agropecuario y porcícola ..................................................... 50
2. Metodología .............................................................................................................. 57 Origen y área de estudio ................................................................................. 57
XII Evaluación de la eficiencia relativa de los sistemas de producción porcícolas del
departamento de Cundinamarca, utilizando análisis envolvente de datos (DEA)
Recolección y sistematización de datos ......................................................... 59 Caracterización de los sistemas productivos porcinos ................................... 61 Metodología DEA ............................................................................................ 64
3. Resultados ............................................................................................................... 67 Caracterización de los sistemas productivos porcinos del departamento de
Cundinamarca ........................................................................................................... 67 Medición y análisis de la eficiencia relativa .................................................... 78
3.2.1 Resultados DMU´s sistema ciclo completo .......................................... 79 3.2.2 Resultados DMU´s sistema levante y ceba ......................................... 87
4. Conclusiones y recomendaciones ......................................................................... 97 Conclusiones .................................................................................................. 97 Recomendaciones .......................................................................................... 99
A. Anexo: Encuesta de caracterización de sistemas de producción porcina ...... 103
Bibliografía .................................................................................................................... 115
Contenido XIII
Lista de figuras
Pág. Figura 1-1. Función de producción ................................................................................... 16
Figura 1-2. Eficiencia técnica ............................................................................................ 19
Figura 1-3. Línea de isocoste y eficiencia asignativa. ....................................................... 20
Figura 1-4. Eficiencia técnica orientada a las salidas y a las entradas. ............................ 22
Figura 1-5. Comparación método DEA y regresión. ......................................................... 25
Figura 1-6. Frontera de producción CCR eficiente. .......................................................... 30
Figura 1-7. Frontera de producción BCC eficiente. ........................................................... 32
Figura 1-8. Frontera de producción CCR y BCC eficientes. ............................................. 33
Figura 1-9. Modelo CCR orientado a las entradas. ........................................................... 35
Figura 1-10. Modelo CCR orientado a las salidas. ........................................................... 36
Figura 1-11. Modelo BCC orientado a las entradas. ......................................................... 37
Figura 1-12. Modelo BCC orientado a las salidas. ............................................................ 38
Figura 1-13. Sacrificio porcino en Colombia entre el año 2015 y 2019. ........................... 44
Figura 1-14. Consumo por persona año de carne de cerdo en Colombia entre el año 2015
y 2018. .............................................................................................................................. 44
Figura 1-15. Modelo de la Cadena Cárnica Porcina en Colombia. ................................... 49
Figura 2-1. Mapa de los municipios del departamento de Cundinamarca vinculados a la
investigación ..................................................................................................................... 59
Figura 3-1. Calidad de los agrupamientos ........................................................................ 69
Figura 3-2. Tamaño de los agrupamientos ....................................................................... 70
Contenido XIV
Lista de tablas
Pág.
Tabla 1-1. Modelo CCR orientado a las salidas y entradas, formulación primal y dual ... 35
Tabla 1-2. Modelo BCC orientado a las salidas y entradas, formulación primal y dual ... 36
Tabla 1-3. Producción mundial de carne perspectivas agrícolas 2016-2025 .................. 39
Tabla 1-4. Consumo mundial de carne por persona año perspectivas agrícolas 2016-
2025 .................................................................................................................................. 40
Tabla 1-5. Producción, consumo y consumo por persona de carnes entre países
miembro de la OCDE ........................................................................................................ 41
Tabla 1-6. Inventario de animales y predios porcinos en Colombia desde el año 2016 a
2018. ................................................................................................................................. 45
Tabla 1-7. Comparativo sistemas de producción porcina en Colombia .......................... 46
Tabla 3-1. Orientación productiva de las granjas porcícolas registradas en 3 regiones de
Cundinamarca y Zona rural de Bogotá D.C. ..................................................................... 68
Tabla 3-2. Nivel de importancia de los índices en los agrupamientos ............................. 70
Tabla 3-3. Clasificación de los índices o entradas según su importancia dentro de los
agrupamientos .................................................................................................................. 71
Tabla 3-4. Resumen del modelo DEA-VRS orientado a las salidas ................................ 79
Tabla 3-5. Índices de eficiencia relativa para sistemas de producción ciclo completo. ... 80
Tabla 3-6. Estadística descriptiva del modelo DEA-VRS orientado a las salidas DMU´s
ciclo completo ................................................................................................................... 81
Tabla 3-7. Rangos de eficiencia relativa y número de DMU´s por rango. ....................... 82
Tabla 3-8. Estadística resumen de la eficiencia relativa alta para DMU´s ciclo completo
.......................................................................................................................................... 83
Tabla 3-9. Estadística resumen de la eficiencia relativa media para DMU´s ciclo
completo ........................................................................................................................... 84
Tabla 3-10. Estadística resumen de la eficiencia relativa baja para DMU´s ciclo completo
.......................................................................................................................................... 86
Tabla 3-11. Índices de eficiencia relativa para sistemas de producción levante y ceba. 87
Tabla 3-12. Estadística descriptiva del modelo DEA-VRS orientado a las salidas DMU´s
levante y ceba. .................................................................................................................. 88
Tabla 3-13. Rangos de eficiencia relativa y número de DMU´s por rango. ..................... 89
Tabla 3-14. Estadística resumen de la eficiencia relativa alta para DMU´s levante y ceba
.......................................................................................................................................... 90
Contenido XV
Tabla 3-15. Estadística resumen de la eficiencia relativa media para DMU´s levante y
ceba .................................................................................................................................. 91
Tabla 3-16. Estadística resumen de la eficiencia relativa baja para DMU´s levante y ceba
.......................................................................................................................................... 93
Tabla 3-17. DMU´s ciclo completo eficientes por región del departamento de
Cundinamarca ................................................................................................................... 94
Tabla 3-18. DMU´s levante y ceba eficientes por región del departamento de
Cundinamarca ................................................................................................................... 94
Introducción
En la era actual la competencia en los mercados mundiales y las mayores expectativas de
los consumidores han obligado a las empresas a invertir y centrar su atención en la
necesidad de tener una mayor eficiencia en las operaciones. El pensamiento moderno de
gestión aboga por la colaboración entre diferentes actores y la capacidad de respuesta
ante las necesidades del mercado como un impulso adicional hacia una estrategia
competitiva adecuada. Recientemente, el interés de hacer gestión en la industria
agroalimentaria ha ido creciendo, tanto en países desarrollados como en desarrollo,
tomando conciencia de que una coordinación, integración y gestión exitosa de los procesos
determinará finalmente su éxito competitivo (Van der Vorst, Jack G.A.J. da Silva, Carlos A.
Trienekens, 2007).
La premisa básica de la teoría de la producción neoclásica es que cada productor es
completamente eficiente. Sin embargo, la realidad podría ser diferente, ya que, dada la
tecnología y las cantidades de entradas, la producción de salidas a menudo es menor de
la que se esperaba, de ahí la presencia de la ineficiencia que conduce a una menor
producción (ingresos), o un mayor costo y, en consecuencia, una menor ganancia.
Mirándolo desde un ángulo diferente, la ineficiencia es un desperdicio de recursos y, por
lo tanto, es costoso tanto para un productor individual como para la sociedad en general.
Dado que la ineficiencia es un desperdicio de recursos, los entes gubernamentales a
menudo incentivan a los productores a mejorar su desempeño y penalizan a los
productores que son ineficientes en los diferentes sectores económicos agropecuario,
enérgico, servicios, entre otros (S C Ray, Kumbhakar, y Dua, 2015).
2 Introducción
El análisis de eficiencia en la política agropecuaria se basa a menudo en modelos de
soporte como los modelos de programación matemática (no paramétricos, no estocásticos)
o modelos econométricos (estocásticos, paramétricos). Estos modelos son muy útiles
como apoyo en la toma de decisiones porque brindan una orientación sobre cuáles son las
principales factores de producción y dan lineamientos de cómo es posible resolver los
problemas evidenciados. La frontera de producción determinista es un enfoque en el que
todas las observaciones están en un lado de la frontera y todas las desviaciones de la
frontera se atribuyen a la ineficiencia. El enfoque más popular para calcular la eficiencia es
técnica no paramétrica del análisis de envolvente de datos (DEA) basado en las
herramientas de programación lineal (Silva, Mendes, & Santos, 2013).
Esta tesis de investigación se desarrolló en el marco del proyecto Corredor Tecnológico
Agroindustrial Bogotá-Cundinamarca Derivado 2 (CTAD2), cuyo objetivo fue “Desarrollar
actividades de investigación, desarrollo tecnológico e innovación rural en el sector
agropecuario y agroindustrial que permita mejorar las condiciones de seguridad alimentaria
y nutricional, incrementar los niveles de productividad y competitividad y fortalecer las
economías campesinas y el abastecimiento de alimentos de Bogotá y Cundinamarca a
través de mecanismos de transferencia de tecnología”. Para lo cual se trabajó en los
siguientes dos aspectos: aumentar el nivel de implementación de resultados de
investigaciones realizadas para la cadena agropecuaria en este caso la porcícola, y
desarrollar metodologías eficientes para el cierre de “brechas tecnológicas” en el sector
agropecuario, con el fin de garantizar estructuras productivas eficientes en materia de
productividad, calidad y especialmente de desarrollo tecnológico.
Esta investigación está dividida en cuatro capítulos, en el primero se expone el marco
teórico comenzando por los enfoques seminales de la gestión de operaciones,
posteriormente se definen los conceptos de eficiencia y sus derivados, se describe la
metodología de análisis envolvente de datos (DEA) junto con el modelo desarrollado por
Charnes, Cooper y Rhodes (CCR o también denominado CRS (Constant Returns to
Scale)) y el modelo Banker, Charnes y Cooper (BCC o también llamado VRS (Variable
Returns to Scale)), con sus respectivas orientaciones a los insumos y a los productos. A
continuación se hace una breve descripción del sector porcícola mundial y nacional, para
finalizar el capítulo con estudios DEA en el sector agropecuario.
Introducción 3
En el segundo capítulo se desarrolla la metodología teniendo en cuenta el origen y área
de estudio, los métodos de recolección y sistematización de la información, la
caracterización de los sistemas de producción porcinos en el departamento de
Cundinamarca y la metodología DEA.
El tercer capítulo se compone de los resultados encontrados en la investigación en cuanto
a la caracterización de los sistemas de producción porcinos y los resultados obtenidos del
análisis y medición de la eficiencia para esos mismos sistemas de producción. Y en el
cuarto capítulo se encuentran las conclusiones y recomendaciones.
4 Introducción
Justificación
La medición y el monitoreo de la eficiencia de producción de las granjas porcinas es
importante con miras a hacer los ajustes apropiados para la mejora de la producción en la
agrocadena porcícola. Al determinar y luego analizar las granjas eficientes como puntos
de referencia, las granjas ineficientes pueden determinar qué cambios en el uso de los
recursos son necesarios para aumentar su rendimiento general y, en última instancia, su
rentabilidad. En la revisión de literatura realizada previa a esta investigación no se encontró
ningún trabajo realizado en Colombia, para el sector porcícola que involucre el análisis de
eficiencia ni relativa, ni económica, ni ambiental de la producción de carne de cerdo.
En otros subsectores del agro colombiano, se destacan estudios de medición de eficiencia
en el área pecuaria, el trabajo realizado por Gamarra (2004) denominado “Eficiencia
técnica relativa de la ganadería doble propósito en la Costa Caribe”; así mismo el de
Oviedo y Rodríguez (2011) llamado “Medición de la eficiencia técnica relativa de las fincas
asociadas a Coounión en Guasca Cundinamarca”; y finalmente el trabajo “Medición de la
eficiencia relativa de fincas ganaderas con servicio de asistencia técnica” realizado por
Contreras y Rodríguez (2017).
El presente trabajo busca caracterizar la cadena de producción de carne de cerdo y
contribuir a la identificación de determinados sistemas de producción eficientes a partir del
Introducción 5
análisis de eficiencia relativa o análisis envolvente de datos (Data Envelopment Analisys
(DEA), que podrían ser modelos a seguir para establecer planes de acción con las
instituciones de apoyo, públicas y privadas del sector agropecuario, buscando aprovechar
y atacar aquellas potencialidades y limitaciones que en el tema de productividad posee el
campo colombiano.
Pregunta de investigación
¿La medición y el análisis de la eficiencia relativa de los sistemas de producción porcícolas
puede ayudar a mejorar la competitividad y la productividad de la agroindustria del
departamento de Cundinamarca?
Objetivos
Objetivo general
Evaluar la eficiencia relativa de los sistemas de producción porcinos del departamento de
Cundinamarca mediante la metodología Data Envelopment Analysis DEA, con el fin de
determinar las mejores prácticas pecuarias y la forma como a partir de esto se podría
mejorar la productividad y competitividad dentro de la agrocadena porcícola.
6 Introducción
Objetivos específicos
Caracterizar los sistemas de producción porcícolas del departamento de
Cundinamarca.
Medir la eficiencia relativa de los sistemas de producción porcícolas del
departamento de Cundinamarca mediante DEA.
Identificar los sistemas de producción porcícola más eficientes, para aprovechar y
atacar aquellas potencialidades y limitaciones que ostentan cada uno de los
sistemas de producción porcícolas en el tema de productividad posee la
agrocadena de la carne de cerdo en el departamento de Cundinamarca.
Analizar y proponer acciones enfocadas hacia la gestión de los recursos y de los
productos para lograr el mejoramiento de los sistemas de producción porcícolas.
1. Marco teórico
La eficiencia en la gestión de operaciones
La gestión del proceso de trasformación de cualquier producto o servicio en una forma
eficiente y eficaz es tarea de la administración de operaciones en cualquier tipo de
organización. Para producir esos bienes o prestar los servicios se requiere una inversión
de capital, adquirir insumos, uso de maquinaria, tecnología y talento humano (Adam y
Ebert, 1991; Schroeder, Goldstein, y Rungtusanatham, 2011). Krajewki y otros (2008)
definen la administración de operaciones como el diseño, dirección y control sistemático
de los procesos que trasforman los insumos en productos o servicios para clientes internos
y externos.
A lo largo de la historia se han desarrollado diversos enfoques para explicar las funciones
de la administración de operaciones:
1.1.1 Enfoque funcional
Está fundamentado en la planeación, organización, dirección, coordinación y control de las
actividades de una organización. Este enfoque hace énfasis en la estructura y el
funcionamiento como medios para incrementar la eficiencia en las organizaciones lo cual
está basado en la teoría clásica de la administración la cual, dentro de los principales
autores está: Henry Fayol (1841-1925) fue el primero en sistematizar el comportamiento
8 Evaluación de la eficiencia relativa de los sistemas de producción porcícolas del
departamento de Cundinamarca, utilizando análisis envolvente de datos (DEA)
administrativo de las empresas, dividió en seis grupos las funciones esenciales de toda
organización sin importar su tamaño (Villalobos, Altahona, y Herrera, 2006):
Operaciones técnicas: relacionadas con la producción de bienes y servicios.
Operaciones comerciales: relacionadas con la compra, venta e intercambio.
Operaciones financieras: relacionadas con la búsqueda y gerencia de capitales.
Operaciones de seguridad: relacionadas con la protección y preservación de los
bienes y las personas.
Operaciones contables: relacionadas con los inventarios, registros, balances,
costos y estadísticas.
Operaciones administrativas: relacionadas con la planeación, organización,
dirección, coordinación y control.
Fayol (1981) menciona que la función administrativa cuenta con catorce principios que se
aplican con mayor frecuencia en todas las organizaciones, estos son: la división del trabajo,
la autoridad, la disciplina, la unidad de mando, la unidad de dirección, la subordinación de
los intereses particulares al interés general, la remuneración, la centralización, la jerarquía,
el orden, la equidad, la estabilidad del personal, la iniciativa, y la unión del personal.
1.1.2 Enfoque conductista
El enfoque conductista se fundamenta en las relaciones humanas, tiene en cuenta las
relaciones y del comportamiento interpersonales de la organización. Dentro de los
principales autores está: Max Weber (1864-1920) quien formuló la teoría de las estructuras
de autoridad la cual postulaba que las actividades de las organizaciones se basaban en
relaciones de autoridad, y describió un tipo ideal de organización llamado burocracia, este
sistema se caracterizaba por la división del trabajo, jerarquía definida, reglas y normas
detalladas y relaciones interpersonales. Las características puntuales de la estructura
burocrática ideal de Weber son: especialización laboral, jerarquía de autoridad, selección
formal, reglas y normas formales, impersonalidad y orientación profesional (Robbins,
2004).
1. Marco teórico 9
Dentro del enfoque conductista también está Mary Parker Follet (1868-1933) quien se
encuentra aún vigente debido a sus ideas humanistas en factores como la motivación, el
liderazgo, el poder y la autoridad. Follet consideraba que las organizaciones se deben
basar en la ética grupal más que la individual, el potencial de los individuos se materializa
a través del trabajo en grupo. El trabajo del gerente es armonizar y coordinar los esfuerzos
de los grupos de trabajo, la relación entre el gerente y los trabajadores debe ser una
sociedad apoyada en la capacidad y conocimientos de autoridad generados por el
liderazgo del gerente dentro del grupo de subordinados. También se encuentra Chester
Banard (1886-1961) quien al igual que Follet considera que las organizaciones están
compuestas por personas que establecen relaciones sociales, y que la principal función de
los gerentes es comunicar y estimular a sus subordinados, sin embargo, agregó que, los
administradores deben observar también el entorno de la organización para conservar un
estado de equilibrio, ya que toda organización depende de inversionistas, proveedores,
clientes y otras entidades externas, por lo tanto cualquiera que sea la eficiencia de la
producción de una organización, si el administrador no consigue un suministro de insumos
adecuado y no encuentra mercado para los productos o servicios producidos pone en
peligro la supervivencia de la organización (Robbins, 2004).
1.1.3 Enfoque científico
La administración científica, y de hecho toda la administración en general, se ha dedicado
a la creación de bienes o servicios, búsqueda de capitales, y generación de dividendos.
Para quienes controlan la industria (patrones) la administración les sirve para producir
capitales, y para los empleados la administración sirve para obtener mejores salarios. Sin
embargo, al tener como objetivo la creación de bienes y servicios útiles, la administración
científica no sirve al capital, ni al trabajo como tal, sino al consumidor de estos bienes y
servicios. Su objeto no es la escasez sino la abundancia, no los precios altos sino los
precios bajos. La filosofía económica de la gestión científica, por lo tanto, es la máxima
producción al mínimo costo. La técnica de gestión científica es la técnica de producción
eficiente y económica en términos de utilidad neta. Una aceptación de esta doctrina
económica, fue la revolución mental que Taylor buscó en el pensamiento tanto del capital
como del trabajo (Anderson, 1939).
10 Evaluación de la eficiencia relativa de los sistemas de producción porcícolas del
departamento de Cundinamarca, utilizando análisis envolvente de datos (DEA)
La máxima prosperidad para patrones y empleados solo se logra como resultado de la
máxima productividad de una organización, mediante el desarrollo de cada trabajador a su
estado de máxima eficiencia, para lo cual es necesario que cada trabajador realice la labor
adecuada a su capacidad natural, de la forma más eficiente posible (Taylor, 1981).
En la búsqueda de encontrar la “mejor manera” de organizar el trabajo basándose en las
observaciones Taylor desarrolló cuatro principios de administración científica:
Formular una ciencia para cada elemento del trabajo de un individuo. Reemplazo
de métodos empíricos.
Selección de personal, y después capacitar para formar al trabajador de tal forma
que desarrolle su máximo nivel de eficiencia.
Cooperación entre trabajadores para aumentar la productividad, ya que
antiguamente los intereses de patrones y empleados eran antagónicos.
División del trabajo y la responsabilidad equitativamente entre la administración y
los trabajadores.
1.1.4 Enfoque de sistemas
Está fundamentado en el uso de datos y técnicas cuantitativas (estadística, algoritmos)
para la toma de decisiones que faciliten el logro de los objetivos a través de la construcción
de modelos matemáticos. Los administradores de operaciones son principalmente
tomadores de decisiones dentro de un sistema de producción o de operación a través de
las funciones de la planeación que comprende todas las actividades que generan un curso
de un proceso, el control que se encarga de asegurarse que el desempeño global de la
organización suceda de acuerdo a lo planeado, y la organización que implica todas las
actividades que originan una estructuración de procesos y niveles de responsabilidad
(Adam y Ebert, 1991).
Los recientes avances en la gestión de operaciones han facilitado el desarrollo y la
aplicación de herramientas y técnicas en una amplia variedad de entornos. Además, la
disponibilidad de datos permite que los investigadores de gestión de operaciones puedan
1. Marco teórico 11
cerrar la brecha entre los modelos tradicionales y los enfoques modernos (Vijai, Somayaji,
Swamy, y Aital, 2017).
Este enfoque tiene en cuenta la toma de decisiones a partir de procesos de toma, selección
y utilización de la información con el fin de diseñar los lineamientos para mejorar la toma
de decisiones por parte de los administradores de operaciones. También se debe
considerar la identificación de los límites de la organización y su relación con el ambiente
externo, y al mismo tiempo que las interrelaciones entre los subsistemas internos de la
organización, para crear enfoques para predecir y explicar el comportamiento interno y
externo de la compañía. Por último se debe realizar una cuantificación de problemas y
decisiones para optimizar el conjunto de situaciones que se den dentro de la organización
con esto se pueden elaborar reglas y métodos para la toma de decisiones administrativas
(Adam y Ebert, 1991).
Sin embargo, lo anterior no garantiza el éxito operativo de la organización ya que, un
problema relacionado es que en la medida que aumentan la complejidad y la
especialización de las organizaciones es más difícil asignar los recursos disponibles a los
diferentes procesos de la manera más eficaz para la organización como un todo. Este tipo
de problemas y la necesidad de encontrar la mejor forma de resolverlos crearon el
ambiente propicio para el surgimiento de la investigación de operaciones (IO) (Ariza y
García, 2015).
1.1.5 Investigación de operaciones (IO)
El objetivo de la IO es la conducción y la coordinación de procesos en una organización.
La IO incluye un enfoque similar al que se aplica en las áreas científicas establecidas,
además está basada en la administración científica, y se utiliza para explorar los diversos
problemas que deben ser enfrentados. Una característica de la IO es que intenta encontrar
una mejor solución para el problema en cuestión dentro de muchas soluciones que pueden
considerarse como las mejores, teniendo en cuenta que el estudio de cada problema debe
llevar consigo de ser necesario todas las áreas funcionales de la organización y su solución
debe ser congruente con los objetivos generales de la misma (Hillier y Lieberman, 2010).
12 Evaluación de la eficiencia relativa de los sistemas de producción porcícolas del
departamento de Cundinamarca, utilizando análisis envolvente de datos (DEA)
En muchas ocasiones los gerentes han dependido casi por completo de su propia intuición
para solucionar los problemas que se presentan dentro de la organización, teniendo en
cuenta que la intuición está basada en experiencias pasadas, la retroalimentación de
resultados obtenidos y esta desprovista de un proceso analítico. Dado lo anterior, la
recomendación es que los tomadores de decisiones dentro de la organización establezcan
procesos de modelación de un “mundo simbólico”, abstrayendo los aspectos más
relevantes del problema real, para construir un modelo cuantitativo que represente la
situación (Epen, Gould, Schmid, Moore, y Weatherford, 2000).
Una vez el modelo ha sido construido, se deben analizar los resultados que provengan
exclusivamente de él y posteriormente relacionarlos con la situación real tomando en
cuenta factores que se hayan suprimido durante la fase de atracción. Con este conjunto
de resultados y análisis, más la experiencia e intuición del gerente entra en juego el juicio
administrativo lo cual conduce a la toma mejores decisiones, y aporte de conocimiento que
conllevan aun proceso de aprendizaje dentro de la organización (Epen y otros., 2000).
En la IO no se cuenta con una técnica general única para resolver todos los modelos que
puedan surgir en la práctica. En su lugar, el tipo y complejidad del modelo matemático
determina la naturaleza del método de solución por eso es útil contar con una taxonomía,
y una forma de organizar los datos para que se pueda ver el bosque antes de meterse en
él y de que los propios árboles impidan verlo, para lo cual los modelos se clasifican en
determinísticos y probabilísticos.
Los modelos determinísticos son aquéllos donde se supone que todos los datos
pertinentes se conocen con certeza. Es decir, en ellos se supone que cuando el modelo
sea analizado se tendrá disponible toda la información necesaria para tomar las decisiones
correspondientes, éstos pueden manejar situaciones complejas en las que hay muchas
decisiones y restricciones. En los modelos probabilísticos, o estocásticos, algunos
elementos no se conocen con certeza. Es decir, en los modelos probabilísticos se
presupone que algunas variables importantes, llamadas variables aleatorias, no tendrán
valores conocidos antes de que se tomen las decisiones correspondientes, y que ese
desconocimiento debe ser incorporado al modelo. Estos modelos tienden a reportar su
1. Marco teórico 13
mayor utilidad cuando intervienen en ellos muchas entradas inciertas y hay pocas
restricciones (Epen y otros., 2000).
Utilizando los métodos determinísticos o probabilísticos, la investigación de operaciones
permite mediante técnicas especializadas en una determinada área, con el fin de
comprenderla, analizarla, encontrar las soluciones óptimas a los problemas originados en
la actividad de la empresa, además de simular las diversas políticas, con lo cual se limitan
los riesgos de decisión y se contribuye a aumentar la productividad (Ariza y García, 2015).
La toma de decisiones es un aspecto esencial en la administración de operaciones.
Algunas decisiones son estratégicas y tienen consecuencias a largo plazo, también se
toman decisiones tácticas que son más estructuradas y rutinarias, con consecuencias a
corto plazo. La administración de operaciones a nivel de decisiones estratégicas es la
encargada de diseñar nuevos procesos, desarrollar de nuevas cadenas de valor que
relacionan a los clientes y proveedores externos con los procesos internos de la empresa.
También son los responsables de realizar la medición de los indicadores clave de
desempeño. En cuanto a decisiones tácticas la administración de operaciones participa en
el mejoramiento de procesos, mediciones de desempeño, administrar y planificar
proyectos, generar planes de producción, elección de personal, administrar inventarios e
insumos. Todas estas decisiones tienen un impacto estratégico porque afectan la eficiencia
de los procesos y productividad de la empresa (Krajewski y otros., 2008).
Rodríguez (2011), Schroeder y otros (2011) mencionan cinco conceptos clave, que al ser
sincronizados de modo adecuado con las demás funciones de la organización, la
administración de operaciones puede considerarse exitosa, los cuales son:
Proceso: este concepto establece las decisiones relacionadas con las instalaciones
usadas para la elaboración de un producto o servicio, como el manejo de personal
y las buenas prácticas de manufactura. Varias de estas decisiones se toman a largo
plazo y que requieren grandes inversiones de capital, por lo tanto, es importante
que el proceso de diseño de instalaciones y compra de maquinaria vaya de la mano
con la estrategia a largo plazo de la organización. Este es un proceso de mejora
continua para lo cual requiere la cooperación de la mano de obra y las ideas de
14 Evaluación de la eficiencia relativa de los sistemas de producción porcícolas del
departamento de Cundinamarca, utilizando análisis envolvente de datos (DEA)
todos los trabajadores. La función de operaciones es la que maneja a más recurso
humano y activos físicos que cualquier otra de la empresa.
Calidad: estas decisiones afectan la calidad de los bienes o servicios que se
producen para el interior y el exterior de la organización. La calidad debe estar en
todos los procesos de producción y debe incorporar a los administradores de todas
las funciones de la empresa con el fin de establecer las especificaciones de nuevo
productos, procesos o servicios.
Capacidad: las decisiones de capacidad van enfocadas al suministro la cantidad
adecuada de recursos en el momento y sitio adecuados. También está determinada
por decisiones a largo y a corto plazo; las primeras tienen que ver con el tamaño
de la infraestructura y equipos adquiridos por la empresa; las decisiones a corto
plazo se relacionan con dos aspectos: capacidad y mano de obra. En cuanto a la
capacidad se debe planificar la subcontratación de espacios o alquiler de
maquinaria extra. En cuanto a la mano de obra se deben gestionar nuevas tareas,
trabajos específicos y turnos extra con el fin de garantizar la demanda de productos
y mantener una fuerza laboral estable.
Inventario: las decisiones de inventario deben prever las incertidumbres de la
demanda de productos o servicios, para lo cual se emplean sistemas de control de
inventarios que deben garantizar la compra de insumos, proceso de producción,
inventario de producto terminado, y el flujo de materiales dentro de la empresa.
Fuerza de trabajo: esta administra el recurso humano de manera productiva y
humana, incluye la selección, contratación, capacitación, supervisión,
compensación y despido del personal.
Como se ha indicado, la administración de operaciones es un elemento fundamental en la
toma de decisiones dentro de las organizaciones, y mediante la investigación de
operaciones se pueden aplicar modelos cuantitativos utilizando algoritmos matemáticos
precisos. Se debe tener en cuenta que los modelos son una representación limitada de la
realidad y que brindan una concepción matemática optima a quien toma las decisiones, ya
que este último generalmente desea maximizar ganancias, rendimiento, eficiencia o
efectividad, o minimizar costos o tiempo (Epen y otros., 2000; Hillier y Lieberman, 2010)
1. Marco teórico 15
Eficiencia
Los indicadores son datos o información que sirven para conocer si la empresa avanza
hacia una mejoría o no. Los indicadores de desempeño de los procesos en una
organización permiten al administrador de operaciones ponderar la productividad actual de
un proceso y cómo cambia con el tiempo, la comparación de indicadores productivos entre
una empresa y otra se le denomina benchmarking (Chase y Jacobs, 2010).
Regularmente se tiende a confundir la eficiencia con la eficacia, esta última es cuando una
organización cumple o supera un objetivo preestablecido, sin embargo, el inconveniente
de tomar la eficacia como medida del rendimiento es que esta se basa únicamente en los
resultados de las salidas (productos) y no tiene relación con las cantidades de entradas
(insumos) utilizadas para producir la salida observada (Ray y Chen, 2015).
La medida de rendimiento más comúnmente utilizada y también la más fácil de entender
es la productividad, la cual es una medición de desempeño de las economías, industrias,
empresas y procesos. La productividad es la proporción entre el valor de los productos
dividido entre los valores de los insumos (Krajewski y otros., 2008; Ray y Chen, 2015).
𝑃𝑟𝑜𝑑𝑢𝑐𝑡𝑖𝑣𝑖𝑑𝑎𝑑 =𝑠𝑎𝑙𝑖𝑑𝑎𝑠
𝑒𝑛𝑡𝑟𝑎𝑑𝑎𝑠 (1)
Para medir la productividad se debe referir a la productividad total de los factores, los
cuales son todos los factores que involucran el proceso de producción. La productividad
solo es una medida absoluta de rendimiento de los factores de producción, basada en un
conjunto de posibilidades con las cuales es posible construir la frontera de producción, esta
frontera de producción es el número de salidas máximas alcanzables según el número de
entradas utilizadas. De otra parte la eficiencia indica si una organización está operando
sobre o por debajo de la frontera de producción, si opera sobre la frontera de producción
es una organización eficiente, si se encuentra por debajo de la frontera de producción la
organización es ineficiente (Coelli, Prasada Rao, O’Donnell, y Battese, 2005).
16 Evaluación de la eficiencia relativa de los sistemas de producción porcícolas del
departamento de Cundinamarca, utilizando análisis envolvente de datos (DEA)
El análisis de la productividad y la eficiencia están intrínsecamente vinculados. La
definición teórica de la eficiencia existe desde Koopmans T.C. quien la definió como las
posibilidades de producción para las cuales no es posible aumentar ninguna salida sin
aumentar simultáneamente cualquier entrada (Solow, 1952).
Posteriormente Farrell (1957) desarrolló índices de eficiencia basados en insumos, con
dos factores de producción, para producir un solo producto, en condiciones de
rendimientos constantes a escala; suponiendo que se conoce la función de producción
eficiente; es decir, la salida de una empresa perfectamente eficiente se podría obtener de
cualquier combinación de entradas. Posteriormente y a partir del trabajo desarrollado por
Farrell se generaron diversos tipos de eficiencias denominadas “eficiencia técnica”,
“eficiencia asignativa” y “eficiencia global” con el fin de medir y evaluar la "productividad
total de los factores" (Charnes, Cooper, Golany, Seiford, y Stutz, 1985; Førsund, 2018).
Según Hassen y otros (2017), la función de producción explica la relación técnica o física
entre la producción y los insumos. Específicamente, muestra la salida máxima que se
puede obtener de un conjunto dado de entradas. Los insumos son tasas de uso de
recursos y salida es la tasa de producción durante un período de tiempo específico. Sean
(x1, x2 ... xn) las entradas utilizadas en la producción de la salida y. La función de
producción se puede escribir como:
yi = f (x1, x2,……. .nn) (2)
La función de producción es el límite de un conjunto factores de producción. En la Figura
1-1 donde una entrada x se usa para producir una sola salida y el conjunto de producción
Q denota el conjunto de producción técnicamente factible (y, x), es decir, Q = (y, x). La
región bajo la curva y = f (x) en la Figura 1-1 representa el conjunto de producción.
Figura 1-1. Función de producción
1. Marco teórico 17
. Fuente: (Hassen y otros., 2017)
Las combinaciones de producción que maximizan y para una x dada o minimizan x para
una y dada son combinaciones técnicamente eficientes y constituyen el límite del conjunto
de producción Q = (y, x). Así, la función de producción y = f (x) es el conjunto de
combinaciones técnicamente eficientes, y todas las combinaciones técnicamente
ineficientes pertenecen al área bajo la curva de la frontera de posibilidades de producción
(Hassen y otros., 2017).
Eficiencia técnica
Como está establecido en la literatura, el crecimiento de la productividad se puede
descomponer en cambio tecnológico y eficiencia técnica (ET). Específicamente, la ET
puede interpretarse como una medida relativa de la capacidad de gestión para una
tecnología determinada. En otras palabras, los avances en ET se derivan de mejoras en
la toma de decisiones, que a su vez están relacionadas con una gran cantidad de variables
que incluyen conocimiento, experiencia y educación (Bravo-Ureta y otros., 2007)
La eficiencia técnica (ET) está definida como la capacidad que tiene una unidad de
producción, para obtener el máximo nivel de producto a partir del óptimo uso en las
cantidades de insumos (Farrell, 1957). También se puede entender como la combinación
factible de recursos y productos, en la cual es imposible aumentar algún producto o reducir
18 Evaluación de la eficiencia relativa de los sistemas de producción porcícolas del
departamento de Cundinamarca, utilizando análisis envolvente de datos (DEA)
algún recurso sin reducir simultáneamente al menos un producto o aumentar al menos otro
recurso, entendidos ambos como unidades físicas (Tolosa, 2013).
Según Førsund (2018), Farrell propuso un método para estimar una frontera de mejores
prácticas envolviendo los datos con una función lineal no paramétrica, imponiendo
isoquantes convexas con pendiente negativa y retornos constantes a escala (CRS). Esta
fue la forma de estimar una función de producción, la cual puede no ser la mejor si lo único
que se requiere es estimar una frontera, pero que "se eligió simplemente como la mejor
medida de eficiencia técnica". Para tener claridad en los conceptos, es necesario mostrar
gráficamente un ejemplo: La Figura 1-2 representa la producción de cuatro unidades
productivas (A, B, C, D), las cuales usan dos entradas (x1 y x2), y generan una salida (y).
Posteriormente está graficada la isocuanta SS´ que representa la frontera eficiente
construida a partir de las diferentes combinaciones posibles de valores de insumos, que
permitirían obtener una determinada cantidad de producto (Tolosa, 2013).
Las unidades productivas A y C se encuentran sobre la isocuanta SS´, por lo tanto son
técnicamente eficientes, mientras que las unidades productivas B y D por estar por encima
del área de la frontera eficiente son consideradas unidades técnicamente ineficientes, esto
indica que pueden reducir los valores de sus insumos para obtener la misma cantidad de
producto (Coelli y otros., 2005).
La ineficiencia de la unidades productivas B y D está dada por la distancia entre B´B y D´D
respectivamente. Si una unidad productiva tiene eficiencia técnica igual a 1, es
técnicamente eficiente, mientras que las unidades productivas que tengan valores
menores a 1 son técnicamente ineficientes (Hassen y otros., 2017). Tomando como
ejemplo el caso de la unidad productiva B. la eficiencia técnica se define como la distancia
relativa a la frontera eficiente manteniendo la salida constante, pero reduciendo el uso de
entradas proporcionalmente para alcanzar el punto B´ en la frontera, y está dada por la
siguiente expresión (Førsund, 2018; Parra, 2010):
𝐸𝑇𝐵 =𝑂𝐵´
𝑂𝐵 (3)
1. Marco teórico 19
Figura 1-2. Eficiencia técnica
Fuente: Parra (2010) y Tolosa (2013).
Eficiencia asignativa
Se necesita una medida en la cual una unidad productiva aparte de utilizar los diversos
factores de producción en las mejores proporciones, también deben tener en cuenta la
relación del uso de los factores de producción con los costos de producción (Farrell, 1957).
20 Evaluación de la eficiencia relativa de los sistemas de producción porcícolas del
departamento de Cundinamarca, utilizando análisis envolvente de datos (DEA)
Figura 1-3. Línea de isocoste y eficiencia asignativa.
Fuente: (Tolosa, 2013).
En la Figura 1-3 se ha graficado la línea de isocoste PP´. Esta línea representa la frontera
eficiente económica de producción, y su pendiente está dada por la relación de precios
entre los insumos x1 y x2. De acuerdo al enfoque dado por la eficiencia de precio, será
considerada como eficiente toda unidad que esté en capacidad de mantener los costos de
producción sobre la línea de isocoste. Como se puede ver en la Figura 1-3, solo la unidad
C cumple con esta condición por lo que es la única que se considera eficiente (Parra,
2010).
Si la unidad productiva A quisiera alcanzar la eficiencia en precio, deberá reducir los costos
de producción en que incurre en la distancia A´´ a A. Entonces la eficiencia asignativa de
la unidad productiva A es el cociente entre la distancia desde A a A´´, así 0A´´/0A. Al igual
que la eficiencia técnica, la eficiencia asignativa sólo toma valores entre 0 y 1, siendo
cualquier valor diferente de 1 una medida de ineficiencia asignativa (Farrell, 1957; Førsund,
2018; Tolosa, 2013).
1. Marco teórico 21
En general en este modelo, la eficiencia técnica puede definirse como la capacidad de la
unidad productiva para producir al máximo rendimiento dado un conjunto de insumos y
tecnologías disponibles. La eficiencia asignativa mide el éxito de la unidad productiva al
elegir las proporciones de insumos óptimos, es decir, donde la proporción de productos
para cada par de entradas es igual a la relación de sus precios en el mercado. El modelo
de función de frontera original introducido por Farrell (1957) utiliza la unidad eficiente
isoquanta para medir la eficiencia económica y para descomponer esta medida en
eficiencia técnica (ET) y eficiencia asignativa (EA). En el marco de Farrell, la eficiencia
económica (EE) es una medida de rendimiento general y es igual a:
EE = ET x EA (4)
Eficiencia técnica orientada a las entradas y orientada a las salidas
Según Kumbhakar y Wang (2015), la gestión de la producción es técnicamente ineficiente
si un nivel más alto de salidas es técnicamente alcanzable para las entradas utilizadas
(medida orientada a las salidas), o si el nivel de salida observado puede producirse
utilizando menos entradas (medida orientada a la entradas).
En la Figura 1-4, f (x) es la frontera de producción y el punto A es un punto de producción
ineficiente ya que se ubica debajo de la frontera de producción. Esa ineficiencia se puede
observar de dos formas: la primera es ver que con el nivel de entradas (x), se pueden
producir más salidas. La distancia AB muestra la cantidad de salida que se está perdiendo
debido a la ineficiencia técnica, y constituye la base a partir de la cual se puede medir la
ineficiencia técnica orientada hacia las salidas.
La segunda forma de ver por qué el punto A es ineficiente es reconocer que se puede
producir el mismo nivel de salidas (y) utilizando menos entradas, lo que significa que la
producción actual puede tener lugar en la frontera al reducir el uso de entradas. La
distancia entre AC representa la cantidad en la que se pueden reducir las entradas sin
reducir la salidas. Dado que este movimiento está asociado con la reducción de entradas,
22 Evaluación de la eficiencia relativa de los sistemas de producción porcícolas del
departamento de Cundinamarca, utilizando análisis envolvente de datos (DEA)
la distancia horizontal AC constituye la base para medir la ineficiencia técnica orientada a
entradas.
Figura 1-4. Eficiencia técnica orientada a las salidas y a las entradas.
Fuente: (Kumbhakar y Wang, 2015)
En la Figura 1-4 se muestra que las estimaciones de eficiencia están condicionadas por
tecnología dada (frontera de producción). Una combinación de entradas y salidas puede
parecer ineficiente para una tecnología, pero podría ser eficiente con respecto a otro tipo
de tecnología. La implicación para el análisis empírico es que, al estimar las eficiencias
técnicas de diferentes organizaciones, es importante que se estimen con respecto a la
tecnología común.
Medición de la eficiencia
La medición de la eficiencia productiva se ha desarrollado durante las últimas décadas
para convertirse en una línea de investigación importante dentro de los campos de la
economía, la ciencia de la administración y la investigación de operaciones (Førsund,
2018).
1. Marco teórico 23
La metodología de la función de frontera se ha convertido en una herramienta ampliamente
utilizada en el análisis de producción aplicada debido principalmente a su consistencia la
función de producción, ganancia o costo (es decir, con la noción de maximización o
minimización) (Bravo-Ureta y otros., 2007).
El análisis de eficiencia está compuesto por dos componentes: la frontera de eficiencia y
la función de distancia. Hay varias opciones para estimar los modelos de frontera de
eficiencia. Primero, los métodos se pueden dividir en métodos paramétricos y no
paramétricos y segundo lugar, los modelos de frontera pueden ser deterministas o
estocásticos (Kuosmanen y Kuosmanen, 2009).
En cuanto a los métodos paramétricos, éstos emplean las formas funcionales pre-
especificadas de las fronteras de producción (o fronteras de costos, funciones de distancia,
etc.). La estimación de los parámetros de interés se puede realizar econométricamente
(por medio de mínimos cuadrados ordinarios (MCO), máxima verosimilitud u otras técnicas
similares) o empleando programación matemática (programación lineal, programación
cuadrática entre otras posibilidades). Lo importante es que los parámetros estimados
pueden llevar diversos tipos de información: contribución de diferentes insumos, tipos de
costos, forma de las distribuciones de los puntajes de eficiencia, etc. Los métodos de
fronteras paramétricas más usados son el análisis de fronteras estocásticas (SFA por sus
siglas en ingles) y MCO. Por otro lado, están los métodos de frontera no paramétricas, los
cuales no requieren una especificación a priori de la forma funcional subyacente. De hecho,
a menudo se asume que estas fronteras son lineales por partes (o localmente lineales).
Como ejemplo de técnicas no paramétricas están el análisis de envolvente de datos (DEA
por sus siglas en ingles), análisis envolvente de datos estocástico semi-no-paramétrico
(StoNED por sus siglas en inglés) (Balezentis, 2014).
En cuanto a los modelos estocásticos de frontera, estos dividen la distancia total entre una
observación y una frontera en partes estocásticas, por lo tanto, generalmente se obtienen
puntuaciones de eficiencia más altas. Sin embargo, se requieren ciertas suposiciones con
respecto a la distribución subyacente de los puntajes de eficiencia. Como ejemplo de
fronteras estocásticas incluyen SFA, y StoNED. Los modelos deterministas, por otro lado,
atribuyen la distancia total entre una observación y una frontera a la ineficiencia o al ruido
aleatorio. En consecuencia, los puntajes de eficiencia pueden ser subestimados gracias a
24 Evaluación de la eficiencia relativa de los sistemas de producción porcícolas del
departamento de Cundinamarca, utilizando análisis envolvente de datos (DEA)
la influencia de los valores atípicos. Los modelos deterministas (desde el punto de vista
del análisis de eficiencia) son modelos MCO, mínimos cuadrados ordinarios corregidos
(MCOC), DEA, free disposal hull (FDH). (Bravo-Ureta y otros., 2007).
Análisis envolvente de datos (DEA)
El análisis envolvente de datos (DEA) es una herramienta cuantitativa y analítica con un
enfoque "orientado a los datos" para evaluar el desempeño de un conjunto de entidades,
firmas, organizaciones, empresas, etc., que para el caso se denominan Unidades de Toma
de Decisiones (DMU por sus siglas en inglés), que convierten múltiples entradas en
múltiples salidas (Cooper, Seiford, y Zhu, 2011; Santos, Negas, y Santos, 2013).
El DEA es un modelo de programación lineal, que establece una medida de eficiencia
relativa de un conjunto de DMU’s y determina el grado de desempeño de estas unidades
durante el proceso de transformación de insumos en productos, esto basado en la medida
universal de productividad.
Lo esencial es que las DMU’s tengan control sobre sus operaciones y que sean
comparables: que realicen esencialmente la misma tarea utilizando insumos (entradas)
similares para producir resultados (salidas) similares y que operen en condiciones
ambientales similares (Joro y Korhonen, 2015).
Durante los últimos 40 años se ha aceptado el DEA como una herramienta para medir
eficiencia y productividad dentro del campo de la ciencia e investigación de operaciones
en diferentes tipos de entidades (sin fines de lucro, gubernamentales, privadas, etc.) en
diferentes áreas de aplicación como son: energía, industria, banca, educación, salud, entre
otros en varios países (Emrouznejad y Yang, 2018).
El análisis envolvente de datos (DEA) se basa en técnicas de programación matemática.
La característica principal de los métodos DEA es que no requieren la especificación de
una forma funcional para la tecnología como es el caso de los modelos paramétricos. Sin
embargo, un inconveniente importante de estos métodos es que son deterministas y, por
1. Marco teórico 25
lo tanto, se ven afectados por observaciones extremas. Otra característica de los métodos
DEA es la sensibilidad potencial de los puntajes de eficiencia al número de observaciones
así como a la dimensionalidad de la frontera (Bravo-Ureta y otros., 2007).
Formalmente, DEA es una metodología dirigida a las desviaciones en el nivel superior en
la frontera de producción, en lugar de las tendencias centrales ajustadas en un plano de
regresión a través del centro de los datos como en las regresiones estadísticas (ver Figura
1-5). Por ejemplo, se puede considerar medir la eficiencia de una entidad comparada con
otra o, más precisamente, decir que una DMU es más eficiente que otra DMU. Esto se
logra de manera directa por DEA sin requerir suposiciones y variaciones explícitamente
formuladas que se requieren con otros tipos de modelos, como los modelos de regresión
lineal y no lineal (Cooper y otros., 2011).
La mayor ventaja del DEA es su flexibilidad, en el sentido de que impone condiciones
menos restrictivas sobre la tecnología de referencia (forma de la función de producción) y
también en cuanto a que se adapta a contextos multiproducto y multidisciplinario, incluso,
de ausencia de precios, con relativa sencillez (Olesen & Petersen, 2016). Otra ventaja del
DEA es que permite relacionar simultáneamente múltiples entradas con múltiples salidas,
pudiendo identificar cuales entradas (recursos-inputs) están siendo ineficientes (Charnes,
Cooper, y Thrall, 1991).
Figura 1-5. Comparación método DEA y regresión.
Fuente: Tomado de Rodriguez (2011)
26 Evaluación de la eficiencia relativa de los sistemas de producción porcícolas del
departamento de Cundinamarca, utilizando análisis envolvente de datos (DEA)
La eficiencia relativa en DEA concuerda con la siguiente definición: una DMU se debe
calificar como totalmente (100%) eficiente con base en la evidencia disponible, si y solo si
el rendimiento de otras DMU no muestra que algunas de sus entradas o salidas pueden
mejorarse sin empeorar algunas de sus otras entradas o salidas. Se debe tener en cuenta
que esta definición evita la necesidad de recurrir a valores, suposiciones o ponderaciones
que se seleccionan a priori y se supone que reflejan la importancia relativa de las diferentes
entradas o salidas. También evita la necesidad de especificar explícitamente las relaciones
formales que se supone que existen entre las entradas y las salidas. Sin embargo, este
tipo básico de eficiencia, denominado “eficiencia técnica” en economía, puede extenderse
a otros tipos de eficiencia cuando se tienen datos como precios, costos unitarios, etc., y
están disponibles para su uso con DEA (Cooper y otros., 2011).
Se puede establecer que el objetivo fundamental del DEA es medir la eficiencia y la
productividad de un conjunto de unidades que toman decisiones (DMU´s) mediante
indicadores; estos indicadores se pueden establecer tanto para las unidades que resulten
eficientes (iguales a 100%), como para las ineficientes con valores menores a 100%. En
este sentido, Rodríguez (2003) expresa que la finalidad del DEA es llegar a establecer,
dentro de un conjunto de DMU's cuales de ellas conforman el conjunto de unidades
eficientes (gráficamente se ubican en la superficie envolvente) y cuales son aquellas que
necesitan mejorar su desempeño (aquellas que no hacen parte de la frontera). Esto implica
que a nivel gerencial los beneficios de utilizar esta herramienta se puede observar en:
El establecimiento de un único indicador para cada unidad bajo estudio, contando
con una plataforma de estudio de múltiples entradas y múltiples salidas.
La identificación de las unidades ineficientes no solo en la determinación de esta
calidad, sino adicionalmente en el valor de esa ineficiencia (en términos
porcentuales).
La toma de decisiones para la reasignación de recursos teniendo como base los
resultados de los indicadores de eficiencia.
El establecer objetivos de eficiencia claros, concretos y medibles para cada unidad
bajo estudio.
El mejorar el proceso de toma de decisiones, puesto que se tiene una mejor
información respecto al comportamiento de cada unidad.
1. Marco teórico 27
El llegar a determinar en qué cantidad podría reducirse el consumo de recursos sin
que suponga una disminución en los niveles de producción.
El llegar a establecer en cuanto podría aumentar la producción de cada ítem sin
necesidad de incurrir en mayores consumos de recursos.
El modelo DEA recoge en un solo índice el conjunto de salidas de las DMU´s. Esto se
denomina índice de output virtual y, de forma simultánea, un índice de inputs virtual. Luego
combina en una sola relación el conjunto de factores utilizados en proceso productivo
mediante un sistema de ponderaciones y genera un valor para cada DMU. Este último
valor demuestra el nivel de eficiencia y asume valores entre 0 y 1, de tal manera que el
nivel 1 o 100% significa que una o más unidades son eficientes respecto al conjunto
estudiado; las demás DMU tomaran valores entre 0 (0%) y menores a 1, estas unidades
serán consideradas ineficientes. Entre más cercano a 0 sea el valor de una DMU, esta será
más ineficiente que las que indiquen valores cercanos a 1 (Rodríguez, 2011).
Como aspectos negativos de la metodología DEA, Rodríguez (2011) menciona que, al ser
una metodología de tipo determinístico la unidad ineficiente solo esta determinada por la
distancia entre la frontera ineficiente y su ubicación. También se pueden presentar casos
donde el resultado del índice de eficiencia no evalué todo el conjunto de entradas y salidas
debido a que toma valores extremos en la relación entradas versus salidas generando
DMU´s superiores al resto.
En el ámbito de la gestión de operaciones se conoce que los recursos son escasos, por lo
tanto, siempre se busca utilizarlos de la mejor manera. Para lo cual se tienen dos opciones;
la primera es mantener las salidas y disminuir el número de recursos utilizados, la segunda
es, aumentar las salidas con el mismo nivel de recursos que se están utilizando. Dado lo
anterior DEA permite manejar esta dos situaciones orientando los modelos a las salidas o
a las entradas (recursos) (Rodríguez, 2011).
28 Evaluación de la eficiencia relativa de los sistemas de producción porcícolas del
departamento de Cundinamarca, utilizando análisis envolvente de datos (DEA)
Modelos de análisis envolvente de datos
1.8.1 Modelo CCR o CRS
El primer modelo DEA en publicarse fue desarrollado por Charnes, Cooper, y Rhodes
(1978) y se denominó modelo CCR por las siglas de los apellidos de los autores,
actualmente se conoce como modelo CRS por su nombre en inglés Constant Returns to
Scale, y en español es conocido como retornos constantes de escala.
Cooper y otros., (2011) asumieron que para la formulación matemática se parte de la
consideración de un conjunto compuesto por n DMU´s, denotadas como DMU (j=l, . .. ,n);
las cuales utilizan recursos xij (i=l, ... ,m) y generan s outputs yrj (r=1, ... ,s). Si los
multiplicadores ῡi, ūr, asociados con i entradas y r salidas respectivamente son conocidos
teniendo en cuenta la teoría convencional beneficio/costo que es la base para la medida
estándar de la productividad; entonces la eficiencia ēj de DMUj se puede expresar como la
proporción (relación) de los pesos de las salidas y los pesos de las entradas, así:
∑ ū𝑟𝑦𝑟𝑗𝑟∑ ῡ𝑖𝑥𝑖𝑗𝑖
⁄
Charnes y otros., (1978) propusieron derivar apropiadamente los multiplicadores para que
cada DMU obtenga la solución particular al problema de programación no-lineal.
Específicamente si la DMU0 está bajo estudio, este modelo da la solución del problema de
programación fraccional para la medida de eficiencia técnica de esa DMU0:
𝑒𝑜 = max ∑ 𝑢𝑟𝑦𝑟0𝑟∑ 𝑣𝑖𝑥𝑖0𝑖
⁄
Sujeto a:
∑ 𝑢𝑟𝑦𝑟𝑗𝑟 − ∑ 𝑣𝑖𝑥𝑖𝑗 ≤ 0, para todo 𝑗𝑖 (5)
𝑢𝑟 , 𝑣𝑖 ≥ ℇ, para todo 𝑟, 𝑖
Donde ℇ es un valor no-arquimidian designado estrictamente positivo.
Posteriormente Charnes y otros., (1978) restringieron esta variable simplemente como no
negativa (ℇ = 0), la imposición de ser un valor positivo (ℇ > 0) fue introducida en el siguiente
1. Marco teórico 29
trabajo (Charnes, Cooper, y Rhodes, 1981), en este trabajo aplicaron la teoría de
programación fraccionaria de tal manera que interpretaron el siguiente modelo de
programación lineal:
𝑒𝑜 = max ∑µ𝑟𝑦𝑟0
𝑟
Sujeto a:
∑𝑣𝑖𝑥𝑖0 = 1
𝑖
∑ µ𝑟𝑦𝑟𝑗 − ∑ 𝑣𝑖𝑥𝑖𝑗 ≤ 0, ∀𝑗𝑖𝑟 (6)
µ𝑟 , 𝑣𝑖 ≥ ℇ para todo 𝑟, 𝑖
Por dualidad, el siguiente problema es equivalente al problema de programación lineal
(Santos y otros., 2013):
min 𝜃0 − ℇ (∑𝑠𝑟+ + ∑𝑠𝑖
−
𝑖𝑟
)
Sujeto a:
∑𝜆𝑗 𝑥𝑖𝑗 + 𝑠𝑖− = 𝜃0𝑥𝑖0,
𝑗
𝑖 = 1,… ,𝑚
∑ 𝜆𝑗 𝑥𝑟𝑗 − 𝑠𝑟+ = 𝑦𝑟0,𝑗 𝑟 = 1,… , 𝑠 (7)
𝜆𝑗 , 𝑠𝑖−, 𝑠𝑟
+ ≥ 0, ∀𝑖, 𝑗, 𝑟
𝜃0 sin restricción.
El problema (6) se conoce como la envolvente o problema primordial, y (7) el multiplicador
o problema dual. El espacio de restricción de (7) define el conjunto de posibilidades de
producción T (Cook y Seiford, 2009; Rodríguez, 2011), es decir:
𝑇 = {(𝑋, 𝑌)| 𝑋 ≥ ∑𝜆𝑗𝑋𝑗 , 𝑌 ≤
𝑗
∑𝜆𝑗𝑌𝑗 , 𝜆𝑗 ≥ 0
𝑗
}
En la Figura 1-6 se muestra la frontera de posibilidades de producción generada por la
aplicación del modelo CCR para el caso de una entrada y una salida.
30 Evaluación de la eficiencia relativa de los sistemas de producción porcícolas del
departamento de Cundinamarca, utilizando análisis envolvente de datos (DEA)
Figura 1-6. Frontera de producción CCR eficiente.
Fuente: Adaptado de Cook y Seiford (2009); Cooper y otros., (2011) y Rodríguez (2011)
1.8.2 Modelo BCC o VRS
Este modelo aparece posteriormente al CCR, es también conocido como modelo VRS
(Variable Returns to Scale). Banker, Charnes, y Cooper (1984) desarrollaron el modelo
BCC. Este modelo agrega una variable adicional (u0) al numerador, lo cual permite cambios
en los rendimientos variables de escala, esta variable adicional hace posible efectuar
evaluaciones de retornos a escala (constantes, crecientes y decrecientes) (Rajiv D Banker,
Cooper, Seiford, y Zhu, 2011; Cook y Seiford, 2009), es decir, cuando hay aumento
equitativo en todas las entradas y provoca un aumento más que proporcional en todas las
salidas a lo largo de la frontera de producción, prevalecen los rendimientos a escala
crecientes. De manera similar, los rendimientos a escala decrecientes se mantienen
cuando el aumento proporcional en los productos es inferior al aumento proporcional en
los insumos. En el caso de rendimientos constantes a escala, las salidas y entradas
aumentan (o disminuyen) en la misma proporción a lo largo de la frontera de producción
(Ray y Chen, 2015).
1. Marco teórico 31
El modelo de relación BCC difiere de (5), por medio de una variable adicional, es decir:
𝑒0∗ = max [∑𝑢𝑟𝑦𝑟0 − 𝑢0
𝑟
] / ∑𝑣𝑖 𝑥𝑖0
𝑖
Sujeto a:
∑𝑢𝑟𝑦𝑟𝑗 − 𝑢0 −
𝑟
∑𝑣𝑖 𝑥𝑖𝑗 ≤ 0, 𝑗 = 1,… , 𝑛
𝑖
𝑢𝑟 ≥ ℇ, 𝑣𝑖 ≥ ℇ, ∀𝑖, 𝑟 (8)
𝑢0 no está restringida en signo
Con su equivalente en programación lineal:
𝑒0∗ = max ∑µ𝑟𝑦𝑟𝑜 − µ0
𝑟
Sujeto a:
∑𝑣𝑖 𝑥𝑖0
𝑖
= 1
∑ µ𝑟𝑦𝑟𝑗 − µ0 − 𝑟 ∑ 𝑣𝑖 𝑥𝑖𝑗 ≤ 0, 𝑗 = 1,… , 𝑛𝑖 (9)
µ𝑟 ≥ ℇ, 𝑟𝑖 ≥ ℇ, ∀𝑖, 𝑟
µ0 irrestricta
Con su dual:
min 𝜃0 − ℇ (∑𝑠𝑖− + ∑𝑠𝑟
+
𝑟𝑖
)
Sujeto a:
∑𝜆𝑗 𝑥𝑖𝑗 + 𝑠𝑖− = 𝜃0𝑥𝑖0,
𝑗
𝑖 = 1,… ,𝑚
∑ 𝜆𝑗 𝑥𝑟0 − 𝑠𝑟+ = 𝑦𝑟0,𝑗 𝑟 = 1,… , 𝑠 (10)
∑𝜆𝑗 = 1
𝑗
𝜆𝑗 , 𝑠𝑖−, 𝑠𝑟
+ ≥ 0, ∀𝑖, 𝑗, 𝑟
𝜃0 irrestricta
32 Evaluación de la eficiencia relativa de los sistemas de producción porcícolas del
departamento de Cundinamarca, utilizando análisis envolvente de datos (DEA)
Se observa que (10) difiere de (7) en que tiene una restricción de adicional de convexidad
λj, es términos ∑ 𝜆𝑗 = 1𝑗 (Cook y Seiford, 2009; Rodríguez, 2011).
En la Figura 7 se observa el caso de VRS para una entrada y una salida, la frontera está
compuesta por la DMU A, C, E y H, las unidades B, D, G y F son ineficientes
Figura 1-7. Frontera de producción BCC eficiente.
Fuente: Adaptado de Cook y Seiford (2009); Joro y Korhonen (2015) y Rodríguez (2011)
Analizando los dos modelos se debe plantear que la DMU0 que está designada como
eficiente por el modelo CCR, entonces también será designada como eficiente por el
modelo BCC. Los modelos CCR y BCC difieren solo porque este último tiene la restricción
adicional ∑ 𝜆𝑗 = 1𝑗 . Por lo tanto, se mantiene la siguiente relación:
𝜃𝐶𝐶𝑅∗ − ℇ (∑𝑠𝑖
−∗ + ∑ 𝑠𝑟+∗
𝑠
𝑟=1
𝑚
𝑖=1
) ≤ 𝜃𝐵𝐶𝐶∗ − ℇ (∑𝑠𝑖
−∗ + ∑𝑠𝑟+∗
𝑠
𝑟=1
𝑚
𝑖=1
)
Donde las expresiones a la izquierda y derecha de la desigualdad, respectivamente,
designan valores óptimos para el objetivo de los modelos CCR y BCC (Rajiv D Banker y
otros., 2011). Lo anterior se representa en la Figura 1-8 integrada por las fronteras de
producción CCR y BCC para un conjunto de DMU´s. La frontera del modelo BCC eficiente
está conformada por las unidades A, C, E, y H; las unidades ineficientes son B, D, G, y F.
1. Marco teórico 33
Se observa en el segmento A hasta C, pero sin incluir el punto C constituye retornos de
escala crecientes, en el segmento (C-E) tiene retornos de escala constantes (estos puntos
forman parte de ambas fronteras de producción CCR y BCC), por último el segmento E
(sin incluir E) hasta H tiene retornos de escala decrecientes. Es decir todas las DMU´s
CCR eficientes también son BCC eficientes, pero no todas las DMU´s BCC eficientes son
necesariamente CCR eficientes (Cook & Seiford, 2009; Joro & Korhonen, 2015; Rodríguez,
2011).
Figura 1-8. Frontera de producción CCR y BCC eficientes.
Fuente: Adaptado de Cook y Seiford (2009); Joro y Korhonen (2015) y Rodríguez (2011)
1.8.3 Orientación de los modelos
Hay dos alternativas a considerar para medir la eficiencia relativa de una DMU que utiliza
un paquete de entradas (inputs) y produce el paquete de salidas (outputs), para esto se
usan los modelos CCR y BCC con un enfoque orientado a las salidas, que busca aumentar
las salidas sin intervenir los valores de las entradas; o se usa un enfoque con orientación
a las entradas, el cual trata de reducir las entradas para cada DMU sin variación en las
salidas, hasta que en cualquiera de los dos modelos y según su orientación se llegue a la
frontera de producción eficiente (Cooper y otros., 2011).
Teniendo en cuenta que se trabaja con n DMU´s que se quieren evaluar y que cada una
de ellas usan variadas cantidades de m diferentes recursos (inputs) para producir s
34 Evaluación de la eficiencia relativa de los sistemas de producción porcícolas del
departamento de Cundinamarca, utilizando análisis envolvente de datos (DEA)
diferentes salidas (outputs). Específicamente: DMUj consume Xj = {xij} cantidades de
entradas (i = l, ... , m) y produce Yj = {Yrj} cantidades de salidas (r = l , ... , s). Adicionalmente
se asume que xij > 0 y Yij > 0. La matriz s x n de salidas es denotada como Y. La matriz m
x n de entradas es denotada por X. Por lo tanto para lograr que una DMU ineficiente se
convierta en eficiente se realiza una proyección sobre la envolvente; dicha proyección será
denotada por (�̂�0, �̂�0), y dependerá del modelo empleado y más exactamente de la
orientación del modelo (Rodríguez, 2011).
Entonces DMU0 es CCR y BCC eficiente si ℇ > 0 tal que los valores optimos de
q0*=Z0*=𝜔0 ∗=1; de lo contrario, DMU0 es ineficiente. Si la unidad es CCR eficiente,
también es BCC eficiente, pero no al contrario.
θ: variable proporcional escalar de reducción aplicada a todos las entradas de la DMU0
para mejorar eficiencia.
ℇ: constante infinitesimal no-arquimidia, permite la minimización sobre θ.
𝑠+, 𝑠−: Variables de holgura.
1⃗ : Vector de unos.
1.8.4 Orientaciones del modelo CCR o CRS
Los modelos CCR orientados a entradas y salidas y sus modelos duales se resumen en la
Tabla 1-1. En la literatura de DEA, la formulación primal se denomina modelo multiplicador
(M) y la formulación dual como modelo envolvente (E). Se debe considerar que en el
modelo orientado a las entradas, el valor óptimo de θ en el modelo de envoltura es un
puntaje de eficiencia. En cambio, en la orientación de salida, el puntaje de eficiencia se
obtiene como un recíproco de σ en el óptimo (=1/σ). Teniendo en cuenta que, por lo
general, se obtienen diferentes puntuaciones de eficiencia al utilizar un modelo orientado
a la entrada y un modelo orientado a la salida. Sin embargo, la eficiencia de una DMU se
puede resolver con cualquier modelo.
1. Marco teórico 35
Tabla 1-1. Modelo CCR orientado a las salidas y entradas, formulación primal y dual
CCR orientado a las entradas (CCRM) CCR orientado a las entradas (CCRE)
max µ, v 𝜔0 = µT Y0
Sujeto a:
vT X0 = 1
µT Y − vT X ≤ 0
−µT ≤ − ℇ ∙ 1⃗⃖
−vT ≤ − ℇ ∙ 1⃗
min θ, 𝜆, 𝑠+, 𝑠− Z0 = θ − ℇ ∙ 1⃗ 𝑠+ − ℇ ∙ 1⃗ 𝑠−
Sujeto a:
Yλ − 𝑠+ = Y0
θX0 − Xλ − 𝑠− = 0
𝜆, 𝑠+, 𝑠− ≥ 0
CCR orientado a las salidas (CCRM) CCR orientado a las salidas (CCRE)
min µ, v q0 = vT X0
Sujeto a:
µT Y0 = 1
µT Y − vT X ≥ 0
µT ≥ − ℇ ∙ 1⃗
vT ≥ − ℇ ∙ 1⃗
maxφ, 𝜆, 𝑠+, 𝑠− Z0 = φ − ℇ ∙ 1⃗ 𝑠+ − ℇ ∙ 1⃗ 𝑠−
Sujeto a:
φY0 − Y𝜆 + 𝑠+ = 0
Xλ + 𝑠− = X0
𝜆, 𝑠+, 𝑠− ≥ 0
Fuente: Adaptado de Cook y Seiford (2009); Joro y Korhonen (2015) y Rodríguez (2011)
En la Figura 1-9 se muestra gráficamente el desplazamiento de las DMU´s ineficientes
hacia la frontera de producción, cuando se minimizan las entradas y se mantienen las
salidas
Figura 1-9. Modelo CCR orientado a las entradas.
Fuente: Adaptado de Cooper y otros; y Rodríguez (2011).
36 Evaluación de la eficiencia relativa de los sistemas de producción porcícolas del
departamento de Cundinamarca, utilizando análisis envolvente de datos (DEA)
La Figura 1-10 muestra cómo se optimizan las salidas de las DMU´s sin afectar las
entradas en el modelo CCR.
Figura 1-10. Modelo CCR orientado a las salidas.
Fuente: Adaptado de Cooper y otros; y Rodríguez (2011).
1.8.5 Orientaciones del modelo BCC o VRS
Tabla 1-2. Modelo BCC orientado a las salidas y entradas, formulación primal y dual
BCC orientado a las entradas (BCCM) BCC orientado a las entradas (BCCE)
max 𝜇, v 𝜔0 = µT Y0 + u0
Sujeto a:
vT X0 = 1
µTY − vTX + u0 ≤ 0
−µT ≤ − ℇ ∙ 1⃗
−vT ≤ − ℇ ∙ 1⃗
u0 libre en signo
min θ, 𝜆, 𝑠+, 𝑠− Z0 = θ − ℇ ∙ 1⃗ 𝑠+ − ℇ ∙ 1⃗ 𝑠−
Sujeto a:
Yλ − 𝑠+ = Y0
θX0 − Xλ − 𝑠− = 0
1⃗ 𝜆 ≥ 1
𝜆, 𝑠+, 𝑠− ≥ 0
1. Marco teórico 37
BCC orientado a las salidas (BCCM) BCC orientado a las salidas (BCCE)
min µ, v, v0 q0 = vT X0 + v0
Sujeto a:
µT Y0 = 1
−µTY + vTX + vo1⃗ ≥ 0
µT ≥ ℇ ∙ 1⃗
vT ≥ ℇ ∙ 1⃗
v0 libre en signo
maxφ, 𝜆, 𝑠+, 𝑠− Z0 = φ − ℇ ∙ 1⃗ 𝑠+ − ℇ ∙ 1⃗ 𝑠−
Sujeto a:
φY0 − Y𝜆 + 𝑠+ = 0
Xλ − 𝑠− = X0
1⃗ 𝜆 = 1
𝜆, 𝑠+, 𝑠− ≥ 0
Fuente: Adaptado de Rodríguez (2011); y Joro y Korhonen (2015).
En la Figura 1-11 se muestra gráficamente el desplazamiento de las DMU´s ineficientes
hacia la frontera de producción, cuando se minimizan las entradas y se mantienen las
salidas.
Figura 1-11. Modelo BCC orientado a las entradas.
Fuente: Tomado de Rodríguez (2011).
La Figura 12 muestra cómo se optimizan las salidas de las DMU´s sin afectar las entradas
en el modelo BCC.
38 Evaluación de la eficiencia relativa de los sistemas de producción porcícolas del
departamento de Cundinamarca, utilizando análisis envolvente de datos (DEA)
Figura 1-12. Modelo BCC orientado a las salidas.
Fuente: Tomado de Rodríguez (2011).
Mediante una revisión sistemática de literatura en las bases de datos Scopus y Web of
Science (WOS) del listado de recursos electrónicos de la biblioteca de la Universidad
Nacional de Colombia se formularon ecuaciones de búsqueda con las siguientes palabras
clave: "Technical efficiency", "Technical efficiency" AND "Data envelopment analysis" y
"Technical efficiency" AND "Data envelopment analysis" AND “farms”. Posteriormente
refinó la búsqueda limitando hacia las áreas de: administración, ciencias económicas,
investigación de operaciones, ciencias de gestión, negocios, política económica agrícola,
estudios ambientales, ingeniería agrícola, ciencias sociales interdisciplinarias, probabilidad
estadística, ciencias veterinarias, ciencia y tecnología de los alimentos, ciencia y tecnología
sostenible.
Por lo anterior, los estudios realizados en los últimos años utilizando la metodología DEA,
estos se basan en sostenibilidad ambiental y social, a través metodologías como son
modelos de DEA tradicionales, incluidos los modelos CCR y BCC, índice de productividad
Malmquist basado en la DEA, red DEA de dos etapas, eficiencia cruzada, supereficiencia,
marco de evaluación de factores contextuales de dos etapas que primero obtiene
puntuaciones de eficiencia a través del análisis de la DEA y luego las relaciona con
diversos factores contextuales, benchmarking, bootstrap y bootstrapping. Y los principales
campos de aplicación son; la agricultura, banca, manufactura, energía, las cadenas de
1. Marco teórico 39
suministro, el transporte, logística, y las políticas públicas (Emrouznejad y Yang, 2018; H.
Zhou, Yang, Chen, y Zhu, 2018).
Sector porcícola mundial
La producción mundial de carne ha venido en aumento durante los últimos años; la carne
de cerdo es la más producida a nivel mundial. La producción de carne de cerdo para el
año 2018 fue de 121.533,06 millones de toneladas y se proyecta producir 123.044,59
millones de toneladas (Mt) para el año 2019, seguida de la carne de pollo y bovina con
120.886,06Mt y 72.239,42Mt respectivamente Tabla 3 (OECD/FAO, 2016). La producción
mundial de carne aumentará en casi 40 Mt para el año 2026 y el crecimiento seguirá siendo
impulsado principalmente por la producción avícola que aumenta de 119 Mt a 132 Mt
(+13%), así como por la producción de carne de cerdo que crecerá de 121 Mt a 128 Mt
(+10%). Toda la producción anterior será jalonada por cuatro países productores de carne
China, Unión Europea, Estados Unidos y Brasil, ya que se estima que estos cuatro países
representen el 78% de la producción mundial de carne en el año 2019 (OECD/FAO, 2017).
Tabla 1-3. Producción mundial de carne perspectivas agrícolas 2016-2025
Commodity Año
2015 2016 2017 2018 2019
Carne de cerdo (cwe) 117.738,05 118.402,01 119.919,80 121.533,06 123.044,59
Carne de pollo (rtc) 112.981,34 115.192,35 117.629,86 119.321,35 120.886,06
Carne de bovino (cwe) 67.799,51 69.106,49 70.028,90 70.890,85 72.239,42
Carne de ovinos (cwe) 14.337,46 14.473,32 14.778,40 15.076,14 15.425,73
Total 312.856,36 317.174,17 322.356,96 326.821,41 331.595,79
Fuente: OECD-FAO Agricultural Outlook 2016-2025 (OECD/FAO, 2016).
En cuanto al consumo de carne de cerdo por persona año a nivel mundial este difiere
significativamente entre las distintas regiones del mundo, de acuerdo con costumbres
alimenticias y niveles de ingresos. Por lo anterior, el consumo de la carne de cerdo se
ubica en el segundo lugar con un valor de 12,49kg por persona año, después de la carne
de pollo con 13,86kg persona año (Tabla 1-4) (OECD/FAO, 2016). Sin embargo, se espera
40 Evaluación de la eficiencia relativa de los sistemas de producción porcícolas del
departamento de Cundinamarca, utilizando análisis envolvente de datos (DEA)
que para los próximos años el consumo de carne de cerdo por persona aumente con mayor
fuerza en términos absolutos en el mundo desarrollado (+2.9kg por persona), facilitado por
la disminución de los precios. Mientras que en los países en desarrollo existe una brecha
creciente que amplía la disponibilidad en 1.4kg por persona. Este menor aumento se refleja
en parte por las restricciones en el nivel de ingresos, problemas en la cadena de suministro
en algunas zonas (por ejemplo, falta de infraestructura para una cadena de refrigeración),
y, en algunas regiones, preferencias alimentarias en las que la proteína se obtiene de
fuentes no cárnicas. En los países menos desarrollados se espera que sumen 0.3 kg por
persona, debido al lento crecimiento de su ingreso disponible. El consumo por persona de
carne de cerdo se mantendrá en un estable crecimiento en todo el mundo para la próxima
década, pero se espera un fuerte aumento en las regiones y países en los que dicho
producto es popular, como en América Latina, Filipinas, Tailandia y Vietnam (OECD/FAO,
2018).
Tabla 1-4. Consumo mundial de carne por persona año perspectivas agrícolas 2016-2025
Commodity Año
2015 2016 2017 2018 2019
Carne de pollo (rtc) 13,48 13,65 13,78 13,83 13,86
Carne de cerdo (cwe) 12,48 12,43 12,43 12,46 12,49
Carne de bovino (cwe) 6,43 6,49 6,50 6,51 6,56
Carne de ovino (cwe) 1,71 1,72 1,73 1,75 1,77
Fuente: OECD-FAO Agricultural Outlook 2016-2025 (OECD/FAO, 2016).
A partir del año 2013 la Organización para la Cooperación y el Desarrollo Económicos
(OCDE) decidió iniciar la discusión sobre la adhesión de Colombia a este grupo. Para
entrar a este grupo se establecieron hojas de ruta en diferentes áreas como fueron;
agricultura, comercio exterior, asuntos fiscales, competitividad, economía y desarrollo,
educación, gobernanza publica, política ambiental, ciencia y tecnología, desarrollo
territorial, entre otros. En septiembre de 2013, el Comité de Agricultura de la OCDE
[Documento C(2013)110/FINAL] estableció los términos, las condiciones y el proceso de
adhesión (OECD, 2015). Para el caso de la carne de cerdo entre los países miembros del
1. Marco teórico 41
grupo de la OCDE, esta se ubica en el segundo lugar desde el año 2015 a 2019, para cada
una de las variables (producción, consumo y consumo por persona año) ver Tabla 1-5.
Tabla 1-5. Producción, consumo y consumo por persona de carnes entre países miembro de la OCDE
Commodity Año 2015 2016 2017 2018 2019
Variable
Carne de pollo
(rtc)
Producción
(Mt)
45.252,98 46.237,73 47.088,30 47.660,70 48.142,51
Carne de cerdo
(cwe) 41.644,57 41.963,61 42.061,55 42.393,43 42.749,59
Carne bovina
(cwe) 27.054,51 27.419,46 27.621,30 28.007,73 28.403,63
Carne ovina
(cwe) 2.700,56 2.622,67 2.633,02 2.649,86 2.688,09
Carne de pollo
(rtc)
Consumo
(Mt)
42.651,43 43.687,65 44.283,84 44.668,96 44.970,98
Carne de cerdo
(cwe) 39.103,66 39.398,78 39.391,81 39.636,81 39.921,52
Carne bovina
(cwe) 26.210,60 26.571,00 26.612,42 26.933,31 27.272,19
Carne ovina
(cwe) 2.003,00 2.002,77 2.001,51 2.001,93 2.007,46
Carne de pollo
(rtc)
Consumo
por persona
(kg)
28,58 29,12 29,38 29,50 29,56
Carne de cerdo
(cwe) 23,22 23,28 23,16 23,20 23,26
Carne bovina
(cwe) 13,97 14,09 14,04 14,15 14,26
Carne ovina
(cwe) 1,34 1,34 1,33 1,32 1,32
Fuente: OECD-FAO Agricultural Outlook 2016-2025 (OECD/FAO, 2016).
A partir de su ingreso a la OCDE, Colombia se comprometió a mejorar la productividad
agropecuaria. Una de las medidas más usadas de la productividad agropecuaria es la
42 Evaluación de la eficiencia relativa de los sistemas de producción porcícolas del
departamento de Cundinamarca, utilizando análisis envolvente de datos (DEA)
productividad total de los factores (PTF). La PTF toma en cuenta todos los recursos de
tierra, mano de obra, capital y materiales empleados en la producción agrícola y los
compara con la cantidad total de producción agrícola y ganadera. Si la producción total
crece más rápido que los insumos totales, entonces la productividad total de los factores
de producción (es decir, la productividad total de los factores) está aumentando. La OCDE
en el año 2015 estimó que la mayor parte del crecimiento de la PTF en el sector
agropecuario se origina en el sector ganadero, especialmente en la cría de cerdos y aves.
En Colombia, al igual que en otros países de América Latina, parece que la PTF ha sido
impulsada por el cambio tecnológico mejorando la eficiencia productiva (OECD, 2015).
El bajo crecimiento en la productividad agropecuaria en Colombia ha sido consecuencia
de diversos factores; por mencionar algunos: el alto costo del transporte debido a la mala
infraestructura vial que conecta las regiones productoras con los centros de consumo y los
puertos lo que eleva los costos comerciales; la política agropecuaria basada en subsidios
e intervención de precios al consumidor, restando inversión a infraestructura, investigación
y desarrollo; y por último, históricamente la distribución desigual de la tierra y la ilegalidad
sobre la tenencia de la misma perjudica la creación de nuevas zonas de producción a gran
escala (Olaberría, 2017).
Por lo tanto, la OCDE recomienda establecer estrategias en tres aspectos: a) reducir los
costos de transporte mejorando o invirtiendo en nuevas carreteras, especialmente en las
vías terciarias; b) seguir mejorando la infraestructura logística la cual es la clave para el
comercio nacional e internacional, y c) la resolución del conflicto armado deberá permitir
el acceso a la tierras baldías y trabajo con comunidades rurales con el fin de abastecer la
demanda local de alimento e ir mejorando la productividad de las distintas regiones del
país (OECD, 2015).
El sector agropecuario colombiano es clave en términos de producto interno bruto (PIB),
su participación es de casi el 7%, cuatro veces mayor que el promedio de la OCDE (1,6%),
y más alto que en los grandes países de América Latina. Del mismo modo, el empleo en
el sector agropecuario supera el 16% del total en comparación con el 6% en la OCDE
(Olaberría, 2017).
1. Marco teórico 43
Durante el año 2016 (enero – diciembre), el PIB agropecuario creció 2,0% respecto al año
2015. Para el año 2016, el valor agregado de la actividad económica “agricultura,
ganadería, caza, silvicultura y pesca” a la cual pertenece la porcicultura aumentó en 0,5%
comparado con 2015, explicado principalmente por el incremento de producción pecuaria
en 0,9% y cultivo de otros productos agrícolas en 0,6%. El valor agregado de la actividad
pecuaria se dio en mayor medida por el crecimiento en la producción de ganado porcino
en 10,4% (DANE, 2014; Perfetti del Corral, Prada Lombo, & Buitrago Hoyos, 2017).
Durante el año 2017 (enero – diciembre) el PIB agropecuario creció 1,8% respecto al
mismo periodo del año 2016. La actividad con mayor crecimiento fue “agricultura,
ganadería, caza, silvicultura y pesca”. Así mismo el valor agregado de esta rama aumentó
en 4,9% comparado con el mismo periodo de 2016, explicado principalmente por el
crecimiento de cultivo de otros productos agrícolas en 8,1% y en la actividad pecuaria,
caza y pesca en 4,1%, dado entre otros por el incremento en la producción de leche sin
elaborar en 11,0%; huevos con cáscara frescos en 7,9%; aves de corral en 5,7%; y ganado
porcino en 2,2%, en tanto la producción de ganado bovino disminuyó en 3,7% (DANE,
2018).
El PIB agropecuario creció 2,7% en el año 2018 respecto al año 2017. Para el año 2018,
el valor agregado de la “agricultura, ganadería, caza, silvicultura y pesca” creció 2,0%,
respecto al mismo periodo de 2017. Esta dinámica se explica por el aumento en los valores
de pesca y acuicultura, la cual creció en un 7,4% y la ganadería que creció en 3,6%. Para
este periodo no hay valores específicos en el ítem producción porcícola (DANE, 2019).
Aparte de las cifras anteriormente mencionadas, en Colombia hay otras entidades
encargadas de llevar los registros de producción porcícola las cuales son el Sistema
Nacional de Recaudo de la Asociación Porkcolombia – Fondo Nacional de la Porcicultura
(Porkcolombia – FNP) y del Instituto Colombiano Agropecuario (ICA). De acuerdo con
Porkcolombia (2017, 2019a) la producción de carne de cerdo en Colombia cerró el año
2018 con 409.789 toneladas (Tm), equivalente a 4.427.301 cabezas (cb) beneficiadas,
esta cifra equivale a un crecimiento del 8,7% respecto al año 2016 en el cual se
beneficiaron 4.070.372cb que representan 355.750Tm de carne de cerdo.
44 Evaluación de la eficiencia relativa de los sistemas de producción porcícolas del
departamento de Cundinamarca, utilizando análisis envolvente de datos (DEA)
Figura 1-13. Sacrificio porcino en Colombia entre el año 2015 y 2019.
Adaptado de: Análisis de coyuntura del sector porcicultor del año 2018 y perspectivas 2019 (Porkcolombia, 2019a)
En cuanto al consumo de carne de cerdo esta siguió ganando terreno frente a otras
proteínas de origen animal, especialmente la de bovino.
Figura 1-14. Consumo por persona año de carne de cerdo en Colombia entre el año 2015
y 2018.
Adaptado de: Análisis de coyuntura del sector porcicultor del año 2018 y perspectivas 2019 (Porkcolombia, 2019a).
3.622.430
4.070.372 4.135.990 4.427.301
4.840.880
1.000.000
1.500.000
2.000.000
2.500.000
3.000.000
3.500.000
4.000.000
4.500.000
5.000.000
2015 2016 2017 2018 2019
Nú
mer
o d
e ca
bez
as
Año
Sacrificio porcino nacional
7,8
8,5
9,2
10,3
5
6
7
8
9
10
11
2015 2016 2017 2018
kg
po
r hab
itan
te
Año
1. Marco teórico 45
Para el año 2018 Colombia contó con una población porcina de 5.507.374 de animales,
distribuidos en 239.199 predios, lo que refleja un incremento tanto de población como de
predios porcícolas (Tabla 1-6). Estos animales se encuentran localizados principalmente
en los departamentos de Antioquia (33,69%), Cundinamarca (9,78%), Córdoba (6,90%) y
Valle del Cauca (5,65%); en estos departamentos se concentra cerca del 56,02% de la
población porcina nacional. Esta información, aunada a los flujos de movilización y al
diagnóstico de enfermedades, se convierte en una herramienta esencial para el diseño de
los programas productivos y sanitarios que involucran a esta especie (ICA, 2019).
Tabla 1-6. Inventario de animales y predios porcinos en Colombia desde el año 2016 a 2018.
Departamento
Año 2016 Año 2017 Año 2018
Número de
animales
Número de
predios
Número de
animales
Número de
predios
Número de
animales
Número de
predios
Antioquia 1.753.388 23.656 1.733.529 20.817 1.855.405 18.698
Cundinamarca 517.939 21.639 484.888 15.487 538.678 9.086
Córdoba 157.516 26.549 367.737 40.552 380.210 41.397
Valle del Cauca 416.784 2.732 310.392 1.768 311.394 2.232
Otros 2.249.037 144.122 2.430.914 156.259 2.421.687 167.786
Total 5.094.664 218.698 5.327.460 234.883 5.507.374 239.199
Fuente: Tomado de Censo Pecuario Nacional desde 2016 a 2018. Instituto Colombiano Agropecuario (ICA)
(2017, 2018, 2019)
Características generales de los sistemas de producción porcinos en Colombia
En el “enfoque de sistemas de producción” para la investigación y extensión agropecuaria,
se considera que un sistema agropecuario comprende la totalidad de las decisiones de
producción y consumo tomadas en una finca-granja, tales como la selección de cultivos y
animales, por lo cual ninguna finca hace el mismo uso de recursos, ni tiene los mismos
problemas. Dado lo anterior cada administrador o dueño de la finca debe tomar decisiones
únicas para su sistema de producción. Habitualmente, se aplican metodologías como
sondeos, evaluación rápida o por ubicación geográfica para agrupar o intentar
homogenizar los sistemas de producción agropecuarios, estas metodologías establecen
46 Evaluación de la eficiencia relativa de los sistemas de producción porcícolas del
departamento de Cundinamarca, utilizando análisis envolvente de datos (DEA)
principios, criterios, métodos y técnicas comunes para la tipificación agropecuaria, y para
especificar la clasificación tipológica y regional de la agricultura mundial (Köbrich, Rehman,
y Khan, 2003). Los sistemas de producción porcinos en Colombia se pueden caracterizar
y agrupar en la siguiente (Tabla 1-7).
Tabla 1-7. Comparativo sistemas de producción porcina en Colombia
Tecnificado Tradicional Traspatio
Los cerdos provienen de
casas genéticas nacionales
Animales adquiridos en
ferias o mediante selección
dentro de la misma granja
Cerdos criollos o con alta
variabilidad genética
Cuentan con un manejo de
registros sanitarios,
productivos y económicos
Se llevan algunos registros
productivos y sanitarios No se llevan registros
Comercialización directa de
los cerdos con los
comercializadores
mayoristas y/o minoristas
Comercialización a
intermediarios en plantas
de sacrificio o ferias
ganaderas
No se comercializan
(autoconsumo)
Control estricto de la
bioseguridad de la granja
Control parcial de la
bioseguridad de la granja No hay control
Alimentación a base de
concentrados comerciales y
premezclas con registro
sanitario, acorde a la etapa
productiva de los cerdos
Uso de concentrado
comercial y desechos de
cosechas para la
alimentación de los cerdos
Los cerdos son alimentados
con productos y residuos
agrícolas obtenidos en la
misma finca. Algunos son
alimentados con lavazas o
residuos de restaurantes,
hoteles, etc.
Infraestructura adecuada
para cada etapa productiva,
los cerdos se mantienen en
confinamiento procurando
generar un ambiente
controlado
Infraestructura para semi-
confinamiento. Se cuenta
con instalaciones para
algunas etapas productivas
Infraestructura rustica, con
materiales no adecuados, o
al aire libre.
1. Marco teórico 47
Tecnificado Tradicional Traspatio
Implementación de buenas
prácticas porcícolas, de
bienestar animal, control de
plagas y roedores, aseo y
desinfección y manejo
ambiental de residuos, etc.
Se implementan algunas
buenas practicas porcícolas No se implementan normas
Agrupamiento de los cerdos
de acuerdo a su etapa
productiva (lactancia,
precebos, ceba, hembras
gestantes, hembras en
lactancia, macho
reproductor)
Agrupamiento de los cerdos
según la infraestructura que
hay y el número de
espacios
No hay agrupamiento
Fuente: (Cárdenas Rincón, 2012; Sierra Gómez y Cuesta Cantor, 2014)
Sumado a lo anterior y de acuerdo al objetivo productivo, las granjas porcícolas se
clasifican en (Cárdenas Rincón, 2012):
Granjas de cría: Sistemas de producción dedicados a la producción de lechones
con pesos entre los 5 – 30 kg (dependiendo del tipo de destete), para ser vendidos
a otros sistemas de producción dedicados al levante y ceba.
Granjas de levante y ceba: Sistemas de producción que adquieren cerdos
destetados o en precebo con un peso entre 20 – 30 kg los cuales se alimentan
hasta adquirir un peso final de 100 – 115 kg para sacrificio.
Granjas de ciclo completo: Las cuales integran los procesos de cría, levante y ceba,
el objetivo de este tipo de granjas es tener el control de todo el sistema desde el
nacimiento de los lechones hasta su salida a sacrificio. Habitualmente se cuenta
con áreas separadas para los periodos de gestación y lactancia de las hembras
reproductoras, y otra área para el engorde de los cerdos destinados a la
comercialización cuando logren un peso entre 100 – 115 kg.
En general el proceso inicia con la selección de la línea a utilizar en la reproducción (línea
materna o tipo carne) para la obtención de los lechones, donde es importante el control y
cuidado durante la gestación y el parto. Se considera que la etapa más crítica es la
48 Evaluación de la eficiencia relativa de los sistemas de producción porcícolas del
departamento de Cundinamarca, utilizando análisis envolvente de datos (DEA)
lactancia, pues aquí el lechón desarrolla su sistema inmunológico y de la ganancia de peso
durante esta fase depende el crecimiento en las demás etapas productivas. Una vez los
lechones tienen el peso ideal empieza la edad de levante (precebo), donde lo primero que
se hace es homogeneizar por grupos los cerdos con condiciones corporales similares, se
desparasitan, se alojan en corrales para evitarles estrés y favorecer su buen desarrollo. La
etapa de levante concluye aproximadamente a los 112 días de edad, cuando los cerdos
ya han alcanzado un peso de 60kg. Finalmente, la última etapa de los sistemas productivos
porcinos es la de engorde donde se favorece el suministro de alimento concentrado de
acuerdo con las cantidades recomendadas. Esta etapa finaliza cuando los cerdos vivos
han alcanzado un peso entre 100 y 115 kilos, ideal para el sacrificio (Galindo y Ramirez,
2018).
Los sistemas de producción porcícola están en el eslabón primario de la Cadena Cárnica
Porcina, a continuación se hace una descripción de cómo está estructurada esta cadena
(Figura 1-15) (Castellanos Méndez y otros., 2011; Galindo y Ramirez, 2018):
Suministro de insumos: definidos como los actores encargados de proveer o
abastecer de los insumos necesarios para la producción primaria, principalmente.
En este eslabón entran los proveedores de genética, de alimento concentrado, de
medicamentos y vacunas, de equipos y utensilios, y demás proveedores para las
granjas porcícolas.
Producción primaria: son los sistemas de producción encargados de obtener los
cerdos destinados para el sacrificio porcino, procesamiento de carne de cerdo y
consumo por parte de los seres humanos. Como se mencionó antes aquí entran
los tipos de granjas según el objeto productivo, principalmente las de ciclo completo
y de levante y ceba. En este eslabón es clave el factor humano que trabaja en las
granjas.
Comercio de animales en pie: definidos como los actores encargados de
comercializar animales en pie, adquiridos directamente en los sistemas de
producción y comercializados, con segmentos posteriores de la cadena.
Sacrificio animal: lo integran los actores encargados ofrecer el servicio del sacrifico
de los animales (plantas de beneficio y frigoríficos), para su posterior
comercialización en canal o despostada.
1. Marco teórico 49
Desposte: este eslabón agrupa los actores encargados de adquirir carne en canal
(comercializadores mayoristas y minoristas), para su posterior desposte, deshuese
y porcionado, con el fin de ser comercializada como carne en cortes o postas, con
el eslabón del comercio minorista, planta de procesamiento de cárnicos o
consumidor final.
Comercio mayorista: son los actores encargados de la comercialización de la carne
en canal o despostada con el eslabón de comercio minorista o planta de
procesamiento de cárnicos.
Comercio minorista: son los actores encargados de comercializar la carne en
cortes, directamente con el consumidor final.
Consumo: actor que demanda el producto en los diferentes canales de
comercialización, y a partir del cual se desarrolla el análisis de la cadena.
Figura 1-15. Modelo de la Cadena Cárnica Porcina en Colombia.
Fuente: Tomado de Agenda de Investigación y Desarrollo Tecnológico para la Cadena
Cárnica Porcina. Ministerio de Agricultura y Desarrollo Rural (Castellanos Méndez y
otros., 2011).
50 Evaluación de la eficiencia relativa de los sistemas de producción porcícolas del
departamento de Cundinamarca, utilizando análisis envolvente de datos (DEA)
DEA en el sector agropecuario y porcícola
Dentro de cualquier sector económico, las decisiones estratégicas apropiadas deben
derivarse de un análisis integrado del entorno multifacético. En particular, el sector
agropecuario concentra la atención, ya que recibe una gran cantidad de recursos públicos
y, por otro lado, está sujeto a numerosas regulaciones. El punto de referencia es de
importancia crucial para la toma de decisiones con respecto al desarrollo agrícola
sostenible. Un resultado prospectivo de las decisiones correctas tomadas es el aumento
de la eficiencia productiva, cuyos beneficios generan menores costos junto con mayores
ganancias en lo que respecta al productor y precios más favorables para los actores de la
cadena de agropecuaria (Samarajeewa, Hailu, Jeffrey, y Bredahl, 2012).
Las evaluaciones de la eficiencia relativa del sector agropecuario han sido de particular
interés por varias razones. Primero, la mayoría de productores son propietarios de tierras
y habitan en sus fincas, por lo tanto, no se puede suponer que por permanecer en esas
tierras manejan de forma eficiente sus producciones, y que mantienen una actividad
constante en el mercado agropecuario. En segundo lugar, existe una amplia gama de
intervenciones políticas, como programas de educación, capacitación y extensión, que
deberían resultar en un aumento de la eficiencia productiva. En tercer lugar, las cuestiones
políticas relacionadas con la ubicación, infraestructura y tamaño óptimo de las fincas son
de gran importancia. Por último, en cuarto lugar, toda la producción agropecuaria está
sujeta a incertidumbre, pero los riesgos en este sector económico son particulares e
importantes. Los parámetros productivos pueden verse afectados por los cambios
climáticos, la presencia de plagas, enfermedades fitosanitarias y zoonoticas, problemas de
orden público, entre otros factores. Por lo tanto, lo anterior puede derivar en diferencias en
los niveles de eficiencia de los diferentes productos en el sector agropecuario (Nauges,
O’Donnell, y Quiggin, 2011).
Así que existe la necesidad y la oportunidad de un enfoque conjunto entre los actores del
mercado para el establecimiento sistemas de producción más eficaces y eficientes. Esto
es especialmente cierto en la industria agroalimentaria, debido a las limitaciones en cuanto
a precios y cantidades de materias primas, vida útil de los alimentos y productos agrícolas
1. Marco teórico 51
y la mayor atención del consumidor a los métodos de producción seguros y respetuosos
con el medio ambiente y con los animales (Perez, Castro, Simons, y Gimenez, 2010).
Junto con lo anterior, los productores se han enfrentado a desafíos operativos cada vez
más competitivos y rigurosos en la última década, debido a la liberalización del comercio
agrícola mundial y a la volatilidad de los precios de los ingredientes para la elaboración de
alimentos para animales, lo que genera dificultades para controlar los costos de
alimentación y la planificación hacia el futuro. Con estos desafíos, el sector agropecuario
necesita mejorar su eficiencia operativa para una mayor productividad y rentabilidad.
(Backus y Dijkhuizen, 2002).
Por medio de la revisión sistemática de literatura en las bases de datos Scopus y Web of
Science (WOS) del listado de recursos electrónicos de la biblioteca de la Universidad
Nacional de Colombia se establecieron las siguientes ecuaciones de búsqueda con las
palabras clave: "Technical efficiency" con la cual se obtuvieron 6.323 resultados en Scopus
y 3.867 resultados en WOS. Posteriormente se refinó la búsqueda a las áreas de
administración, ciencias económicas, investigación de operaciones, ciencias de gestión,
negocios, política económica agrícola, estudios ambientales, ingeniería agrícola, ciencias
sociales interdisciplinarias, probabilidad estadística, ciencias veterinarias, ciencia y
tecnología de los alimentos, ciencia y tecnología sostenible, lo que generó 5.077 resultados
en Scopus y 2.926 resultados en WOS. Después se estableció la ecuación "Technical
efficiency" AND "Data envelopment analysis", limitada por las mismas áreas
anteriormente mencionadas lo que dio como resultado 1.777 publicaciones en Scopus y
1.302 publicaciones en WOS. Por último se diseñó la ecuación de búsqueda: "Technical
efficiency" AND "Data envelopment analysis" AND “farms”, refinada por las mimas áreas,
dando como resultado 261 y 275 publicaciones para Scopus y WOS respectivamente.
Por lo anterior, durante los últimos años se han desarrollado diversos estudios de eficiencia
productiva usando la metodología de análisis envolvente de datos (DEA) en diferentes
especies en el sector agropecuario. Para el sub-sector agrícola se han realizado los
siguientes estudios: estudio de la eficiencia técnica y de escala en cultivos agracejo
(Mousavi-Avval, Mohammadi, Rafiee, y Tabatabaeefar, 2012). Comparación de los
sistemas de agricultura orgánica y convencional de cítricos en España desde la perspectiva
de la eficiencia técnica (Beltrán-Esteve y Reig-Martínez, 2014). Determinantes de la
52 Evaluación de la eficiencia relativa de los sistemas de producción porcícolas del
departamento de Cundinamarca, utilizando análisis envolvente de datos (DEA)
eficiencia técnica en el cultivo de piña (Idris, Siwar, y Talib, 2013). Así mismo, se examinó
el costo y la eficiencia en el uso de nutrientes de las arroceras y se determinamos el costo
de implementar un uso eficiente de recursos, traducido en menores costos de producción
y en un mejor desempeño ambiental (Thanh Nguyen, Hoang, y Seo, 2012).
En el sub-sector pecuario se han desarrollado diversos estudios aplicando la metodología
DEA para cada una de las especies, a continuación se mencionan algunos ejemplos para
bovinos, aves y peces.
En el caso de ganadería de leche Hansson y otros (2011), estudiaron cómo varias medidas
preventivas contra la mastitis como; la estimulación de las ubres antes del ordeño, el uso
de cama limpia y el control de las rutinas de higiene durante el ordeño, influyeron en una
mayor eficiencia técnica de una muestra de granjas lecheras especializadas en Suecia.
Por lo cual, estos resultados pueden ser tenidos en cuenta para servicios de asistencia
técnica, así como para mejorar el bienestar animal de las vacas.
En un estudio realizado en Azores (Portugal) para ganadería de leche se evaluó la
eficiencia técnica (ET) aplicando el análisis de eficiencia no paramétrica a una muestra de
122 hatos lecheros. El análisis utilizó DEA con modelos de escala a rendimientos
constantes y variables, con un enfoque de modelo orientado a las entradas. Se
consideraron relevantes dos productos (producción de leche (litros) y subsidios (euros)) y
tres insumos (área agrícola (hectáreas), número de vacas lecheras y costos variables
(alimentación y fertilizantes) y fijos (euros) (mano de obra, amortización de infraestructura,
maquinaria y alquileres)). Los resultados sugieren que la ET promedio es baja (66.4%) en
comparación con los datos de otras investigaciones, y solo nueve granjas lecheras (7,4%)
resultaron ser eficientes. Esto se da por que las granjas eficientes tienen menos costos de
producción por hectárea, esto incluye menos costos de alimentación y depreciación de
equipos (Silva, Arzubi, y Berbel, 2013).
También se han realizado análisis de eficiencia técnica utilizando DEA para ganadería de
carne. En la región del Caspio en Irán se evaluó la ET en hatos de engorde de ganado
utilizando técnicas paramétricas y no paramétricas como DEA, análisis de frontera
determinista (DFA) y el análisis de frontera estocástica (SFA), y se compararon los
1. Marco teórico 53
resultados de ET para cada una de las metodologías. Las entradas fueron: número de
terneros por finca, número de trabajadores por finca, ingesta de energía metabolizable
(Mcal), ingesta de proteína (kg), costos de higiene y tratamientos veterinarios (rial), y
ganancia de peso por animal por finca (kg). Y la salida fue: ganancia de peso total durante
la vida de los terneros por granja (kg). Los resultados indicaron que 11 de 70 granjas son
eficientes en la metodología DEA. En DFA y SFA, el número de granjas eficientes son 1 y
0, respectivamente. Por otra parte, el promedio de eficiencia técnica de las explotaciones
de DFA, SFA y DEA fueron, respectivamente, 0,5986, 0,6910 y 0,7221 (Ghorbani,
Amirteimoori, y Dehghanzadeh, 2010).
En el sector avícola de Bangladesh (India) se determinó la eficiencia técnica (ET),
eficiencia asignativa (EA) y la eficiencia económica (EE) del sistema de productivo avícola
independiente y por contrato, utilizando DEA bajo los modelos VRS y CRS. Los datos
fueron peso pollo de un día (kg), valor pollo de un día ($), cantidad de alimento suministrado
(kg), costo de alimentación (USD$), mano de obra (hombre-día), trabajo (USD$),
experiencia en la avicultura (años), valor promedio de producción (USD$) y valor pollo
finalización (USD$/kg). El estimado de los valores medios de eficiencia para ET, EA y EE
son 86%, 87% y 74% en los sistemas avícolas independientes y de 93%, 99% y 93% para
el sistema por contrato, bajo un modelo de frontera CRS-DEA respectivamente y para el
modelo VRS-DEA son valores de eficiencia de 91%, 89% y 81% para avicultura
independiente y 96%, 98% y 94% para avicultura por contrato. Estos resultados se dan por
que en el caso de las granjas independientes, los avicultores manejan sus producciones
por sí mismos sin ningún acuerdo contractual con un tercero, soportan todos los gastos de
producción por sí mismos y aceptan todos los riesgos y beneficios resultantes de sus
decisiones. Por otro lado, los avicultores por contrato tienen un acuerdo contractual con el
integrador para el suministro o compra de insumos, para el suministro o venta de productos
a precios predeterminados y también proporciona conocimientos y asesoría técnica a
través de un profesional (Begum, Alam, Buysse, Frija, y van Huylenbroeck, 2012).
Así mismo se han hecho estudios de eficiencia técnica usando metodología DEA en la
acuicultura. Un estudio realizado en Hawái (Estados Unidos), para el sector acuícola
estimó la ET de granjas acuícolas con la metodología DEA en el modelo de retornos de
escala variables (VRS) desde el año 1997 al 2007. Los resultados obtenidos en términos
de ET dieron que para el año 1997 la ET fue de 0,73 y disminuyó al 0.46 al año 2007, esto
54 Evaluación de la eficiencia relativa de los sistemas de producción porcícolas del
departamento de Cundinamarca, utilizando análisis envolvente de datos (DEA)
está dado por un uso ineficiente en el manejo de la mano de obra y del uso del suelo. Se
analizó el efecto del tamaño de la granja sobre la ET, y se obtuvo como resultado que las
granjas más pequeñas (ventas con menos de USD$ 10,000) y las granjas muy grandes
(ventas mayores a USD$1,000,000) son en promedio más eficientes que las granjas
comerciales de tamaño mediano a grande (ventas de USD$10,000 a USD$1,000,000). En
cuanto a las granjas que tenían trabajadores tiempo completo o parcial, los resultados
arrojaron que son más eficientes las granjas que tienen trabajadores tiempo completo. Por
último se analizó la ET según el sub-sector acuícola al que pertenecían las granjas
(crustáceos, bagres, ornamentales, moluscos y otros), encontrándose que las granjas que
cultivan bagre y ornamentales tienen los niveles más altos de eficiencia con un promedio
de ET de 0.96 y 0.85 (Arita y Leung, 2014).
También en la provincia de Guangxi (China) se realizó un análisis de la eficiencia técnica,
asignativa y económica utilizando DEA, para granjas de tilapia a pequeña escala. La
eficiencia técnica media (bajo CRS y VRS), asignativa y económica de las granjas de tilapia
a pequeña escala fue de 0.89, 0.97, 0.71 y 0.68, respectivamente, estos resultados indican
que los piscicultores podrían utilizar el mismo nivel de insumos para aumentar los ingresos
de producción en un 32% si hubieran estado operando con una eficiencia económica total
(Zongli y otros., 2017).
La estructura del sector porcino en la economía mundial está cambiando ya que en muchos
países el número de granjas porcinas se está reduciendo, mientras que el tamaño del
inventario animal de las restantes está aumentando. El proceso de producción porcina se
divide en diferentes fases con granjas especializadas dedicadas a la producción de
lechones, la cría y/o el engorde de cerdos. Las granjas porcinas han tendido a integrarse
y coordinar sus operaciones mediante el uso de vínculos de coordinación vertical más
estrictos (Calafat, Selva, y Medina, 2016).
La productividad de una granja porcícola se mide tradicionalmente mediante indicadores
clave de rendimiento o productividad por sus siglas en inglés (key performance indicators
KPI). Los KPI son la conversión alimenticia (kg de alimento por kg de aumento de peso
vivo), los costos de producción (pesos por kg de peso vivo producido), ganancia diaria de
peso, tasa de mortalidad, costo de los insumos (alimentación, medicamentos y vacunas),
1. Marco teórico 55
peso en kilogramos de cerdo en pie (precio de venta) (Van Meensel, Lauwers, y Van
Huylenbroeck, 2010).
Medir la eficiencia técnica y explicar sus determinantes son los primeros pasos hacia el
logro de ganancias productivas y económicas importantes y para seguir siendo
competitivos en los mercados actuales (Ruggiero, 2000). El análisis de los puntos de
referencia (mejores prácticas) puede conducir a ahorros sustanciales de recursos, con
importantes implicaciones para mejorar la gestión y, por lo tanto, la productividad de las
explotaciones porcinas (Mareth, Thomé, Scavarda, y Oliveira, 2017). Esta es una piedra
angular esencial para que la agroindustria desarrolle una ventaja competitiva sostenible y
permanezcan al frente de la excelencia. Para lograr una productividad eficiente, es
importante la evaluación del desempeño la agroindustria porcícola. Esto significa utilizar
los recursos combinados de proveedores, transformadores y clientes de la manera más
eficiente posible para ofrecer productos y servicios competitivos y rentables (Peng Wong y
Yew Wong, 2007).
Un estudio realizado en Estados Unidos por Tonsor y Featherstone (2009) estimó la
eficiencia técnica (ET), asignativa (EA), de escala (EE) y general (EG) de cinco tipos de
sistemas de producción porcinos (ciclo completo, de cría a precebo, de levante a ceba, del
nacimiento al destete y del destete al levante). Las variables de entrada y salida se
definieron en común para cada una de las cinco tipo de producciones porcícolas así: la
variable de salida fue producción de cerdos (cwt.), las variables de entrada fueron
alimentación (cwt.), mano de obra (horas pagadas y no pagadas), capital, y otras entradas
(insumos veterinarios, dotación, mercadeo, contrataciones personalizadas, combustible,
mantenimiento y servicios públicos). Los resultados para sistema productivo ciclo completo
fueron ET= 0.5176, EA= 0.7508, EE= 0.8189 y EG= 0.3255; para la cría a precebo ET=
0.7272, EA= 0.8753, EE= 0.8288 y EG= 0.5561; desde el levante a ceba ET= 0.5318, EA=
0.7468, EE= 0.7836 y EG= 0.3040; del nacimiento al destete ET= 0.6296, EA= 0.8262,
EE= 0.9546 y EG= 0.4912; y para los destetos al levante ET= 0.7403, EA= 0.7961, EE=
0.8826 y EG= 0.5217. Los valores de eficiencia bajos se dan especialmente en los
sistemas productivos “ciclo completo” y “levante a ceba” ya que cuentan con grupos etários
y procesos más heterogéneos, y también se ven afectados por un mayor valor a costos
relacionados con alimentación, insumos veterinarios, mantenimiento, entre otros.
56 Evaluación de la eficiencia relativa de los sistemas de producción porcícolas del
departamento de Cundinamarca, utilizando análisis envolvente de datos (DEA)
Según Galanopoulos y otros (2006) en Grecia, se podría lograr una reducción potencial
del 17% en el uso de insumos (capital, mano de obra, alimentación, otros gastos) siempre
que todas las granjas porcinas funcionen de manera eficiente teniendo en cuenta como
salidas los rendimientos brutos. Al utilizar las granjas eficientes como puntos de referencia,
las granjas ineficientes pueden determinar qué cambios en el uso de los recursos son
necesarios para aumentar su rendimiento general y, en última instancia, su rentabilidad (Y.
Zhou y otros., 2015).
En Holanda se ha investigado la eficiencia técnica y ambiental de las granjas de engorde
de cerdos, analizando también la contribución de las nuevas tecnologías actualmente
disponibles, pero aún no aplicadas, a la mejora adicional del desempeño técnico y
ambiental. Los resultados muestran que las granjas de engorde de cerdos tienen en
promedio, un alto nivel de eficiencia técnica general del 90%. Por su parte, el desempeño
ambiental se mide en niveles de Fósforo (P) y las emisiones de amoniaco (NH3). Los
resultados muestran que el desempeño ambiental en términos de exceso de P y emisiones
de NH3 es del 86%, lo que implica que las granjas de engorde de cerdos pueden reducir
estos productos en un 14%, mientras sigan produciendo la misma cantidad de cerdos. En
cuanto al uso de nuevas tecnologías, como nuevas técnicas de alimentación y nuevas
variedades genéticas que facilitan la deposición de proteínas en músculo, se generó una
mejora del 4% de la productividad global de las granjas. Finalmente, las nuevas
instalaciones repercutieron en una reducción adicional de las emisiones de NH3 en un 30%
y debido a la aplicación de nuevas técnicas, se logró reducir el exceso de P en un 30% y
la emisión de NH3 en un 20% (Lansink y Reinhard, 2004). Asmild y Hougaard (2006)
también demostraron cómo se pueden estimar los potenciales de mejora económica y
ambiental de las granjas de cerdos en Dinamarca.
Tian, Sun y Zhou (2015) analizaron la eficiencia técnica de la producción de cerdos en
China y concluyeron que puede mejorarse en un 40%, mediante la especialización, la
educación y la mejora de los indicadores de productividad. Finalmente, Labajova y otros
(2016) calcularon los índices de eficiencia técnica para cada insumo y examinaron la
relación entre "características específicas de la granja" y el tipo de producción (lechones,
levante y engorde) en Suecia.
2. Metodología
En este apartado se describe la metodología general y que se siguió para la elaboración
de la presente tesis de maestría
Origen y área de estudio
Esta tesis de investigación se desarrolló en el marco del proyecto Corredor Tecnológico
Agroindustrial Bogotá-Cundinamarca Derivado 2 (CTAD2), cuyo objetivo fue “Desarrollar
actividades de investigación, desarrollo tecnológico e innovación rural en el sector
agropecuario y agroindustrial que permita mejorar las condiciones de seguridad alimentaria
y nutricional, incrementar los niveles de productividad y competitividad y fortalecer las
economías campesinas y el abastecimiento de alimentos de Bogotá y Cundinamarca a
través de mecanismos de transferencia de tecnología”. Este proyecto fue financiado con
recursos del Sistema General de Regalías de la Secretaría de Ciencia Tecnología e
Innovación de la Gobernación de Cundinamarca y la Secretaría de Desarrollo Económico
del Alcaldía Mayor de Bogotá D.C. y se ejecutó entre abril de 2016 y diciembre de 2017.
El proyecto “Investigación, desarrollo y transferencia tecnológica en el sector agropecuario
y agroindustrial con el fin de mejorar las condiciones de productividad y competitividad de
Bogotá y Cundinamarca” contó con seis componentes que dieron respuesta a problemas
y obstáculos tecnológicos identificados a lo largo del sistema de producción
agroalimentario de los alimentos contemplados en la canasta que hace parte de los
programas de seguridad y soberanía alimentaria de Bogotá y Cundinamarca. Para la
formulación del proyecto se definieron criterios de priorización en localización y oferta
productiva de acuerdo a los productos que componen la canasta básica del plan de
abastecimiento. De allí se seleccionaron 36 productos agropecuarios que fueron objeto de
estudio. Para la selección, en primera medida, se contó con un número amplio de
58 Evaluación de la eficiencia relativa de los sistemas de producción porcícolas
del departamento de Cundinamarca, utilizando análisis envolvente de datos
(DEA)
productos que se caracterizaron por su alto valor nutritivo, funcional y/o potencial
productivo. Posteriormente, se evaluaron dos criterios para la selección final de los
productos como hortalizas, frutales, tubérculos, lácteos y cárnicos; los criterios fueron el
mayor consumo y/o mayor producción en Bogotá y Cundinamarca.
Se buscó que los consumidores se beneficiaran con mayores estándares de calidad e
inocuidad en productos saludables y nutritivos, mayores cantidades de productos
funcionales para la población más vulnerable. Para productores y agro-empresarios, se
buscó crear un sistema de producción con las mejores prácticas tecnológicas y mejorar las
condiciones de eficiencia productiva para entrar en nuevos mercados con programas de
trasferencia de tecnología que soporten la gestión en las unidades productivas.
La propuesta específica que incluyo el desarrollo de esta tesis fue orientada a desarrollar
tecnologías (paquetes tecnológicos) en los sistemas de producción pecuarios de cárnicos
de la especie porcícola que hace parte de la oferta productiva de la zona rural de Bogotá
y Cundinamarca. En particular, se ofrecieron actividades de investigación y desarrollo a
partir del trabajo en el territorio y con los diferentes actores de la cadena porcícola para
aumentar la oferta de productos en óptimas condiciones garantizando métodos de
implementación y transferencia tecnológica.
Para la ejecución de la tesis y según los términos de referencia de la convocatoria, se
trabajó bajo el concepto de investigación participativa a partir de un modelo de innovación
local. Este debía contar con la participación de mínimo 204 porcicultores, se establecieron
4 unidades (granjas) demostrativas, para realizar las actividades de investigación aplicada
y transferencia tecnológica. Se identificaron y seleccionaron las mejores granjas porcícolas
para la implementación de tecnologías con miras a aumentar su productividad y
comercialización de productos, así como el desarrollo de programas de buenas prácticas
pecuarias, bienestar animal y calidad de carne de cerdo. Todo lo anterior se desarrolló a
partir de las siguientes actividades enmarcadas en los términos de la convocatoria:
determinación de zonas de producción porcícola, diagnóstico del estado de las tecnologías
adoptadas en la producción porcina, evaluación de las mejores prácticas de producción
porcícola, planes de implementación y mejora en las granjas porcícolas.
2. Metodología 59
El departamento de Cundinamarca cuenta con 116 municipios, distribuidos en 15
provincias, en todas se encuentra algún tipo de explotación que pudo ser vinculada al
proyecto CTAD2, sin embargo, con la colaboración de la Secretaría de Agricultura y
Desarrollo Rural y de la Secretaría de Ciencia y Tecnología e Innovación de la Gobernación
de Cundinamarca se seleccionaron tres regiones, las cuales fueron Sumapaz (municipios
de Fusagasugá y Silvania), Tequendama (municipios de Tena, La Mesa, San Antonio y El
Colegio) y Oriente (municipio de Choachí). Para el área rural de Bogotá, se concertó con
la Secretaría de Desarrollo Económico de la Alcaldía Mayor de Bogotá, trabajar las zonas
rurales de las localidades de Chapinero y Santafé (Figura 2-1).
Figura 2-1. Mapa de los municipios del departamento de Cundinamarca vinculados a la investigación
Recolección y sistematización de datos
A partir de lo anterior se diseñó una encuesta para la caracterización de los sistemas
productivos porcinos (Anexo 1), lo que facilitó la recolección de datos sobre las
características demográficas, sociales, económicas, productivas y tecnológicas de las
60 Evaluación de la eficiencia relativa de los sistemas de producción porcícolas
del departamento de Cundinamarca, utilizando análisis envolvente de datos
(DEA)
granjas, con el fin de conocer su situación actual. La encuesta de caracterización de
sistemas productivos porcinos se dividió en nueve componentes principales, donde cada
uno de estos estaba compuesto por variables cuantitativas y cualitativas para la obtención
de información lo más precisa posible:
1. Características generales de la explotación: localización, orientación productiva,
información del propietario, información sobre el administrador, otras
características de la granja, formación de los trabajadores, años de operación de
la granja porcícola.
2. Instalaciones: tipo de alojamiento, número de jaulas, tipos de comedero,
alimentación, tipo de bebederos, entre otros.
3. Manejo: Prácticas de manejo que se le realizan a los lechones y cerdos, inventario,
parámetros reproductivos y productivos.
4. Ceba: procedencia, edad, peso inicial y final, duración en la fase.
5. Limpieza y desinfección: programa implementado y productos usados.
6. Programa sanitario: manejo de registros, área de almacenamiento de insumos
veterinarios, destino de cadáveres, manejo de vacunas.
7. Características genéticas de la población porcina: líneas genéticas empleadas,
procedencia de los machos y de las hembras, criterios utilizados para la adquisición
o cría de reproductores.
8. Gestión de excretas: sistema de compostaje y su capacidad, tratamientos
realizados, utilización como fertilizante, problemas sociales asociados.
9. Gestión técnico-económica: manejo de registros, uso de programas informáticos,
registros contables, costos de producción y venta de cerdos.
Al proyecto CTAD2 se vincularon porcicultores con diferente objetivo productivo, es decir,
granjas de cría, levante, ceba y/o ciclo completo de los municipios mencionados y se
tomaron los datos de la encuesta directamente en granja. Para la selección de los
productores se establecieron los siguientes criterios:
No se tuvieron en cuenta los predios con cerdos de traspatio ya que, estos
generalmente se utilizan para el autoconsumo de las familias que los poseen.
Validación de la información registrada en la encuesta de caracterización mediante
la visita a las instalaciones.
2. Metodología 61
Interés del porcicultor por participar en el proyecto CTAD2 manifestado mediante
la firma de la carta de participación como beneficiario.
Localización de las granjas dentro de los municipios de influencia.
Según los términos de referencia del proyecto CTAD2 se debía llegar a mínimo 204
productores porcícolas o unidades de toma de decisión (DMU´s).
La información obtenida en las encuestas de caracterización fue contenida en el sistema
de gestión de bases de datos Microsoft Access por facilidad y familiaridad por parte de los
encuestadores con el programa. El tratamiento y análisis estadístico de la información
recopilada se realizó con el paquete IBM® SPSS® Statistics v23.0, debido a la pertinencia
del programa para el análisis de los datos, al conocimiento del software, a la facilidad de
la importación-exportación de datos desde Microsoft Excel y Access, a su potencial de
análisis y su capacidad de generación de informes.
Para la aplicación de la metodología de análisis envolvente de datos se usó el software
PIM-DEAsoft porque es un software en constante actualización, cuenta con amplias
utilidades de manejo para conjuntos de datos muy grandes (por ejemplo, selección
automática de subconjuntos de unidades por categoría para lotes); permite la importación
y exportación de datos a Microsoft Excel.
Caracterización de los sistemas productivos porcinos
Para la caracterización de los sistemas productivos porcinos se partió de un marco teórico,
se seleccionaron las variables a nivel de cada sistema productivo, se realizó la aplicación
de las encuestas de caracterización con verificación de datos en cada granja, se aplicó
estadística multivariada de agrupamiento y por último se analizaron los datos obtenidos
(Germán y Berdegué, 1990).
El análisis por agrupamiento permite reducir el número de casos individuales (granjas) a
un número reducido de conglomerados (grupos o sistemas de producción), haciendo
posible el análisis de los mismos. Esta técnica agrupa las granjas que son similares dentro
del mismo grupo, maximizando la homogeneidad dentro de cada grupo y la heterogeneidad
entre los grupos, en base a la distancia que los separa (Hair, Black, Babin, y Anderson,
2014).
62 Evaluación de la eficiencia relativa de los sistemas de producción porcícolas
del departamento de Cundinamarca, utilizando análisis envolvente de datos
(DEA)
Los anteriores pasos se pueden trabajar en el paquete IBM® SPSS® Statistics v23.0 y es
denominado agrupamiento bietápico o de dos pasos y se aplica a distancias de medidas
que incluyen tanto variables categóricas como continuas que es el caso de la investigación
objeto de análisis.
Con uso del paquete IBM® SPSS® Statistics v23.0 para la implementación de técnicas
estadísticas multivariante, se agruparon los sistemas de producción porcina de acuerdo
con el tipo de prácticas pecuarias que prevalecen en estos para cada punto de la encuesta
de caracterización. A su vez, con el análisis de conglomerados se pretende lograr mayor
homogeneidad dentro de cada grupo o clúster formado y mayor heterogeneidad entre los
conglomerados. De acuerdo con lo anterior, primero se llevó a cabo la selección de
variables cualitativas y cuantitativas de mayor significancia, para formar e identificar los
grupos de granjas que presentan un comportamiento similar entre sí, y que difieren entre
los otros grupos o conglomerados.
Se seleccionaron en total 50 variables cualitativas y se construyeron índices tecnológicos
por cada componente del sistema productivo, mediante los cuales fue posible estimar el
grado de tecnificación de las granjas en cada uno. Estos índices son producto de la suma
de las variables que conforman cada componente.
A continuación, se presenta el sistema de calificación que se empleó para generar un
ponderado a las variables cualitativas. En este caso, se calificaron las variables para cada
componente con respecto al grado de cumplimiento de la legislación porcícola vigente
(Resolución ICA 20148 de 2016 y Resolución ICA 2640 de 2007). Se mantuvo la tendencia
de mantener una escala donde los valores cercanos a cero (0) definen prácticas pecuarias
ideales; y por el contrario, valores lejanos a cero (0) sugieren que el porcicultor tiene
prácticas deficientes en su sistema productivo. La amplitud de la escala de calificación
depende del número de ítems que se presentaron para evaluar cada variable (Téllez Iregui
y Moreno Vásquez, 2004).
Índice de bioseguridad: comprende el uso de cerca perimetral, sistema de
desinfección de vehículos, planes de desinfección de las instalaciones, control de
2. Metodología 63
ingreso y salida de la granja, plan de tratamiento de agua de consumo para los
cerdos y plan de control de plagas y roedores.
Índice de manejo animal: está compuesto por el método de castración, descolmille,
descole e inseminación, sistema de identificación de los cerdos, contar con una
programación de la granja, homogenización de lotes durante el levante y la ceba y
tipo de alimento para los cerdos.
Índice de infraestructura: lo conforma el tipo de piso, comederos, bebederos usados
en los corrales, si se cuenta con embarcadero y tanques de almacenamiento de
agua.
Índice de bienestar animal: lo constituye el tipo de elementos para mover los cerdos
dentro de la granja, y las densidades poblacionales en cada corral de acuerdo a la
fase productiva.
Índice manejo de residuos: lo forma el tipo de manejo que le da a la mortalidad, si
realiza actividades de procesamiento de excretas y lixiviados.
Índice de gestión técnico económica: aquí se tiene en cuenta el manejo de
registros, cómo almacena la información de la granja, si realiza gestión técnica,
económica y productiva, y si lleva registros contables.
Índice sanitario: que consta del registro, manejo y almacenamiento de insumos
veterinarios y área de cuarentena para los cerdos recién llegados.
Índice social: comprende experiencia en la actividad porcícola, dedicación
exclusiva de la granja a la porcicultura, tipo de asistencia profesional, proporción
de hombres y mujeres en la granja y grado de escolaridad.
Índice no tecnológico: este índice contempla variables que se consideran
importantes desde el punto de vista del investigador, pero que la legislación no los
contempla de manera directa, los cuales son: tipo de comercialización, realización
de ayuno previo al sacrificio de los cerdos y tipo de líneas genéticas usadas en la
granja.
Después de calificar cada característica y obtener los índices tecnológicos por
componente; se empleó una matriz de correlaciones para identificar el grado de asociación
entre las variables. Con este método, se analizó el nivel de significancia estadística de los
coeficientes vinculados con las variables independientes. En este caso se registraron
correlaciones entre los índices tecnológicos y los ítems que lo conforman, teniendo en
cuenta que estas características presentaron un nivel de significancia alto (p<0,05); de esta
64 Evaluación de la eficiencia relativa de los sistemas de producción porcícolas
del departamento de Cundinamarca, utilizando análisis envolvente de datos
(DEA)
manera se simplificó el número de características necesarias para el análisis de
conglomerados y se redujo el nivel de colinealidad entre las características. Para evaluar
y cuantificar la calidad de los agrupamientos que se generaron durante el análisis, se
empleó el coeficiente de silueta, mediante el cual fue posible estimar la cohesión y
separación dentro de los elementos que conforman un grupo y entre conglomerados.
Metodología DEA
Para el análisis de eficiencia relativa de los sistemas productivos porcinos en el
departamento de Cundinamarca se usó la técnica de frontera de análisis envolvente de
datos DEA, la cual se considera como un método primario para el análisis de la eficiencia
y productividad en el sector agropecuario, así como en otros sectores (Alvarez y Arias,
2004; Fallah-Fini, Triantis, y Johnson, 2014).
Para el desarrollo de esta investigación se usó la metodología DEA, modelo retornos
variables de escala (BCC-VRS) y orientado a las salidas el cual busca aumentar los
productos sin intervenir los valores de las entradas (insumos). Se tomaron en cuenta las
siguientes variables:
De entrada:
Área construida (m2): este ítem se considera importante ya que está ligado
directamente con el bienestar de los cerdos garantizando un área de confort
ambiental y sanitario, evitando el hacinamiento o la subutilización de espacios
(Campos Labbé, 2003).
Costo del alimento suministrado ($): Es bien sabido que los costos de alimentación
representan la mayor parte de los gastos totales de los sistemas de producción
porcinos así que la selección de la composición de la alimentación tiene un impacto
en los parámetros productivos, sanitarios y económicos de la granja (Chen, 2012;
Porkcolombia, 2019b).
Costo medicamentos y biológico usados ($): Las granjas porcícolas deben contar
con un plan de manejo sanitario que contempla acción, prevención, control y
declaración de enfermedades (Main y otros., 2014).
2. Metodología 65
Costo plan de aseo y desinfección ($): Mantener los estándares de higiene dentro
del sistema de producción reduce el riesgo de infecciones y la aparición de
enfermedades en los cerdos, esto favorece el la ingesta de alimento de los
animales lo que deriva en un mayor crecimiento (Jayaraman y Nyachoti, 2017).
Número de cerdos: El inventario de animales depende del objetivo productivo y es
importante para nivelar el consumo de recursos almacenados y para satisfacer la
demanda de animales que en ciertos periodos del año supera la capacidad de
producción (meses de noviembre y diciembre). Los cerdos son el insumo principal
de la producción, consumen otros insumos (alimento y mano de obra), a la vez son
un insumo intermedio acorde a la dinámica de producción, esta situación conduce
a un flujo de recursos/inventario en el sistema productivo que al final del proceso
se transforma en una salida (Fallah-Fini y otros., 2014).
Número de trabajadores: Dentro de la encuesta de caracterización del sistema
productivo se consultó si la granja contaba con personal empírico, técnico o
profesional para el manejo de los cerdos. Según Schroeder y otros (2011) este es
uno de los aspectos clave para la operación de cualquier organización, ya que se
debe contar con el personal calificado para gestionar nuevas tareas, trabajos
específicos y turnos extra con el fin de garantizar la demanda de productos y
mantener una fuerza laboral estable.
De salida:
Cantidad de fertilizante producido (kg) y valor de venta del fertilizante ($/kg): Uno
de los mayores problemas de los sistemas de producción porcinos es el manejo de
los desechos orgánicos de los cerdos (excretas), generando problemas
ambientales como son los malos olores y lixiviados (Asmild y Hougaard, 2006; Y.
Zhou y otros., 2015), por lo tanto se consultó sobre qué manejo y destino tenían
esas excretas dentro de la granja con el fin de mitigar el impacto ambiental y como
un ingreso monetario extra. Con esta investigación se quiere incentivar y analizar
el impacto tienen las prácticas de manejo ambiental realizadas en los sistemas de
producción porcícolas.
Número de cerdos al mercado e ingreso por venta cerdos ($/kg): el objetivo
productivo de las granjas que se vincularon a esta investigación era sacar cerdos
de un peso entre 105 y 115kg al mercado con el precio en pie dado por el
comprador.
3. Resultados
Caracterización de los sistemas productivos porcinos del departamento de Cundinamarca
La investigación se desarrolló en los municipios de Fusagasugá, Silvania, La Mesa, El
Colegio, Tena, San Antonio de Tequendama y Choachí del departamento de
Cundinamarca, se trabajó en conjunto con productores porcícolas de los municipios
mencionados, se contó con la colaboración de las Secretarías Agropecuarias, UMATAS
de los municipios encabezados por la Secretaría de Agricultura y Desarrollo Rural y la
Secretaría de Ciencia, Tecnología e Innovación de la Gobernación de Cundinamarca,
también con la coordinación del Departamento de Producción Animal de la Facultad de
Medicina Veterinaria y de Zootecnia y el Instituto de Ciencia y Tecnología de Alimentos-
ICTA de la Universidad Nacional de Colombia.
Durante el desarrollo del sub-proyecto se caracterizaron 265 granjas de porcicultores, los
cuales se presentan en la Tabla 3-1 teniendo en cuenta su orientación productiva (cría,
levante y ceba, y ciclo completo).
68 Evaluación de la eficiencia relativa de los sistemas de producción porcícolas del
departamento de Cundinamarca, utilizando análisis envolvente de datos (DEA)
Tabla 3-1. Orientación productiva de las granjas porcícolas registradas en 3 regiones de Cundinamarca y Zona rural de Bogotá D.C.
Región Municipio
Orientación productiva de las granjas porcícolas Encuestas
totales Cría
Levante y Ceba
Ciclo Completo
Sumapaz Fusagasugá 11 5 45 61
Silvania 5 3 11 19
Tequendama
El Colegio 1 8 21 30
La Mesa 2 7 7 16
San Antonio 16 12 24 52
Tena 6 9 11 26
Zona Rural de Bogotá
Localidades de Santafé y Chapinero
0 12 1 13
Oriente Choachí 9 11 28 48
Total 50 67 148 265
Teniendo en cuenta la orientación productiva se encontró que el 18,86% son granjas para
la cría, el 25,28% son granjas de levante y ceba, y el 55,84% son de ciclo completo. El
municipio que cuenta con el mayor número de granjas es Fusagasugá con el 23,01% de
la región del Sumapaz, seguido por San Antonio de la región del Tequendama con el
19,62% y Choachí con el 18,11% de la región Oriente. En cuanto al número de granjas por
región, la región Tequendama y Sumapaz agrupan el mayor número con el 46,79% y
30,18% respectivamente.
En cuanto al análisis de conglomerados el rango de calificación para este coeficiente varía
entre -1 y +1. Cuando el resultado es negativo, sugiere que la distancia promedio dentro
de la agrupación es mayor que la distancia promedio entre agrupamientos, reflejando
mayor heterogeneidad dentro de los agrupamientos creados. Por el contrario, cuando la
calidad de los clústeres es buena (0,5 a 1), los elementos dentro del conglomerado son
similares a un conjunto (cohesivos), mientras que los clústeres por sí mismos son bastante
diferentes (separados) (Wendler y Gröttrup, 2016). Para este caso, el coeficiente de silueta
obtuvo un valor cercano a 0,5 lo que sugiere que el número de agrupamientos son
suficientes para el análisis y para evaluar la calidad de los conglomerados (Figura 3-1).
3. Resultados 69
Figura 3-1. Calidad de los agrupamientos
El número de agrupamientos y sus proporciones se observa en la Figura 3-2. Se definieron
cuatro (4) tipos de agrupamientos, de los cuales el tamaño del agrupamiento mayor fue
para el clúster 4 con 75 granjas (35,2%), mientras el tamaño del agrupamiento menor
correspondió al agrupamiento 3 con 34 granjas (16,0%) de 265 fincas incluidas en al
análisis. La relación del tamaño del agrupamiento más grande con el más pequeño fue de
2,21, es decir por cada granja que se incluían en el agrupamiento menor se incluyeron 2,21
fincas del agrupamiento mayor.
De acuerdo con la Figura 3-2, se observa que mediante el análisis se conformaron 4 tipos
de grupos de mayor similitud interna, de los cuales el 17,4% (46 granjas) se distribuyeron
en el clúster de menor tamaño (N°3), mientras que en el conglomerado N°1 tiene un
porcentaje de participación de 20,4 % (54 granjas); en el clúster N°2 se agrupó el 23,8%
(63 granjas); y por último en el clúster N° 4 se agruparon el 38,5% que corresponde a 102
granjas porcícolas. En la Tabla 9 se presenta el orden de importancia a nivel general de
los índices que se emplearon para la formación de los 4 agrupamientos. En esta tabla las
características se encuentran organizadas de menor a mayor según su orden de
importancia sin tener en cuenta el tipo de agrupamiento.
70 Evaluación de la eficiencia relativa de los sistemas de producción porcícolas del
departamento de Cundinamarca, utilizando análisis envolvente de datos (DEA)
Figura 3-2. Tamaño de los agrupamientos
Tabla 3-2. Nivel de importancia de los índices en los agrupamientos
Índices Importancia
Índice manejo de residuos 0,0492 Índice no tecnológico 0,2112 Índice de bienestar animal 0,2451 Índice de bioseguridad 0,2787 Índice sanitario 0,3634 Índice de manejo animal 0,4039 Índice de gestión técnico económica 0,4857 Índice de infraestructura 1
La Tabla 3-2 sugiere que el índice de infraestructura representa la variable de mayor
importancia para la formación de los agrupamientos con un valor de 1 (100%), seguido de
la gestión técnico-económica con un valor de 0,4857 y el manejo de los cerdos con un
0,4039. El índice de manejo de residuos es que tiene la menor importancia según el modelo
con un valor de 0,0492. Y no arroja un valor para el índice social. En la Tabla 3-3 se
3. Resultados 71
muestra la conformación de los agrupamientos por el tipo de sistema productivo, y también
se relaciona la importancia de cada índice dentro de ese sistema productivo.
Tabla 3-3. Clasificación de los índices o entradas según su importancia dentro de los agrupamientos
Agrupamiento
1. Sistema de
producción
levante y ceba
2. Sistema de
producción
cría
3. Sistema de
producción
ciclo completo
especializado
4. Sistema de
producción
ciclo completo
Entradas
Índice de
infraestructura
Índice de
bienestar
animal
Índice de
gestión técnico
económica
Índice de
infraestructura
Índice de
manejo animal
Índice no
tecnológico Índice sanitario
Índice de
gestión técnico
económica
Índice sanitario Índice de
infraestructura
Índice de
infraestructura
Índice de
manejo animal
Índice de
bioseguridad
Índice de
manejo animal
Índice de
bioseguridad
Índice de
bienestar
animal
Índice manejo
de residuos
Índice de
gestión técnico
económica
Índice no
tecnológico Índice sanitario
Índice de
bienestar
animal
Índice de
bioseguridad
Índice manejo
de residuos
Índice de
bioseguridad
Índice no
tecnológico
Índice manejo
de residuos
Índice de
manejo animal
Índice no
tecnológico
Índice de
gestión técnico
económica
Índice sanitario
Índice de
bienestar
animal
Índice manejo
de residuos
72 Evaluación de la eficiencia relativa de los sistemas de producción porcícolas del
departamento de Cundinamarca, utilizando análisis envolvente de datos (DEA)
De las posibles interpretaciones resultantes del análisis de conglomerados efectuado en
las condiciones descritas previamente, la resultante de cuatro grupos de sistemas de
producción porcinos permitió una mejor explicación y comprensión de los mismos.
1. Sistema de producción levante y ceba: este grupo de granjas está conformado por
54 granjas (20,4 % del total). Se encontró que estas granjas cuentan con la infraestructura
adecuada para el objetivo productivo, y representó el índice de más importancia
comparado con los otros sistemas de producción. En cuanto al índice de manejo animal
en estas granjas es importantes el tipo de alimentación (concentrado comercial,
subproductos de cosecha, desechos de alimentación humana), mantener la
homogeneidad de los lotes, realizar un pesaje frecuente de los cerdos, además de la
identificación animal, y en algunos este índice se ve afectado por prácticas de castración
quirúrgica tardías.
Las granjas pertenecientes a este grupo presentan el manejo sanitario más bajo ya que en
estas explotaciones el uso registros de vacunación y medicamentos es poco frecuente. La
justificación de los porcicultores de estas granjas es que por manejar cerdos juveniles o
adultos, no es necesario mantener un estricto control sanitario. Esto va ligado con el índice
de bioseguridad el cual es deficiente en este grupo de granjas, ya que, carecen de
programa de manejo integrado de plagas y roedores, no controlan el ingreso, ni la
procedencia de las personas o vehículos que ingresan a la granja, y no cuentan con un
sistema de desinfección para los vehículos y en cada área productiva de la granja.
El manejo de residuos en este tipo de explotaciones es bajo, no realizan ningún tipo de
control a los lixiviados, lavan los corrales con agua y barrido en húmedo generando
impactos medio ambientales en fincas vecinas y a veces en el recurso hídrico, no
contemplan un plan para el control de olores. En cuanto al índice de bienestar animal los
estándares de densidad no se cumplen en las granjas que conforman este grupo, debido
a que predomina el sobrecupo de cerdos por corral, ocasionado por la falta de planificación
de los espacios. Esta situación afecta directamente el bienestar animal, generando
mayores niveles de estrés y de esta manera dicha situación repercutirá en la calidad de la
carne ofrecida al consumidor. Para el índice no tecnológico estos porcicultores
habitualmente comercializan los cerdos a intermediarios quienes son los que colocan los
3. Resultados 73
cerdos en las plantas de beneficio certificadas, generalmente no manejan periodos de
ayuno para los animales y manejan líneas genéticas mixtas terminales.
En este sistema de producción los porcicultores no registran las ganancias diarias de peso,
ni las conversiones alimenticias; por ende se desconoce el desempeño productivo y el uso
de recursos por parte de los cerdos durante su etapa productiva. En este caso los
porcicultores desconocen cuáles son las pérdidas y ganancias porque no emplean
registros económicos, o en otros casos omiten varios costos de producción que son
indispensables para el cálculo adecuado de la rentabilidad del sistema como son los costos
de planes de aseo y desinfección y uso de medicamentos, la mayoría de estos
porcicultores carecen de acceso a internet y la mayoría manifiesta que desconocen cuáles
son los registros más importantes que deberían emplear.
2. Sistema de producción cría: agrupó 63 granjas equivalente a un 23,8% del total: El
índice manejo y el bienestar animal son de los más importantes dentro de este sistema
productivo, debido a que los lechones en algunas granjas son sometidos a prácticas como
son el descolmille, descole y castración quirúrgica. Sin embargo, se encontró que en la
mayoría de granjas de este agrupamiento estas prácticas ya no se realizan favoreciendo
el estado de confort de los cerdos. En cuanto al manejo de las cerdas de cría se evidenció
una falla en la infraestructura de las jaulas de lactancia ya que, no se respetan los espacios
en las parideras para el tamaño de la cerda, provocando incomodidad dentro de la jaula y
en muchos casos generando muerte por aplastamiento de los lechones.
El objetivo productivo de estas granjas es la venta de lechones con pesos entre 5 – 30 kg
dependiendo del tipo de destete que maneje y del tamaño (peso kg) de lechón que el
demande el mercado. Las líneas genéticas que se manejan son maternas para mayor
prolificidad de las hembras. En cuanto a la gestión técnico-económica gran parte de los
porcicultores no manejan registros y desconocen cuál es la importancia de los indicadores
productivos y reproductivos para determinar la presencia de algún problema o factor que
incide de manera negativa en la granja. A nivel general, alrededor del 48,3% de los
porcicultores caracterizados no emplean registros de ningún tipo (manual o informático).
Para las granjas de este grupo se evidenciaron prácticas que tienen un alto impacto en el
medio ambiente, predomina el entierro e incineración de cadáveres, placentas, y otros
74 Evaluación de la eficiencia relativa de los sistemas de producción porcícolas del
departamento de Cundinamarca, utilizando análisis envolvente de datos (DEA)
residuos orgánicos. Sin embargo, realizan prácticas como el barrido de excretas en seco
y, unas pocas granjas, la instalación de biodigestores para la generación de gas y usar
este para las calentadoras de los lechones en las parideras. El índice de bioseguridad es
deficiente en este grupo de granjas, ya que, carecen de programa de manejo integrado de
plagas y roedores, no controlan el ingreso del personal externo y esto afecta el índice
sanitario, sin embargo se evidencio que se llevan planes de manejo sanitario para las
hembras para reproducción y los lechones.
3. Sistema de producción ciclo completo especializado: agrupó el 17,4% del total de
las granjas con 46 granjas, este sistema productivo se derivó del análisis de
conglomerados realizado, el programa tomó los datos de las granjas de ciclo completo y
separó las que realizaban y cumplían la mayor cantidad de requisitos de la encuesta de
caracterización y separó los sistemas de ciclo completo en unos “convencionales” y otros
“especializados”.
En los sistemas de producción de ciclo completo especializado se le da importancia
inicialmente al índice tecnológico de gestión técnico-económica el cual incluye el manejo
de registros productivos, técnicos, económicos y contables en formatos específicos y se
maneja algún programa informático. Por lo tanto los porcicultores conocen cuáles son los
costos de producción e implementan medidas para reducir las pérdidas e incrementar las
ganancias del sistema. A su vez, son porcicultores que conocen, registran y divulgan los
indicadores productivos y reproductivos lo que permiten tomar medidas correctivas y
realizar una programación de granja más certera y eficaz.
El índice sanitario en este grupo se diferencia del resto por que realizan periodos de
cuarentena para los cerdos que se adquieren, es una medida preventiva para evitar la
transmisión y propagación de algún patógeno al interior de la explotación y también para
generar en los cerdos nuevos un proceso de adaptación del sistema inmune a las
características epidemiológicas de la granja. A su vez, los porcicultores emplean registros
de medicamentos veterinarios, vacunas y cuentan con un área específica para su
almacenamiento.
3. Resultados 75
Para los dos sistemas de producción ciclo completo se presenta el mejor grado de
tecnificación en sus instalaciones con respecto a otros sistemas de producción analizados.
En el caso del ciclo completo especializado (N°3) se observó que los porcicultores han
implementado comederos de tolva y dosificador para reemplazar el comedero tradicional
(lineal). Incluso, el tipo de pisos que emplean en estas granjas se ajusta con las
necesidades del animal en cada fase (gestación, lactancia, precebo y ceba) y han
empleado parideras con barras antiaplastamiento para reducir los porcentajes de
mortalidad durante la lactancia. En la fase de lactancia y precebo, la mayoría de
instalaciones cuentan con pisos plásticos totales o parciales. Finalmente en la fase de ceba
cuentan con un embarcadero que se encuentra en buen estado, y en algunos casos este
se encuentra ubicado fuera de la granja para evitar el ingreso de los camiones como
medida de bioseguridad. La bioseguridad es la mejor en este grupo de granjas, ya que
estas granjas cuentan con sistema de desinfección en cada instalación, algún mecanismo
de desinfección para los vehículos, cerca perimetral, programa de manejo de plagas y
roedores, y control de ingreso y salida de personal, y planes de desinfección de tanques
de almacenamiento y agua de bebida para los cerdos.
En el índice no tecnológico se emplearon variables que no determinan directamente el
grado de tecnificación de la granja como es el caso de la práctica del ayuno, tipo de
comercialización y aptitud de la línea genética. Las granjas de este grupo se diferencian
de los demás grupos por manejar periodos de ayuno óptimos (mínimo 6 horas antes del
transporte a la planta de beneficio) y sus porcicultores cuentan con dos tipos de canales
de comercialización directo con el comercializador mayorista o minorista, o cuentan con un
expendio de venta propio. Los cerdos de estas granjas provienen de líneas materna y
paternas de casas comerciales, con miras a favorecer su objetivo productivo, más número
de cerdos por camada, junto con ganancias de peso mayores y calidad de carne.
De acuerdo con las características que se tuvieron en cuenta para el índice de manejo de
residuos sólidos y líquidos (excretas) que se evaluaron para este componente, el grupo
N°3 y N°4 presentaron las mejores prácticas ambientales, realizan un manejo adecuado
del agua dentro de la granja, utilizan microorganismos eficientes como método para
mitigación de olores, cuentan con trampas para desechos sólidos y usan los lixiviados de
las áreas de producción porcícolas para el riego de cultivos y pastos. Algunas de estas
granjas realizan procesos de compostaje del estiércol para luego usarlo como abono
76 Evaluación de la eficiencia relativa de los sistemas de producción porcícolas del
departamento de Cundinamarca, utilizando análisis envolvente de datos (DEA)
orgánico ya sea en la misma granja o lo comercializan a clientes externos como un ingreso
extra ocasional para el sistema.
En cuanto al manejo de los cerdos las granjas de este agrupamiento han implementado
las prácticas más amables de manejo en las fases de cría, levante y ceba, esto favorecido
por un mayor grado de tecnificación, ya que han reemplazado prácticas tradicionales como
la monta natural por la inseminación artificial (IA) y en algunos casos estas cuentan con su
propio laboratorio de procesamiento de material seminal, de esta manera reducen la
presencia de enfermedades de origen reproductivo. Otras prácticas que se han modificado
en las granjas del grupo N°3, es el método de castración, reemplazando el método
tradicional (quirúrgico) por la inmunocastración para reducir niveles de estrés y mejorar la
calidad de la carne. A su vez, predomina sólo la alimentación con concentrado comercial.
Tanto como con los otros índices en este grupo de granjas y aunque clasificó como último
en importancia, el índice de bienestar animal presentó el mejor nivel debido a que la
movilización de los cerdos durante su traslado y embarque se realiza con el uso de
banderines, lonas, o maracas, herramientas con las cuales se disminuye el contacto del
personal con los cerdos y a la vez se reduce el nivel de estrés que este pueda ocasionar.
Con respecto a la densidad en cada etapa del ciclo, los porcicultores de este agrupamiento
respetan el área mínima por animal en cada corral. Para animales con pesos inferiores a
30kg manejan un área promedio de 0,30 m2, para animales con un peso de 30 a 50kg
destinan un área mínima de 0,50 m2. Por último, para animales de 50 a 80kg y de 85 a
100kg de peso destinan un área promedio de 0,85m2 y 1 m2 respectivamente.
4. Sistema de producción ciclo completo: agrupó 102 granjas correspondiente al
38,5% del total, este grupo es similar al ciclo completo especializado en algunos aspectos,
sin embargo, no cumple con todas las prácticas óptimas para ser especializado, a
continuación se describe este sistema productivo:
En el índice de infraestructura los porcicultores aún manejan la lactancia en piso de
concreto y con cama de aserrín, las parideras carecen de barra antiaplastamiento y en
cambio emplean palos de madera para evitar que sucedan estos eventos. Para el caso del
precebo, este se maneja todavía en piso de cemento, teniendo en cuenta que el piso ideal
3. Resultados 77
para esta fase es plástico. Finalmente, en la fase de ceba, algunas granjas carecen de
embarcadero o este se encuentra en malas condiciones que pueden favorecer alguna
lesión durante el embarque y desembarque de los cerdos.
En cuanto a la gestión técnico-económica en este agrupamiento los porcicultores registran
algunos eventos presentados en la granja como son el número de lechones por cerda,
fecha de servicios, inventario y movimiento de animales, inventario de insumos alimenticios
y veterinarios, y algunos costos de producción, sin embargo, esto no es suficiente debido
a que falta registrar parámetros productivos y reproductivos para llevar un control
adecuado de este índice.
El manejo de los cerdos en el clúster N°4 predominan las granjas que aún emplean
métodos de manejo tradicionales como la monta natural con un macho de la propia granja
o de una granja cercana, facilitando la transmisión de enfermedades reproductivas entre
los cerdos como es el caso del Síndrome Respiratorio y Reproductivo Porcino (PRRS),
entre otras. Para el caso de prácticas como descolmille y descole estas no se implementan.
Todavía predomina la castración quirúrgica en este grupo, esta práctica en algunas granjas
se realiza en un periodo mayor a los 7 días de edad lo que incrementa los niveles de estrés
en los lechones. Con respecto a la alimentación, se emplean mezclas de diferentes tipos
de subproductos de cultivos con concentrado para reducir los costos que genera la
alimentación. Incluso, en este conglomerado el objetivo productivo depende del
movimiento de los precios en el mercado de los lechones y de los cerdos para sacrificio,
por ejemplo, cuando el precio del primero incrementa, el porcicultor sólo maneja la fase de
cría y deja de cebar, hasta que esta situación se vuelve más rentable para su granja.
En cuanto al índice de bienestar animal los estándares de densidad no se cumplen en las
granjas que conforman este grupo, ya que predomina el sobrecupo o la subutilización de
espacios, ocasionado por deficiencias de infraestructura y en las instalaciones. Esta
situación afecta directamente el bienestar animal, generando mayores niveles de estrés y
de esta manera dicha situación repercutirá en la calidad de la carne ofrecida al consumidor
(Paranhos da Costa, Huertas, Gallo, y Dalla Costa, 2012).
En estas granjas las prácticas sanitarias se llevan de forma parcial, en general la mayoría
tienen planes sanitarios para el manejo de las hembras y los lechones, pero en el resto de
etapas productivas no se visibilizaron registros del manejo de medicamentos o planes de
78 Evaluación de la eficiencia relativa de los sistemas de producción porcícolas del
departamento de Cundinamarca, utilizando análisis envolvente de datos (DEA)
prevención. Lo que conlleva a que el índice de bioseguridad sea deficiente en este grupo
de granjas, ya que, carecen de programa de manejo integrado de plagas y roedores, no
se evidenció un control del ingreso y salida de personas y vehículos, algunas cuentan con
un sistema de desinfección para los vehículos y en cada área de la granja, y la mayoría no
maneja un plan de desinfección de agua para bebida de los cerdos. Para el índice no
tecnológico, estos porcicultores comercializan los cerdos a intermediarios quienes son los
que venden las canales a los comercializadores mayoristas, manejan periodos de ayuno
para algunos lotes de cerdo y cuentan con líneas genéticas en su mayoría materna que
favorece el mayor número de lechones por parto.
Medición y análisis de la eficiencia relativa
Para establecer la eficiencia relativa de los sistemas de producción porcinos del
departamento de Cundinamarca se tomaron 215 sistemas de producción (granjas) los
cuales son las unidades de toma de decisión (DMU´s) y se aplicó la metodología de
Análisis Envolvente de Datos (DEA). Las 215 DMU´s se dividieron en 67 con una
orientación productiva de levante y ceba y 148 de ciclo completo, esto se hizo para
comprender las diferencias en la eficiencia por sistema productivo y teniendo en cuenta
que las practicas específicas difieren en cada sistema de producción. No se tomó el
sistema de producción de cría debido a que su objetivo productivo no es sacar cerdos a
sacrificio para consumo humano.
Se corrió el modelo DEA con rendimientos variables de escala y orientado a las salidas el
cual busca aumentar los productos sin intervenir los valores de las entradas (insumos). En
la Tabla 3-4 se presenta el resumen del modelo DEA usado para los sistemas de
producción levante y ceba y ciclo completo.
3. Resultados 79
Tabla 3-4. Resumen del modelo DEA-VRS orientado a las salidas
Nombre del modelo Modelo BCC o VRS
Descripción de la orientación Orientado a las salidas
Variables de entrada Variables de salida
Área construida (m2) Fertilizante producido (kg)
Costo alimento ($) Valor venta fertilizante ($/kg)
Costo medicamentos ($) Número de cerdos al mercado
Costo aseo y desinfección ($) Ingreso venta de cerdos ($)
Número de cerdos
Número de trabajadores
3.2.1 Resultados DMU´s sistema ciclo completo
Los resultados del índice de eficiencia de las 148 DMU´s de los sistemas porcícolas de
ciclo completo realizado a través del modelo de Análisis Envolvente de Datos (DEA) se
presentan en la Tabla 3-5, donde se indica la granja analizada y el índice obtenido en un
rango que va desde 5,45% a 100,0%, siendo este último el valor de máxima eficiencia
posible para una DMU.
80 Evaluación de la eficiencia relativa de los sistemas de producción porcícolas del
departamento de Cundinamarca, utilizando análisis envolvente de datos (DEA)
Tabla 3-5. Índices de eficiencia relativa para sistemas de producción ciclo completo.
DMU Índice (%) DMU Índice (%) DMU Índice (%) DMU Índice (%) DMU Índice (%)
U1 100 U31 100 U61 83,68 U91 100 U121 78,31
U2 27,09 U32 71,58 U62 100 U92 100 U122 100
U3 100 U33 95,74 U63 100 U93 100 U123 100
U4 14,47 U34 90,58 U64 100 U94 26,67 U124 84,95
U5 100 U35 5,45 U65 100 U95 100 U125 67,06
U6 100 U36 100 U66 84,05 U96 51,14 U126 100
U7 100 U37 37,8 U67 18,99 U97 100 U127 100
U8 16,71 U38 38,22 U68 82,57 U98 100 U128 80,05
U9 68,73 U39 41,19 U69 84,93 U99 68,02 U129 100
U10 77,25 U40 100 U70 100 U100 100 U130 95,15
U11 94,09 U41 66,67 U71 100 U101 72,17 U131 73,37
U12 88,89 U42 87,71 U72 100 U102 54,8 U132 38,26
U13 22,98 U43 99,45 U73 75,27 U103 87,78 U133 100
U14 74,2 U44 66,67 U74 100 U104 79,07 U134 100
U15 17,71 U45 47,94 U75 67,77 U105 84,21 U135 100
U16 81,88 U46 27,41 U76 69,35 U106 58,39 U136 100
U17 60,57 U47 100 U77 100 U107 66,67 U137 79,42
U18 52,34 U48 73,68 U78 32,31 U108 68,17 U138 100
U19 64,99 U49 100 U79 100 U109 68,11 U139 100
U20 95,66 U50 80,29 U80 70,37 U110 32,69 U140 78,06
U21 80 U51 83,03 U81 100 U111 91,67 U141 75,34
U22 25,39 U52 85,55 U82 100 U112 6,2 U142 55,86
U23 100 U53 100 U83 100 U113 100 U143 91,56
U24 73,96 U54 66,67 U84 100 U114 90,51 U144 83,51
U25 100 U55 69,33 U85 100 U115 100 U145 100
U26 46,58 U56 88,31 U86 100 U116 14,3 U146 25,93
U27 100 U57 84,45 U87 75,87 U117 78,55 U147 96,08
U28 100 U58 46,19 U88 19,1 U118 59,96 U148 13,98
U29 45,73 U59 80,77 U89 91,04 U119 100
U30 85,43 U60 100 U90 100 U120 100
3. Resultados 81
En primera instancia los resultados evidencian que la eficiencia relativa promedio para
todas las DMU´s de ciclo completo es de 77,57% (Tabla 3-6) con un modelo VRS orientado
a las salidas, lo cual indica que con los mismos insumos podrían aumentar la producción
en un 22,42%.
Tabla 3-6. Estadística descriptiva del modelo DEA-VRS orientado a las salidas DMU´s ciclo completo
Tamaño
muestra Media Mediana Moda
Desviación
estándar
Varianza de
la muestra Mínimo Máximo
148 77,5716 84,94 100 26,5132 702,9529 5,45 100
Para analizar el comportamiento del índice de eficiencia de las DMU’s de los sistemas de
producción de ciclo completo se presentan a continuación los diferentes niveles de
eficiencia evaluados (Tabla 3-7). Por lo tanto un 37,83% (56 de 148) de las DMU´s ciclo
completo son completamente eficientes (100%) en el uso de sus recursos es decir, que
operan sobre la frontera eficiente, le siguen las DMU´s con una eficiencia relativa alta la
cuales se encuentran en un rango entre el 80% y el 99,9% aglomerando 31 DMU´s ciclo
completo, esto representa un 20,94% de las granjas, lo cual indica que el 58,78 de las
DMU´s ciclo completo presentan eficiencia relativa alta en sus procesos.
Se clasificaron en dos grupos los sistemas de producción ciclo completo con una eficiencia
relativa media, entre 60% - 79,9% y entre 50% - 59,9%, para lo cual se agruparon 30
DMU´s y 6 DMU´s respectivamente, esto representa el 24,32% de DMU´s ciclo completo.
Por último, se clasificaron en dos grupos los sistemas de producción ciclo completo con
una eficiencia relativa baja, entre 25% - 49,9% y menores al 25%, en estos dos grupos se
concentraron 15 DMU´s y 10 DMU´s respectivamente, esto representa el 16,89% de
DMU´s ciclo completo menos eficiente relativamente.
82 Evaluación de la eficiencia relativa de los sistemas de producción porcícolas del
departamento de Cundinamarca, utilizando análisis envolvente de datos (DEA)
Tabla 3-7. Rangos de eficiencia relativa y número de DMU´s por rango.
Número DMU´s ciclo completo Rango de índice de eficiencia
56 100% Eficiencia relativa
alta 31 80% - 99,9%
30 60% - 79,9% Eficiencia relativa
media 6 50% - 59,9%
15 25% - 49,9% Eficiencia relativa
baja 10 <25
En la Tabla 3-8 se presenta el resumen de los datos obtenidos para las variables de
entrada y salida de las DMU´s ciclo completo con una eficiencia entre el 80% - 99,9% y las
100% eficientes, se destaca que las DMU91 y la DMU93 tienen valor $0,0 para los gastos
relacionados con el uso de medicamentos veterinarios, sin embargo son eficientes en un
100%. Adicionalmente las DMU´s con un índice de eficiencia del 100% presentan valores
promedio mayores que el resto de agrupamientos para las variables de salida “fertilizante
producido (kg)”, “número de cerdos al mercado” e “ingreso venta de cerdos ($)”, por lo
tanto se infiere que este es el motivo principal por el cual esas DMU´s ciclo completo son
las más eficientes, al hacer un uso máximo de los recursos para lograr el mayor número
de productos.
Como elemento adicional en esta investigación se analizó el efecto de las variables de
salida ambientales “fertilizante producido (kg) y valor venta fertilizante ($/kg)” en la
eficiencia relativa de las DMU´s ciclo completo, para lo cual se evidencio que de las 56
DMU´s ciclo completo 100% eficientes, 19 DMU´s muestran valor cero para estas variables
y para las DMU´s entre el rango de 80% a 99,9% de índice de eficiencia 2 DMU´s tienen
valor cero para las mismas variables de salida, por tanto se infiere que estas variables
ambientales no determinan la eficiencia relativa de las granjas de ciclo completo.
La DMU120 presenta un valor de eficiencia relativa de 100% a pesar de tener valor cero
en la variable “número de trabajadores”, con esta variable se quiso indagar si en las granjas
se tenía contratado personal técnico o profesional permanente u ocasional para el
asesoramiento productivo.
3. Resultados 83
En las DMU´s ciclo completo del rango entre 80% y 99,9% se presentaron valores
promedio más altos en las entradas “costo del alimento ($)” y “numero de cerdos” que en
el resto de agrupamientos. Y en cuanto a la variable “valor venta fertilizante ($/kg)” este
grupo de granjas presenta el mayor valor de todos grupos diseñados.
Tabla 3-8. Estadística resumen de la eficiencia relativa alta para DMU´s ciclo completo
Entradas/ Salidas Promedio Desviación
estándar Mínimo Máximo
Rango
de Área construida (m2) 210,33 561,83 4 3.262
eficienci
a Costo alimento ($) 18.712.602,86 57.041.024,55 43.145 372.945.380
100% Costo medicamentos ($) 524.210,22 1.082.068 - 5.294.100
n= 56 Costo aseo y desinfección ($) 1.344.568,09 1.878.757,39 18.000 9.492.700
DMU´s Número de cerdos 433,71 1.322,08 1 8.644
Número de trabajadores 2,54 2,11 - 11
Fertilizante producido (kg) 95,58 422,29 - 3.000
Valor venta fertilizante ($/kg) 211,66 157,46 - 450
Número de cerdos al mercado 94,89 228,27 1 1.480
Ingreso venta de cerdos ($) 51.031.689,11 126.155.973,41 506.000 862.840.000
Rango
de Área construida (mt2) 231,72 283,41 18 1.204
eficienci
a Costo alimento ($) 22.321.784,83 34.818.221,45 1.294.350 144.578.895
Entre Costo medicamentos ($) 739.921,97 585.343,98 45.500 2.387.000
80% - Costo aseo y desinfección ($) 2.400.965 1.612.499,15 431.000 6.667.170
99,9% Número de cerdos 517,37 807 30 3.351
n= 31 Número de trabajadores 2,2 1,32 1 5
DMU´s Fertilizante producido (kg) 51,64 100,97 - 420
Valor venta fertilizante ($/kg) 290 82,42 - 400
Número de cerdos al mercado 71,9 96,53 3 400
Ingreso venta de cerdos ($) 34.070.300 45.490.933,43 1.584.000 176.000.000
En la Tabla 3-9 se presenta el resumen de los datos obtenidos para las variables de
entrada y salida de las DMU´s ciclo completo con una eficiencia entre el 60% - 79,9% y
84 Evaluación de la eficiencia relativa de los sistemas de producción porcícolas del
departamento de Cundinamarca, utilizando análisis envolvente de datos (DEA)
50% a 59,9%. Para ambos grupos se observó que cuentan con un mayor valor promedio
en la variable de entrada “costo medicamentos ($)” y “costo aseo y desinfección ($) que
las granjas con una eficiencia relativa mayor al 80%, de esto se puede interpretar que son
granjas que se les dificulta mantener los niveles óptimos de sanidad y bioseguridad lo que
genera un incremento en los costos que afectan estas variables.
Dos DMU´s ciclo completo del rango de 60% a 79,9% presentan valores de cero para las
variables de salida “fertilizante producido” (kg) y “valor venta fertilizante ($/kg)”, al igual que
todas las granjas del intervalo de eficiencia relativa 50% a 59,9%.
Cabe resaltar en las variables de salida “número de cerdos al mercado” e “ingreso venta
de cerdos ($)” dentro de los dos grupos de eficiencia relativa media, las DMU´s del grupo
con el índice de eficiencia entre 50% a 59,9% tiene valores promedio más altos que las
DMU´s del rango entre 60% - 79,9%, esto quiere decir que por sacar más cerdos al
mercado y percibir mejores ingresos no se es relativamente más eficiente ya que dentro
del agrupamiento las variables ambientales afectan el índice de eficiencia.
Tabla 3-9. Estadística resumen de la eficiencia relativa media para DMU´s ciclo completo
Entradas/ Salidas Promedio Desviación
estándar Mínimo Máximo
Rango
de Área construida (m2) 287,20 324,93 63 1.719
eficienci
a Costo alimento ($) 17.198.489,66 14.683.937,59 2.070.960 63.682.020
Entre Costo medicamentos ($) 805.660,72 354.899,88 132.800 1.654.800
60% - Costo aseo y desinfección ($) 3.091.551,79 1.391.881,27 86.900 6.251.090
79,9% Número de cerdos 398,62 340,34 48 1.476
n= 30 Número de trabajadores 3,14 1,3 2 6
DMU´s Fertilizante producido (kg) 20,29 26,91 - 100
Valor venta fertilizante ($/kg) 262,07 107,45 - 350
Número de cerdos al mercado 50,93 45,64 8 230
Ingreso venta de cerdos ($) 24.466.275,86 23.854.002,53 3.168.000 121.440.000
3. Resultados 85
Entradas/ Salidas Promedio Desviación
estándar Mínimo Máximo
Rango
de Área construida (m2) 172,45 119,69 77 312,25
eficienci
a Costo alimento ($) 15.825.586 6.151.106,25 6.989.490 21.745.080
Entre Costo medicamentos ($) 1.115.038,60 548.577,35 500.000 1.699.603
50% - Costo aseo y desinfección ($) 2.840.576 1.329.888,66 932.800 4.124.500
59,9% Número de cerdos 366,8 142,57 162 504
n= 6 Número de trabajadores 1,6 0,55 1 2
Fertilizante producido (kg) - - - -
Valor venta fertilizante ($/kg) - - - -
Número de cerdos al mercado 59 19,49 40 90
Ingreso venta de cerdos ($) 26.559.280 10.844.294,93 14.850.000 40.590.000
En la Tabla 3-10 se presenta el resumen de los datos obtenidos para las variables de
entrada y salida de las DMU´s ciclo completo con una eficiencia entre el 25% - 49,9% y
menores a 25%. En cuanto a las variables de entrada las DMU´s de estos dos grupos
presentan los valores promedio más bajos en la variable de entrada “número de cerdos”
que el resto de agrupamientos.
El 100% de las DMU´s de los grupos con eficiencia relativa baja presentan valores de cero
para las variables de salida “fertilizante producido (kg)” y “valor venta fertilizante ($/kg)”,
sumado a esto también presentan los valores promedios más bajos en las variables de
salida “número de cerdos al mercado” e “ingreso venta de cerdos ($)”
86 Evaluación de la eficiencia relativa de los sistemas de producción porcícolas del
departamento de Cundinamarca, utilizando análisis envolvente de datos (DEA)
Tabla 3-10. Estadística resumen de la eficiencia relativa baja para DMU´s ciclo completo
Entradas/ Salidas Promedio Desviación
estándar Mínimo Máximo
Rango de Área construida (m2) 223,53 271,94 28 1.102
eficienci
a Costo alimento ($) 12.080.600 14.576.863,37 647.175 60.403.000
Entre Costo medicamentos ($) 592.641,86 418.186 78.600 1.687.550
25% - Costo aseo y desinfección ($) 2.362.780,53 1.557.193,53 271.560 5.534.500
49,9% Número de cerdos 280 337,86 15 1.400
n= 15 Número de trabajadores 2,13 1,19 1 5
Fertilizante producido (kg) - - - -
Valor venta fertilizante ($/kg) - - - -
Número de cerdos al
mercado 36,87 24,09 4 85
Ingreso venta de cerdos ($) 16.542.533,33 10.383.208,94 1.760.000 35.062.500
Rango de Área construida (m2) 106,46 54,67
eficienci
a Costo alimento ($) 4.755.537,78 2.173.880,61 2.200.395 8.024.970
Menor a Costo medicamentos ($) 356.607,78 133.674,02 168.400 549.680
25% Costo aseo y desinfección ($) 1.531.737,22 829.865,84 375.900 3.041.505
n= 10 Número de cerdos 110,22 50,39 51 186
Número de trabajadores 2,22 0,97 1 4
Fertilizante producido (kg) - - - -
Valor venta fertilizante ($/kg) - - - -
Número de cerdos al
mercado 11,33 6,24 3 20
Ingreso venta de cerdos ($) 5.899.788,89 3.860.298,61 1.287.000 11.220.000
3. Resultados 87
3.2.2 Resultados DMU´s sistema levante y ceba
Los resultados del índice de eficiencia de las 67 DMU´s de los sistemas porcícolas de
levante y ceba realizado a través del modelo de Análisis Envolvente de Datos (DEA) se
presentan en la Tabla 3-11, donde se indica la DMU analizada y el índice obtenido en un
rango que va desde 0.00% a 100.0%, siendo este último el valor de máxima eficiencia
posible para una DMU.
Las DMU 36, 41, 52, 57 y 66 presentan valores de 0,0% de eficiencia relativa, esto se dio
debido a que estas DMU únicamente reportaron datos para la variable de entrada “área
construida”, para el resto de variables de entrada y las variables de salida los valores
fueron de cero.
Tabla 3-11. Índices de eficiencia relativa para sistemas de producción levante y ceba.
DMU Índice (%) DMU Índice (%) DMU Índice (%) DMU Índice (%) DMU Índice (%)
U1 100 U15 82,13 U29 100 U43 75 U57 0,0
U2 100 U16 47,95 U30 100 U44 100 U58 79,43
U3 99,92 U17 27,59 U31 32,79 U45 100 U59 100
U4 100 U18 94,5 U32 100 U46 100 U60 31,58
U5 100 U19 100 U33 100 U47 75,76 U61 92,62
U6 100 U20 100 U34 100 U48 100 U62 100
U7 23,84 U21 85,25 U35 40,97 U49 100 U63 25,93
U8 100 U22 50,49 U36 0,0 U50 100 U64 95,15
U9 35,22 U23 20,41 U37 85,46 U51 31,88 U65 33,58
U10 86,37 U24 96,92 U38 100 U52 0,0 U66 0,0
U11 30,47 U25 91,32 U39 100 U53 85,71 U67 100
U12 100 U26 93,15 U40 100 U54 100
U13 86,85 U27 100 U41 0,0 U55 50
U14 100 U28 100 U42 89,23 U56 100
Para analizar el comportamiento del índice de eficiencia de las DMU’s de los sistemas de
producción de levante y ceba a continuación se presentan los diferentes niveles de
eficiencia evaluados. En primera instancia los resultados evidencian que la eficiencia
88 Evaluación de la eficiencia relativa de los sistemas de producción porcícolas del
departamento de Cundinamarca, utilizando análisis envolvente de datos (DEA)
relativa promedio para todas las DMU´s de levante y ceba fue de 75,78% (Tabla 3-12) con
un modelo VRS orientado a las salidas, lo cual indica que con los mismos insumos podrían
aumentar la producción en un 18,10%.
Tabla 3-12. Estadística descriptiva del modelo DEA-VRS orientado a las salidas DMU´s levante y ceba.
Tamaño
muestra Media Mediana Moda
Desviación
estándar
Varianza de
la muestra Mínimo Máximo
67 75,78 95,15 100 33,7775 1140,92 0,00 100
Para analizar el comportamiento del índice de eficiencia de las DMU’s de los sistemas de
producción de levante y ceba se presentan a continuación los diferentes niveles de
eficiencia evaluados (Tabla 3-13). Por lo tanto un 46,27% (31 de 67 granjas) de las DMU´s
levante y ceba son completamente eficientes el uso de sus recursos en un 100% es decir,
que operan sobre la frontera eficiente, le siguen las DMU´s con una eficiencia relativa alta
las cuales se encuentran en un rango entre el 80% y el 99,9% aglomerando 14 DMU´s
levante y ceba, esto representa un 20,90% de las granjas, lo cual indica que el 67,16 de
las DMU´s levante y ceba presentan eficiencia relativa alta en sus procesos.
Se clasificaron en dos grupos los sistemas de producción levante y ceba con una eficiencia
relativa media, entre 60% - 79,9% y entre 50% - 59,9%, para lo cual se agruparon 3 DMU´s
y 2 DMU´s respectivamente, esto representa el 7,46% del total de las DMU´s levante y
ceba.
Por último, se clasificaron en dos grupos los sistemas de producción levante y ceba con
una eficiencia relativa baja, entre 25% - 49,9% y menores al 25%, en estos dos grupos se
concentraron 10 DMU´s y 7 DMU´s respectivamente, esto representa el 25,37% de DMU´s
levante y ceba menos eficiente relativamente.
3. Resultados 89
Tabla 3-13. Rangos de eficiencia relativa y número de DMU´s por rango.
Número DMU´s ciclo
completo
Rango de Índice de
eficiencia
31 100% Eficiencia relativa alta
14 80% - 99,9%
3 60% - 79,9% Eficiencia relativa media
2 50% - 59.9%
10 25% - 49,9% Eficiencia relativa baja
7 <25%
En la Tabla 3-14 se presenta el resumen de los datos obtenidos para las variables de
entrada y salida de las DMU´s levante y ceba con una eficiencia entre el 80% - 99,9% y
las 100% eficientes.
Las DMU´s levante ceba con un índice de eficiencia de 100% se caracterizan por tener
valores promedio más altos en las variables de entrada “costo alimento ($)” y “número de
cerdos” y también valores promedio mayores en las variables de salida “fertilizante
producido (kg)”, “número de cerdos al mercado” e “ingreso venta de cerdos ($)”.
Dentro del grupo de las DMU´s levante y ceba 100% eficientes se identificaron 4 DMU´s
(DMU40, DMU49, DMU50 y DMU67) con valores de cero en la variable de entrada “número
de trabajadores”, y en las variables de salida “fertilizante producido (kg)” y “valor venta
fertilizante ($/kg)”, así mismo dentro de este mismo grupo otras 15 DMU´s tienen valores
de cero en las variables ambientales, por tanto se infiere que estas variables ambientales
no determinan la eficiencia relativa de las granjas de levante y ceba.
En las DMU´s levante ceba del rango entre 80% y 99,9% se presentaron valores promedio
más altos en la entrada “área construida (m2)” y en la variable de salida “valor venta
fertilizante ($/kg)”. En este caso posiblemente se estén subutilizando las instalaciones para
la producción porcina y en el caso de la variable de salida venden el kilo gramo de
fertilizante a un valor más elevado que el resto de las DMU´s.
90 Evaluación de la eficiencia relativa de los sistemas de producción porcícolas del
departamento de Cundinamarca, utilizando análisis envolvente de datos (DEA)
Tabla 3-14. Estadística resumen de la eficiencia relativa alta para DMU´s levante y ceba
Entradas/ Salidas Promedio Desviación
estándar Mínimo Máximo
Rango
de Área construida (m2) 77,18 228,88 2 1.300
eficienci
a Costo alimento ($) 11.845.390,16 25.839.431,69 43.145 120.806.000
100,0% Costo medicamentos ($) 302.965,06 575.950,76 11.862 2.580.900
n= 31 Costo aseo y desinfección ($) 1.231.858,23 1.682.032,18 36.200 6.794.200
DMU´s Número de cerdos 274,55 598,90 1 2.800
Número de trabajadores 2,32 1,72 - 7
Fertilizante producido (kg) 79,58 260,83 - 1.440
Valor venta fertilizante ($/kg) 127,42 164,23 - 400
Número de cerdos al mercado 84,03 119,56 1 400
Ingreso venta de cerdos ($) 39.304.170,97 60.536.844,40 528.000 235.400.000
Rango
de Área construida (m2) 124,07 200,57 18 770
eficienci
a Costo alimento ($) 8.724.535,36 11.535.821,63 604.030 45.302.250
Entre Costo medicamentos ($) 373.146,43 364.280,14 25.698 1.369.000
80% - Costo aseo y desinfección ($) 1.460.033,57 1.128.527,29 431.000 4.009.400
99,9% Número de cerdos 202,21 267,37 14 1.050
n= 14 Número de trabajadores 2,14 1,03 1 4
DMU´s Fertilizante producido (kg) 16,51 16,45 - 41
Valor venta fertilizante ($/kg) 278,57 80,18 - 300
Número de cerdos al mercado 50,64 57,21 3 200
Ingreso venta de cerdos ($) 25.805.450 30.951.840,71 1.848.000 116.600.000
En la Tabla 3-15 se presenta el resumen de los datos obtenidos para las variables de
entrada y salida de las DMU´s levante y ceba con una eficiencia entre el 60% - 79,9% y el
rango desde 50% a 59,9%.
3. Resultados 91
Las DMU´s levante ceba del rango de eficiencia relativa entre el 60% - 79,9% tienen
valores promedio más altos en las variables de entrada “costo aseo y desinfección ($)” y
“número de trabajadores”.
A partir del valor de eficiencia relativa de 59,9% todas las DMU´s levante ceba indican
valores promedio de cero en las variables salida “fertilizante producido (kg)” y “valor venta
fertilizante ($/kg)”.
Este grupo de DMU´s levante ceba con eficiencia relativa media presenta valores extremos
dentro de su agrupamiento, las DMU´s del rango entre 60% - 79,9% presentan los
siguientes valores de eficiencia: DMU43 (75%), DMU47 (75,76%) y la DMU58 (79,43%),
mientras que las DMU´s del intervalo entre 50% a 59,9% muestra los siguientes índices:
DMU55 (50%) y la DMU22 (50,49), por tal motivo los tamaños de muestra son pequeños.
Tabla 3-15. Estadística resumen de la eficiencia relativa media para DMU´s levante y ceba
Entradas/ Salidas Promedio
Desviación
estándar Mínimo Máximo
Rango de Área construida (m2) 75,33 16,77 56 86
eficiencia Costo alimento ($) 9.132.358,33 4.795.180,67 6.342.315 14.669.300
Entre 60% Costo medicamentos ($) 640.373,33 236.401,62 430.400 896.420
- 79,9% Costo aseo y desinfección ($) 2.165.370 491.030,92 1.679.400 2.661.310
n= 2 Número de cerdos 211,67 111,14 147 340
DMU´s Número de trabajadores 3,67 1,15 3 5
Fertilizante producido (kg) 24 12 12 36
Valor venta fertilizante ($/kg) 300 - 300 300
Número de cerdos al mercado 33,33 25,17 10 60
Ingreso venta de cerdos ($) 14.813.333,33 13.764.219,31 4.180.000 30.360.000
Rango de Área construida (m2) 34 11,31 26 42
eficiencia Costo alimento ($) 1.898.380 2.196.584,79 345.160 3.451.600
Entre 50% Costo medicamentos ($) 106.550 68.235,8 58.300 154.800
- 59,9% Costo aseo y desinfección ($) 296.565 214.628,12 144.800 448.330
n= 3 Número de cerdos 44 50,91 8 80
Número de trabajadores 1,5 0,71 1 2
92 Evaluación de la eficiencia relativa de los sistemas de producción porcícolas del
departamento de Cundinamarca, utilizando análisis envolvente de datos (DEA)
Entradas/ Salidas Promedio
Desviación
estándar Mínimo Máximo
Fertilizante producido (kg) - - - -
Valor venta fertilizante ($/kg) - - - -
Número de cerdos al mercado 18 19,8 4 32
Ingreso venta de cerdos ($) 8.800.000 9.956.063,48 1.760.000 15.840.000
En la Tabla 3-16 se presenta el resumen de los datos obtenidos para las variables de
entrada y salida de las DMU´s levante y ceba con una eficiencia entre el 25% - 49,9% y
las DMU´s con índice de eficiencia menor al 25%.
Las DMU´s del rango de eficiencia entre el 25% y el 49,9% presentan valores promedio
mayores para las variables de entrada “costo alimento ($)”, “costo medicamentos ($)”,
“costo aseo y desinfección ($)”, “número de cerdos” y “número de trabajadores” y en las
variables de salida “número de cerdos al mercado” e “ingreso venta de cerdos ($)”
comparado con el grupo de índices de eficiencia menor al 25%.
Dentro de las DMU´s levante ceba con valores de eficiencia relativa menores al 25% se
encontraron cinco DMU´s (DMU36, DMU41, DMU52, DMU57 y DMU66) que no reportan
información para las variables de entrada “costo alimento ($)”, “costo medicamentos ($)”,
“costo aseo y desinfección ($)”, “número de cerdos” y “número de trabajadores” y en las
variables de salida “fertilizante producido”, “valor venta fertilizante ($/kg)”, “número de
cerdos al mercado” e “ingreso venta de cerdos ($)”, esto se debe a un factor económico-
social que es la estacionalidad de la producción porcina, habitualmente los pequeños
porcicultores de este tipo de sistema de producción adquieren cerdos entre los meses de
junio, julio y agosto con miras que tengan un peso entre 105kg y 120kg en el mes de
diciembre que es cuando se presentan los mejores precios al productor.
3. Resultados 93
Tabla 3-16. Estadística resumen de la eficiencia relativa baja para DMU´s levante y ceba
Entradas/ Salidas Promedio Desviación
estándar Mínimo Máximo
Rango de Área construida (m2) 36,45 27,51 10 101
eficiencia Costo alimento ($) 3.222.931,5 2.413.040,53 776.610 8.068.115
Entre Costo medicamentos ($) 219.045,8 166.629,06 42.845 454.004
25% - Costo aseo y desinfección ($) 942.314,0 601.298,31 325.800 2.385.400
49,9% Número de cerdos 74,7 55,93 18 187
n= 15 Número de trabajadores 2,3 1,16 1 5
Fertilizante producido (kg) - - - -
Valor venta fertilizante ($/kg) - - - -
Número de cerdos al
mercado 21,1 20,56 3 70
Ingreso venta de cerdos ($) 9.584.850 6.878.633,46 1.683.000 23.540.000
Rango de Área construida (m2) 62,57 19,21 32 86
eficiencia Costo alimento ($) 1.522.402,14 2.665.080,11 - 6.342.315
Menor a Costo medicamentos ($) 65.500,43 164.858,13 - 439.000
25% Costo aseo y desinfección ($) 495.901,43 847.999,93 - 1.810.000
n= 10 Número de cerdos 35,29 61,77 - 147
Número de trabajadores 0,57 0,98 - 2
Fertilizante producido (kg) - - - -
Valor venta fertilizante ($/kg) - - - -
Número de cerdos al
mercado 7,14 12,54 - 30
Ingreso venta de cerdos ($) 3.135.000 5.359.325,98 - 11.385.000
Al agrupar los resultados encontrados para cada uno de los sistemas de producción por el
municipio de origen, se puede apreciar en la Tabla 3-13 que la zona rural del Distrito Capital
es la región más eficiente, esto debido a que allí se ubica la DMU 1 ciclo completo y el
modelo DEA-VRS orientado a las salidas la determino como eficiente en un 100%. La
región con las DMU´s ciclo completo menos eficientes es Oriente con un 28,57%.
94 Evaluación de la eficiencia relativa de los sistemas de producción porcícolas del
departamento de Cundinamarca, utilizando análisis envolvente de datos (DEA)
Tabla 3-17. DMU´s ciclo completo eficientes por región del departamento de Cundinamarca
Región Granjas
Eficientes
Numero de granjas
por región
Porcentaje de granjas
eficientes
Zona rural Distrito
Capital 1 1 100%
Oriente 8 28 28,57%
Sumapaz 22 56 39,28%
Tequendama 25 63 39,68%
Total 56 148
En la Tabla 3-14 se observa que al igual que las DMU´s de ciclo completo la zona rural del
Distrito Capital es la cuenta el porcentaje de granjas más eficiente con un 58,33% y la
región con el porcentaje de granjas más ineficientes es Oriente con un 27,27%. Sumapaz
tiene un 50% de granjas eficientes y la región Tequedama un 47,22%.
Tabla 3-18. DMU´s levante y ceba eficientes por región del departamento de Cundinamarca
Región Granjas
Eficientes
Numero de granjas
por región
Porcentaje de granjas
eficientes
Zona rural Distrito
Capital 7 12 58,33
Oriente 3 11 27,27
Sumapaz 4 8 50,00
Tequendama 17 36 47,22
Total 31 67
Al desagregar las variables de entrada para el modelo planteado se parte de la variable
que contempla el área destinada dentro de las granjas para la producción porcina (Área
construida (m2)), esta área varia en su tamaño según el objetivo productivo de la granja,
para la pertinencia de esta investigación se analizaron mediante el modelo DEA-VRS
orientado a las salidas las áreas utilizada en las DMU´s ciclo completo y levante y ceba.
Para el caso de las DMU´s ciclo completo del rango de eficiencia relativa alta el tamaño
3. Resultados 95
del área de producción destinada a la porcicultura fue en promedio más grande que en el
resto de agrupaciones e incluso que en el valor promedio de los grupos en las DMU´s
levante y ceba, esto se da principalmente porque esta granjas manejan diferentes procesos
(cría, levante y ceba), existen granjas de uno, dos y tres sitios (máximo un sitio para cada
proceso), habitualmente cuentan con áreas separadas para los periodos de gestación y
lactancia de las hembras reproductoras, y otra área para el engorde de los cerdos
destinados a la comercialización.
Posteriormente se trabajó la variable de los costos relacionados con la alimentación de los
cerdos (costo alimento ($)), en general, para los sistemas de producción de cerdos
evaluados estos costos fueron en promedio más altos para las granjas más eficientes que
para las granjas menos eficientes, por lo tanto se infiere para mantener alto el índice de
eficiencia estas granjas implementan buenas prácticas de alimentación animal teniendo en
cuenta que utilizan concentrado de casas comerciales para la alimentación de los cerdos,
y esto conlleva a que cuenten con áreas adecuadas para el almacenamiento de estos
productos y se lleven registros de consumo de concentrado e inventario del mismo.
Los valores de la variable “costo medicamentos ($)” están directamente relacionados con
las buenas prácticas en el uso de medicamentos veterinarios y prácticas de bioseguridad,
varían de acuerdo al objetivo productivo en cada uno de los sistemas de producción
porcinos y a la ubicación en la zona geográfica del país. Para el caso de las DMU´s ciclo
completo y DMU´s levante los valores fueron dispersos, sin embargo este ítem es
importante dentro de las explotaciones porcinas ya que se debe garantizar el uso adecuado
de los medicamentos para la prevención, control y tratamiento de enfermedades, se deben
respetar los tiempos de retiro, llevar un registro del uso estos y mantenerlos almacenados
de una manera adecuada.
La anterior variable está directamente relacionada con la de “costos de aseo y desinfección
($)” ya que se debe contar con un programa sanitario dentro de las explotaciones
porcícolas, estos costos están asociados a la implementación de planes y protocolos de
aseo y desinfección de instalaciones y equipos.
La variable “número de cerdos” es importante porque, los cerdos son el insumo principal
de la dinámica de la producción porcícola, son insumo/producto y transforman otros
96 Evaluación de la eficiencia relativa de los sistemas de producción porcícolas del
departamento de Cundinamarca, utilizando análisis envolvente de datos (DEA)
insumos para sí mismos como producto. Los valores de inventario porcino más altos se
presentaron en las DMU´s ciclo completo pero el modelo DEA manejado no contemplo
esta variable como primordial dentro de las granjas categorizadas como eficientes. En el
caso de las DMU´s levante y ceba en el rango de eficientes, esta variable si presento
valores promedio más altos dentro de los grupos.
El recurso humano es clave en la operación de un sistema de producción porcino por lo
tanto el número de trabajadores con que se cuenta facilita la distribución de tareas y el
buen funcionamiento de la granja. Los trabajadores de una granja porcícola deben
garantiza el buen manejo de los cerdos y de la bioseguridad, el caso de las DMU´s ciclo
completo estas presentaron el valor promedio más alto en cuanto a número de
trabajadores dentro de los sistemas de producción evaluados.
En cuanto a la variable de salida utilizada para el modelo DEA-VRS enfocado a las salidas
se tuvo en cuenta la cantidad de fertilizante producido (kg) y el valor por la venta de
fertilizante ($/kg), por lo tanto para el rango de DMU´s ciclo completo y DMU´s levante y
ceba con una eficiencia relativa alta los valores promedio de estas dos variables fueron
más altos. Con la inclusión de estas variables se buscó analizar el efecto en la eficiencia
relativa de las prácticas de manejo sostenible con las que cuentan algunas granjas dando
como resultado que estas variables no afectan la eficiencia relativa de ninguno de los dos
sistemas de producción, sin embargo a medida que aumentaba la eficiencia relativa
también iba aumentando el valor de la variable “fertilizante producido (kg)”.
Un denominador común que tenían las DMU´s ciclo completo y las DMU´s levante y ceba
es que su objetivo productivo es sacar cerdos al mercado con un peso entre 105 y 115kg
con un precio de venta por kilogramo de peso del cerdo en pie. Para los dos sistemas de
producción dentro del agrupamiento de DMU´s con índice de eficiencia alto los valores
promedio de estas variables fueron los mayores, por lo que se concluye que la cantidad
de cerdos sacados al mercado con un precio estable favorece la eficiencia relativa de los
sistemas de producción porcinos analizados. Y por último la variable “número de cerdos al
mercado” iba aumentando de valor a medida que la eficiencia relativa aumentaba.
4. Conclusiones y recomendaciones
Conclusiones
Se evaluó la eficiencia relativa de los sistemas de producción porcinos en el departamento
de Cundinamarca mediante la metodología Data Envelopment Analysis (DEA) y se
identificó mediante el modelo aplicado DEA-VRS orientado a las salidas, que la eficiencia
promedio de las DMU´s ciclo completo fue de 77,57% y de las de DMU´s levante ceba fue
de 75,78%. La metodología presentada en esta investigación demuestra cómo los
porcicultores pueden beneficiarse de la aplicación de herramientas de gestión operativa y
evaluar su desempeño productivo.
Con la aplicación del modelo DEA se logró identificar las granjas eficientes que sirven como
referencial para aquellas que no han logrado ser eficientes, las cuales de acuerdo con las
variables evaluadas deberán implementar procesos como: manejo de registros
productivos, reproductivos, técnicos y financieros; programación de granja para hacer un
uso eficiente de los espacios con que se cuenta, planes de sanitarios y de bioseguridad
que mejoren el uso de medicamentos veterinario y se ejecuten los planes de aseo y
desinfección; capacitación integral del personal encargado del manejo de las granjas; e
implementar tecnologías que ayuden a mitigar los impactos ambientales que generan las
granjas. Lo anterior sirve para mejorar la gestión operacional de las granjas aumentando
su productividad y en última instancia su rentabilidad.
Como elemento adicional en esta investigación se analizó el efecto de las variables
ambientales “fertilizante producido (kg)” y “valor venta fertilizante ($/kg)” en la eficiencia
relativa, para las DMU´s ciclo completo el resultado fue 92 DMU´s de las 148 (62,16%), y
para el caso de las DMU´s de levante y ceba el resultado fue de 28 DMU´s de las 67
(41,79%), se infiere que las granjas que se encuentra dentro de esos porcentajes realizan
98 Evaluación de la eficiencia relativa de los sistemas de producción porcícolas del
departamento de Cundinamarca, utilizando análisis envolvente de datos (DEA)
algún tipo de práctica ambiental para el manejo de excretas y las usa como fertilizante para
la venta
Con este estudio se visibiliza la importancia de establecer procesos sostenibles para el
manejo adecuado de insumos y la mitigación de los impactos ambientales en los sistemas
de producción porcinos como una estrategia para mejorar la eficiencia relativa de este
sector. En términos de eficiencia se debe mejorar el uso de los recursos disponibles dentro
de los sistemas de producción porcícolas para mejorar la productividad.
La metodología DEA demuestra como los actores involucrados en el sector porcícola
pueden beneficiarse del uso de herramientas de gestión de operaciones para evaluar su
desempeño productivo, ya que, el aumento de la eficiencia relativa de una granja en
realidad significa menos uso de insumos, menores costos de producción y, en última
instancia mayores ganancias, motivación suficiente para adoptar estas nuevas técnicas.
Este trabajo proporcionó una base para que el sector porcícola utilice el análisis de la
eficiencia relativa usando la metodología DEA en el eslabón primario de la agrocadena,
aquí se analizaron dos tipos de granjas (ciclo completo y levante y ceba), por lo tanto se
recomienda aplicar esta técnica en otros eslabones de esta para establecer las mejores
organizaciones que integran la agrocadena y realizar una evaluación comparativa con
miras a identificar la mejores prácticas en otras etapas como: el transporte de cerdos, el
sacrificio porcino, el procesamiento de carne de cerdo, la comercialización. También
replicar este tipo de estudios en otras zonas del país con alta producción porcina como los
departamentos de Antioquia, Valle y Córdoba.
En el proyecto macro Corredor Tecnológico Agroindustrial Derivado 2 a partir del desarrollo
de esta investigación y otras vinculadas al proyecto porcinos se identificaron oportunidades
en términos de gestión de operaciones y control dentro de la producción porcícola, como
mejorar la toma de decisiones en las granjas, la optimización de procesos, y el
establecimiento de alianzas con otros actores de la agrocadena porcina como fueron la
academia, entes de control sanitario y ambiental, comercializadores, transportadores y
gobiernos municipales y departamentales. Se destacó el trabajo realizado con granjas
sostenibles, se favoreció la integración vertical, el bienestar animal y la calidad de la carne
Conclusiones 99
de cerdo, todo lo anterior con el fin de sacar un producto innocuo y trazable para el
consumidor final.
En el desarrollo de esta investigación se presentaron diversos contratiempos y dificultades
técnicas, administrativas y financieras propias de la administración de los recursos públicos
que dificultaron el desarrollo de actividades para logro de los objetivos propuestos. Se debe
propender por realizar una planeación previa a la ejecución de las actividades operativas
y poner de acuerdo a todas las partes interesadas en que objetivos de van a trazar y como
se va a llegar al cumplimiento de los mismos.
Recomendaciones
Una de las ventajas de la metodología DEA es que se pueden establecer modelos de la
relación entre las entradas y las salidas sin predeterminar ponderaciones o pesos a alguna
de las variables, dando como resultado una simulación acertada al comportamiento
productivo de las DMU´s analizadas, esto se pudo evidenciar en esta investigación dentro
de la producción de carne de cerdo en el departamento de Cundinamarca.
Teniendo en cuenta la caracterización de los sistemas de producción porcinos y la
medición de la eficiencia relativa de estos se pueden recomendar las siguientes actividades
que conllevan a mejorar la eficiencia de las granjas y a garantizar los mejores resultados
productivos:
Todos los procesos que componen los sistemas de producción porcinos
contemplan la gestión técnica, productiva, reproductiva, económica y ambiental. Se
deben usar herramientas de registro para llevar planificar, controlar y verificar el
desarrollo de los procesos.
Se debe usar la metodología de programación de granja y adaptarla a las
condiciones de infraestructura, esta metodología está asociada a las variables de
entrada “área construida (m2)” e inventario animal “número de cerdos” propias de
cada explotación, con el fin de proyectar el “ritmo de producción”, manteniendo un
flujo constante insumos y productos.
Se deben implementar prácticas de alimentación animal adecuadas a la
normatividad vigente, esto afecta la variable de entrada “costo alimento ($)”, con
10
0
Evaluación de la eficiencia relativa de los sistemas de producción porcícolas del
departamento de Cundinamarca, utilizando análisis envolvente de datos (DEA)
el fin de asegurar un crecimiento adecuado con buenos índices de conversión
alimenticia y de ganancias de peso, y se debe tener en cuenta que los cerdos son
animales destinados para el consumo humano.
Las medidas de bioseguridad de las granjas porcícolas son todas las actividades
sanitarias preventivas, de verificación, y control que influyen directamente en las
variables de entrada “costo medicamentos ($)” y los “costos aseo y desinfección
($))”, y que se realizan de manera permanente para evitar la entrada y salida de
agentes infectocontagiosos. Las actividades incluidas en el programa de
bioseguridad son:
o Registrar de entrada y salida de personal y vehículos.
o Establecer métodos de desinfección en las áreas de ingreso a la granja y a
las áreas donde se encuentran los cerdos.
o Implementar protocolos de limpieza aseo y desinfección de instalaciones y
equipos
o Implementar planes de manejo integrado de plagas
o Realizar planes de tratamiento para el agua de consumo de los animales.
Otro proceso que afecta la productividad y que no se le ha tomado la importancia
adecuada es el que tiene que ver con el bienestar animal de los cerdos, este se ve
afectado por diferentes por todas las variables de entrada especialmente por el
manejo que puede dar el personal operativo de las granjas a los cerdos, por lo tanto
en este proceso está implícita la variable (número de trabajadores), para mantener
alto el nivel de eficiencia de esta variable se recomienda lo siguiente:
o Capacitar continuamente en temas pertinentes a la producción porcícola.
o Dotar con los implementos de protección personal a los trabajadores.
o Realizar auditorías de seguimiento al personal para constatar el
cumplimiento de sus funciones.
Los procesos relacionados con el manejo de residuos líquido y solidos afectan las
variables de salida “fertilizante producido (kg)” y “valor venta fertilizante ($/kg)”,
debido a que se recomienda implementar tecnologías que mitiguen el impacto
ambiental de las explotaciones, estas tecnologías pueden ser:
o Instalación de biodigestores para la producción de gas
Conclusiones 101
o Hacer procesos de compostaje del estiércol para transformarlo en
fertilizante para pastos y cultivos, este fertilizante en varias granjas sirve
como un producto para percibir más ingresos.
o Instalar trampas para separar excrementos sólidos y lixiviados, los lixiviados
se pueden usar para regar pastos y cultivos como un método de fertilización
liquida.
El análisis de eficiencia y la caracterización de los sistemas de producción en el sector
agropecuario servirían para identificar aquellas “brechas tecnológicas” que no dejan operar
de manera adecuada los sistemas de producción, ayudan a establecer los niveles de
productividad y de implementación de buenas prácticas agropecuarias en cada una de las
unidades analizadas, el conjunto de resultados obtenidos sirven para establecer
estrategias de política pública enfocadas de gestión de operaciones enfocadas a
infraestructura logística (vías, centros de acopio, procesamiento y distribución de
alimentos, telecomunicaciones, etc) y a establecer conglomerados productivos
especializados en la producción eficiente de un producto (ejemplo: las cuencas lecheras
de los departamentos de Antioquia, Boyacá, Cundinamarca y Nariño).
A nivel de agremiación se recomienda replicar esta investigación en los datos económicos
que maneja la Asociación Porkcolombia – FNP, ya que conocer las características
específicas de las granjas contribuye a analizar la eficiencia de los factores de entrada y
salida individualmente, por ejemplo; si la infraestructura es una preocupación, se debe
apoyar la inversión en tecnologías para modernizar las áreas de producción porcícola; si
los costos de alimentación son muy altos debido a que las materias primas para elaborarlos
son importadas, de deberían generar programas de integración horizontal o vertical que
minimicen costos, o generar innovación en nuevos productos para la alimentación animal.
Todo con el de brindar oportunidades de mejora dependiendo del nivel de eficiencia de las
entradas y el factor de interés de salida en cada DMU.
Se recomienda seguir trabajando este tipo de proyectos de investigación con los pequeños
y medianos productores agropecuarios, este sector en especial necesita proyectos de
asistencia técnica, extensión e investigación y más ahora con el desarrollo del posconflicto,
las temáticas que se podrían abordar a partir de esta investigación son la mitigación de
impactos ambientales y de alternativas de alimentación. También fortalecer y establecer
10
2
Evaluación de la eficiencia relativa de los sistemas de producción porcícolas del
departamento de Cundinamarca, utilizando análisis envolvente de datos (DEA)
proyectos que se enfoquen exclusivamente en los componentes de bienestar animal y de
calidad de carne de cerdo, ya que en el departamento, ni en el país hay datos sobre estos
temas.
A. Anexo: Encuesta de caracterización de sistemas de producción porcina
Fecha de diligenciamiento: Día/mes/año___/____/____ Registro____________
Nombre de la granja. _______________________________
Nombre del propietario _______________________________
Nombre del administrador _______________________________
Diligenciado por:
______________________________________________________
CARACTERÍSTICAS GENERALES DE LA EXPLOTACION
1. Localización
Municipio _______________________________
Vereda _______________________________
Latitud ________________ Longitud______________ m.s.n.m_________________
Distancia a la cabecera municipal (minutos) ___________________________
Distancia a la cabecera municipal (km) _________________________________
2. Orientación productiva:
1. Cría ( ) 2.Levante ( ) 3.Ceba ( ) 4. Ciclo completo ( )
3. Información sobre el propietario:
Dedicación exclusiva si ( ) no ( ) otras actividades pecuarias _________________
Años de experiencia en la actividad porcina _____ Edad del Propietario _____
Teléfono _________________
4. Información sobre el administrador:
Dedicación exclusiva si ( ) no ( ) otras actividades pecuarias __________________
Años de experiencia en la actividad porcina ________ Edad del administrador _____
Teléfono ______________
10
4
Evaluación de la eficiencia relativa de los sistemas de producción porcícolas
del departamento de Cundinamarca, utilizando análisis envolvente de datos
(DEA)
5. Otras características de la Granja:
Número de trabajadores incluido propietario ___________
Edad(años) 0 - 5 6 - 11 12 - 17 18 - 28 29 - 40 41
-
55 Tercera Edad
Genero M F M F M F M F M F M F M F
N° de
integrantes
6. Formación de los trabajadores:
Indique el número de trabajadores con los siguientes grados de escolaridad
Sin estudios _____ Básica primaria _____ Básica secundaria _____Técnico _____ Profesional
_____
7. Años de operación de la Granja porcícola _____
8. ¿Ha realizado reformas? Si ( ) No ( )
¿Cuáles?: Ampliación ( ) Reducción ( ) Reubicación ( )
Motivo ______________________________
9. ¿Quiere o va a realizar reformas próximamente? Si ( ) no ( )
¿Cuáles?: Ampliación ( ) Reducción ( ) Reubicación ( )
Motivo ______________________________
10. Vías de acceso a la granja: Bueno ( ) Regular ( ) Malo ( )
11. ¿Tiene problemas de acceso en época de lluvias? Si ( ) No ( )
12. ¿Tiene cerca perimetral? Si ( ) No ( ) ¿En buen estado? Si ( ) No ( )
13. ¿Tiene sistema de desinfección de vehículos? Si ( ) No ( )
14. ¿Tiene sistema de desinfección en cada instalación? Si ( ) No ( )
15. ¿Posee control de ingreso y salida de personal? Si ( ) No ( )
16. En la granja, los trabajadores cuentan con:
Vestieres Si ( ) No ( )
Duchas Si ( ) No ( )
Baños Si ( ) No ( )
Anexo A. Encuesta de caracterización de sistemas de producción porcina 105
17. En la granja, con qué Servicios Públicos cuenta
Energía eléctrica ( ) Planta de Energía ( ) Energías alternativas ( )
Gas propano ( ) Gas natural ( ) Agua de nacedero ( )
Acueducto vereda ( ) Agua de quebrada ( ) Agua de rio ( )
18. ¿Realiza algún tratamiento previo al agua de la granja? Si ( ) no ( )
INSTALACIONES
19. Alojamiento: Marque con una X el cuadro que relaciones cómo se encuentran alojados sus
Cerdos
Atadas (Uso de Lazo) Jaulas individuales Corrales Jaulas grupales
Servicios
Gestación
Lactancia
VERRACOS:_______ Área/verraco (m2): ________
No. animales/grupo Área total (m2)
Precebo
Levante
Ceba
20. No. de jaulas o corrales totales _______
21. No. de jaulas destinadas a hembras _______
Servicios _________
Gestación _________
Lactancia ___________
22. No. de jaulas o corrales destinados a levante __________
23. No. de jaulas o corrales destinados a Ceba ___________
Observaciones:
______________________________________________________________________________
______________________________________________________________________________
__________________________________________
24. La granja cuenta con embarcadero para los cerdos en ceba:
Si ( ) No ( )
10
6
Evaluación de la eficiencia relativa de los sistemas de producción porcícolas
del departamento de Cundinamarca, utilizando análisis envolvente de datos
(DEA)
25. Qué tipo de elementos utiliza para mover los cerdos en granja:
Banderines o lonas ( )
Palos o tablas ( )
Ruido (palmadas, chiflidos, voz ( )
Tabano o picana eléctrica ( )
Golpes (patadas, puños) ( )
Otros _________________________
26. Marque con una X el tipo de piso para cada área de la granja:
Concreto Pisos plásticos parciales
Pisos plásticos total
Cama profunda
Otro ¿cuál?
Servicios
Gestación
Lactancia
Verracos
Precebo
Levante
Ceba
Observaciones:__________________________________________________________________
______________________________________________________________________________
_____________________________________________________
27. Marque con una X el tipo de comedero con el que cuenta su granja en cada área
Lineal Tolva Dosificado Otro ¿cuál?
Servicios
Gestación
Lactancia
Verracos
Precebo
Levante
Ceba
28. Sistema de distribución de alimento: Manual ( ) Automático ( )
29. Alimentación:
FASE
PRESENTACIÓN Conversión
alimenticia
N° DE
FASES
(fases/lote)
OBSERVACIONES Harina Granulado Seco Húmedo
Servicios
Gestación
Anexo A. Encuesta de caracterización de sistemas de producción porcina 107
Lactancia
Verracos
Precebos
Levante
Ceba
30. ¿Realiza restricción alimenticia en alguna de las fases de crecimiento?
Si ( ) No ( ) Cuales: ______________________________________________________
31. Marque con una X el tipo de bebederos con el que cuenta su granja en cada una de las
áreas:
Lineal Chupo Dosificado Otro ¿cuál?
Servicios
Gestación
Lactancia
Verracos
Precebo
Levante
Ceba
32. ¿Tiene aljibe o poso de reserva de agua?
Si ( ) No ( ) ¿Capacidad? _________________________
33. ¿Tiene tanques de almacenamiento de agua?
Si ( ) No ( ) ¿Cuántos? _____ Capacidad/Tanque______
34. ¿Lava los tanques? Si ( ) No ( ) Frecuencia (días)_________________
35. ¿Realiza desinfeccion del agua de bebida? Si ( ) No ( ) Producto
__________________
36. Maque con una X con qué tipo de ventilación cuenta para cada área de la granja
VENTILACIÓN NATURAL VENTILACIÓN
MECÁNICA OTRO
FASE Cortinas Abertura en la parte superior del
techo(caballete)
Abertura en los laterales
Servicios
Gestación
Lactancia
Verracos
Precebo
10
8
Evaluación de la eficiencia relativa de los sistemas de producción porcícolas
del departamento de Cundinamarca, utilizando análisis envolvente de datos
(DEA)
Levante
Ceba
37. Marque con una X que tipo de fuentes de calefacción emplea en la granja para cada una
de las áreas:
No Gas Lámparas infrarrojas Electricidad Otro
Servicios
Gestación
Lactancia
Verracos
Precebo
Levante
Ceba
38. Marque con una X que tipo de mecanismos de enfriamiento emplea en su granja para cada
una de las áreas:
Fase NO Espejos de agua
Aspersión Ventiladores Nebulizadores Goteo Otro
Servicios
Gestación
Lactancia
Verracos
Precebo
Levante
Ceba
39. Marque con una X que tipo de herramientas emplea para el monitoreo de temperatura y
humedad
FASE NO SI Termómetro Higrómetro Otro
Servicios
Gestación
Lactancia
Verracos
Precebo
Levante
Ceba
MANEJO:
40. ¿Cómo se lleva a cabo el manejo de los animales en su granja?
Por lotes ( ) Flujo continuo ( ) Todo dentro todo fuera ( )
41. Tipo de granja: Sitio 1 ( ) Sitio 2 ( ) Sitio 3 ( )
42. ¿Realiza la programación de su granja? Sí ( ) No ( )
Anexo A. Encuesta de caracterización de sistemas de producción porcina 109
43. ¿A qué edad realiza el descolmille?: _________________
44. ¿A qué edad realiza el corte de colas?: _________________
45. ¿A qué edad realiza la castración?: _________________
46. Tipo de castración: Quirúrgica ( ) Inmunocastración ( )
47. Sistema de identificación de los animales: Muescas ( ) Tatuajes ( ) Chapetas ( )
48. ¿Distribuye los lotes por peso? Sí ( ) No ( )
49. ¿Distribuye los lotes por sexo? Sí ( ) No ( )
50. ¿Tipo de monta? Natural ( ) Inseminación Artificial ( )
51. Adquisición del material seminal: Centros de producción de material seminal porcino de la región ( ) Casas Comerciales ( ) Procesamiento de Semen en la misma granja ( )
52. ¿Realiza el pesaje de sus animales al finalizar cada fase? Si ( ) No ( )
53. Indique el NÚMERO TOTAL de animales en cada fase de la granja
Fase Número de animales
Servicios
Reemplazos
Gestación
Lactancia
Precebo
Levante
Ceba
Verracos
54. Parámetros reproductivos y productivos:
Parámetros
· Intervalo destete-servicio (Días)
· Total lechones nacidos/parto
· Lechones nacidos vivos/parto
· Momificados (%)
· Nacidos muertos (%)
· Mortalidad en precebo (%)
· Mortalidad en ceba (%)
11
0
Evaluación de la eficiencia relativa de los sistemas de producción porcícolas
del departamento de Cundinamarca, utilizando análisis envolvente de datos
(DEA)
Parámetros
· Mortalidad en lactancia (%)
· Aseo y desinfección (días)
· Número de montas por celo
· Duración de la gestación (días)
· Peso al destete (kg)
· Edad de destete (días)
· Peso final precebo (kg)
· Duración en precebo (días)
· Peso final levante (kg)
· Duración levante (días)
· Peso cerdo finalización en pie (kg)
· Duración en ceba (días)
CEBA
55. Procedencia de los lechones: Granja única ( ) Varias explotaciones de origen ( )
56. Edad de entrada a la fase (días):_____________
57. Peso inicial fase de Ceba (kg):____________
58. Duración de los animales en la fase (días): ____________
59. Forma y lugar de venta:
Intermediario ( ) Matadero municipal ( ) Matadero Bogotá D.C. ( ) Cual: __________
60. ¿Realiza ayuno de los cerdos de la granja antes de llevarlos al matadero?
Si ( ) No ( )
Tiempo de ayuno antes de embarcar los animales:
De 0 a 2 horas ( )
De 2 a 4 horas ( )
De 4 a 6 horas ( )
De 6 a 8 horas ( )
Más de 8 horas ( )
LIMPIEZA Y DESINFECCION
Anexo A. Encuesta de caracterización de sistemas de producción porcina 111
61. ¿Cuenta con programa de limpieza y desinfección? Si ( ) No ( )
Procedimiento:
______________________________________________________________________________
______________________________________________________________________________
__________________________________________
¿Qué productos emplea para la limpieza y desinfección de su granja?
________________________________________________________________________
___________________________
62. ¿Implementa programas de manejo de plagas y roedores? Si ( ) No ( )
PROGRAMA SANITARIO
63. ¿Maneja registro de medicamentos veterinarios? Si ( ) No ( )
64. Cuenta con un área para el almacenamiento de insumos veterinarios? Si ( ) No ( )
65. ¿Realiza cuarentena de los cerdos recién llegados a la granja? Si ( ) No ( )
66. Destino de los cadáveres: Compostaje ( ) Entierro ( ) Incineración ( ) Otro______
67. Marque con una X las Vacunas que maneja en su finca para cada área:
FASE PPC * Micoplasma Parvo-lepto Circovirus Clostridiosis Rinitis atrófica Otras
Servicios
Gestación
Lactancia
Verracos
Precebo
Levante
Ceba
*PPC: Peste porcina clásica
Observaciones:
______________________________________________________________________________
____________________________________________________________________
CARACTERÍSTICAS GENÉTICAS DE LA POBLACIÓN PORCINA
68. ¿Qué líneas genéticas emplea en su granja?
Líneas maternas:__________________________ , _______________________ ,
_______________________
Líneas paternas:__________________________ , _______________________ ,
_______________________
69. Procedencia de los machos:
11
2
Evaluación de la eficiencia relativa de los sistemas de producción porcícolas
del departamento de Cundinamarca, utilizando análisis envolvente de datos
(DEA)
Auto reposición ( ) Proporción (%): ________________
Adquisición fuera ( )
o Granjas selección/multiplicación ( )
o Importación ( )
o Otros: __________________________________
70. Procedencia de las hembras:
Auto reposición ( ) Proporción (%): ________________
Adquisición fuera ( )
o Granjas selección/multiplicación ( )
o Importación ( )
o Otros: __________________________________
71. ¿Qué Criterios utiliza para la adquisición o cría de reproductores?:
Aspecto exterior( ) Ganancia diaria ( ) Espesor de grasa dorsal ( ) % Magro ( )
Conformación ( ) Prolificidad ( ) índice de selección ( ) Resultados previos ( )
Otros _____________________________________________________
72. ¿Los reproductores están previamente identificados de manera individual?
Si ( ) NO ( )
MANEJO DE EXCRETAS
73. ¿Cuenta con sistema de compostaje? Si ( ) No ( ) Capacidad
(M3):________________
Observaciones: ________________________________________________________
74. Tratamientos realizados sobre excretas:
Sistema de aireación (volteo) Si ( ) No ( )
Sistema de separación sólidos/líquidos Si ( ) No ( )
Elaboración de compost Si ( ) No ( )
Biodigestor Si ( ) No ( )
Es utilizado como fertilizante SI ( ) NO ( ) Terreno disponible Has: ___________________
75. Tipos de cultivo: ______________________________________________________
76. ¿Ha realizado pruebas para el tratamiento de excretas? SI ( ) NO ( )
¿Cuáles?_______________________ Resultado: _________________________
77. ¿Aparte de los tratamientos realizados sobre las excretas ha tomado otras medidas para
reducir los impactos ambientales producidos por las excretas?
Anexo A. Encuesta de caracterización de sistemas de producción porcina 113
______________________________________________________________________________
______________________________________________________________________________
__
78. ¿Cuál de los siguientes problemas sociales le ha causado la granja?:
Rechazo de los vecinos o explotaciones cercanas ( )
Rechazo de los agricultores ( )
Limitaciones en el uso y utilización de la tierra ( )
Olores ( )
Controles del medio ambiente ( )
Otros: __________________________________________________________________
GESTIÓN TÉCNICO ECONÓMICA
79. Lleva algún tipo de registro: No ( ) Manual ( ) Informática ( )
80. Tipo de gestión: Técnica ( ) Económica ( ) Técnico-económica ( )
81. ¿Qué programa informático utiliza?: ____________________
82. Maneja registros contables: Si ( ) No ( ) ¿Quién?: _______________________
83. ¿Realiza balances de pérdidas y ganancias de la granja? Si ( ) No ( )
84. Conoce cuáles son sus costos de producción: Si ( ) No ( )
¿Cuál fue el de 2015? ($/kg de cerdo en pie al mercado):___________________
85. ¿Tiene acceso a computador? Si ( ) No ( )
¿Lo maneja? Si ( ) No ( )
¿Accede a internet? Si ( ) No ( )
86. ¿Se encuentra dispuesto a aprender acerca de las temáticas que se van a desarrollar
dentro del proyecto? Si ( ) No ( )
Nombre del productor___________________________________________
Firma ____________________________________________________________
Teléfono ___________________________________________________________
Fecha de terminación de la encuesta ____________________________
______________________________________________________________________________
Bibliografía
Adam, E. E., & Ebert, R. J. (1991). Administración de la producción y las
operaciones: conceptos, modelos y funcionamiento. Pearson educacion.
Alvarez, A., & Arias, C. (2004). Technical efficiency and farm size: a conditional
analysis. Agricultural Economics, 30(3), 241-250.
https://doi.org/10.1016/j.agecon.2003.04.001
Anderson, E. H. (1939). Production Economics and Scientific Management.
Southern Economic Journal, 5(4), 511-526. https://doi.org/10.2307/3693858
Arita, S., & Leung, P. (2014). A Technical Efficiency Analysis of Hawaii’s
Aquaculture Industry. Journal of the World Aquaculture Society, 45(3), 312-
321. https://doi.org/10.1111/jwas.12124
Ariza, Á. L., & García, G. A. (2015). Manual práctico de investigación de
operaciones I. (U. del Norte, Ed.) (4.a ed.). Barranquilla, Colombia:
Universidad del Norte.
Asmild, M., & Hougaard, J. L. (2006). Economic versus environmental
improvement potentials of Danish pig farms. AGRICULTURAL ECONOMICS,
35(2), 171-181. https://doi.org/10.1111/j.1574-0862.2006.00150.x
Backus, G., & Dijkhuizen, A. (2002). Kernkamp lecture : The future of the
European pork chain (p. 10). Quebec. Recuperado a partir de
http://www.bape.gouv.qc.ca/sections/mandats/prod-
porcine/documents/Econ51.PDF
Balezentis, T. (2014). On Measures of the Agricultural Efficiency--A Review.
Transformations in Business and Economics, 13(3), 110-131. Recuperado a
partir de http://www.transformations.khf.vu.lt/
Banker, R. D., Charnes, A., & Cooper, W. W. (1984). Some Models for Estimating
11
6
Evaluación de la eficiencia relativa de los sistemas de producción porcícolas
del departamento de Cundinamarca, utilizando análisis envolvente de datos
(DEA)
Technical and Scale Inefficiencies in Data Envelopment Analysis.
Management Science, 30(9), 1078-1092. Recuperado a partir de
http://www.jstor.org.ezproxy.unal.edu.co/stable/2631725
Banker, R. D., Cooper, W. W., Seiford, L. M., & Zhu, J. (2011). Returns to Scale in
DEA BT - Handbook on Data Envelopment Analysis. En W. W. Cooper, L. M.
Seiford, & J. Zhu (Eds.) (pp. 41-70). Boston, MA: Springer US.
https://doi.org/10.1007/978-1-4419-6151-8_2
Begum, I. A., Alam, M. J., Buysse, J., Frija, A., & van Huylenbroeck, G. (2012).
Contract farmer and poultry farm efficiency in Bangladesh: A data
envelopment analysis. Applied Economics, 44(28), 3737-3747.
https://doi.org/10.1080/00036846.2011.581216
Beltrán-Esteve, M., & Reig-Martínez, E. (2014). Comparing conventional and
organic citrus grower efficiency in Spain. Agricultural Systems, 129, 115-123.
https://doi.org/https://doi.org/10.1016/j.agsy.2014.05.014
Bravo-Ureta, B. E., Solís, D., Moreira López, V. H., Maripani, J. F., Thiam, A., &
Rivas, T. (2007). Technical efficiency in farming: a meta-regression analysis.
Journal of Productivity Analysis, 27(1), 57-72. https://doi.org/10.1007/s11123-
006-0025-3
Calafat, C., Selva, M. L. M., & Medina, R. P. (2016). Analysis of efficiency of pig
farms in the Valencian community (Spain). Custos e Agronegocio, 12(1), 313-
330. Recuperado a partir de
https://www.scopus.com/inward/record.uri?eid=2-s2.0-
84980384637&partnerID=40&md5=fb385b1ec3d8fac04f4b8bf3b778bba8
Campos Labbé, M. (2003). The Economics of Technologies in Swedish Pig
Production. Uppsala University. Recuperado a partir de
https://pub.epsilon.slu.se/459/1/Agraria436.pdf
Cárdenas Rincón, W. I. (2012). La competitividad de la cadena productiva de
carne de cerdo en Colombia entre 2007 - 2010. Universidad Nacional de
Colombia. Recuperado a partir de
Bibliografía 117
http://ezproxy.unal.edu.co/login?url=http://search.ebscohost.com/login.aspx?d
irect=true&db=cat01725a&AN=unc.000768802&lang=es&site=eds-live
Castellanos Méndez, J. G., Rodríguez Cárdenas, J. C., Daza C., N. E., Toro
Cepeda, W. L., Zafra P., Y., Guerreo C., G. H., … Casas, Z. (2011). Agenda
de Investigación y Desarrollo Tecnológico para la Cadena Cárnica Porcina.
Bogotá D.C. Recuperado a partir de
https://sioc.minagricultura.gov.co/Porcina/Documentos/004 - Documentos
Competitividad Cadena/004 - D.C. - 2011 Junio - Agenda de investigacion.pdf
Charnes, A., Cooper, W. W., Golany, B., Seiford, L., & Stutz, J. (1985).
Foundations of data envelopment analysis for Pareto-Koopmans efficient
empirical production functions. Journal of Econometrics, 30(1), 91-107.
https://doi.org/https://doi.org/10.1016/0304-4076(85)90133-2
Charnes, A., Cooper, W. W., & Rhodes, E. (1978). Measuring the efficiency of
decision making units. European Journal of Operational Research, 2(6), 429-
444. https://doi.org/https://doi.org/10.1016/0377-2217(78)90138-8
Charnes, A., Cooper, W. W., & Rhodes, E. (1981). Evaluating Program and
Managerial Efficiency: An Application of Data Envelopment Analysis to
Program Follow Through. Management Science, 27(6), 668-697. Recuperado
a partir de http://www.jstor.org.ezproxy.unal.edu.co/stable/2631155
Charnes, A., Cooper, W. W., & Thrall, R. M. (1991). A Structure for Classifying
and Characterizing Efficiency and Inefficiency in Data Envelopment Analysis.
Journal of Productivity Analysis, 2(3), 197-237. Recuperado a partir de
http://search.ebscohost.com/login.aspx?direct=true&db=bth&AN=16919777&l
ang=es&site=ehost-live
Chase, R. B., & Jacobs, F. R. (2010). Administración de Operaciones, Producción
y Cadena de Suministros (13.a ed.). México: McGraw Hill.
Chen, P.-C. (2012). Measurement of technical efficiency in farrow-to-finish swine
production using multi-activity network data envelopment analysis: evidence
from Taiwan. Journal of Productivity Analysis, 38(3), 319-331. Recuperado a
partir de http://10.0.3.239/s11123-012-0267-1
11
8
Evaluación de la eficiencia relativa de los sistemas de producción porcícolas
del departamento de Cundinamarca, utilizando análisis envolvente de datos
(DEA)
Coelli, T. J., Prasada Rao, D. S., O’Donnell, C. J., & Battese, G. E. (2005). An
Introduction to Efficiency and Productivity Analysis. An Introduction to
Efficiency and Productivity Analysis. New York: Springer-Verlag.
https://doi.org/10.1007/b136381
Contreras León, A. L., & Rodríguez Lozano, G. I. (2017). Medición de la Eficiencia
Relativa de Fincas Ganaderas con Servicio de Asistencia Tecnica TT.
Revista Facultad de Ciencias Económicas: Investigación y Reflexión, 25(1),
117-128. https://doi.org/10.18359/rfce.1776
Cook, W. D., & Seiford, L. M. (2009). Data envelopment analysis (DEA) – Thirty
years on. European Journal of Operational Research, 192(1), 1-17.
https://doi.org/https://doi.org/10.1016/j.ejor.2008.01.032
Cooper, W. W., Seiford, L. M., & Zhu, J. (2011). Data Envelopment Analysis:
History, Models, and Interpretations BT - Handbook on Data Envelopment
Analysis. En W. W. Cooper, L. M. Seiford, & J. Zhu (Eds.) (pp. 1-39). Boston,
MA: Springer US. https://doi.org/10.1007/978-1-4419-6151-8_1
DANE. (2014). Cuentas Trimestrales - Colombia Producto Interno Bruto (PIB)
Primer Trimestre de 2014 (Vol. 2014). Recuperado a partir de
http://www.dane.gov.co/files/investigaciones/boletines/pib/bol_PIB_IItrim17_o
ferta_demanda.pdf
DANE. (2018). Boletín técnico Producto Interno Bruto PIB Cuarto trimestre de
2017 Cuentas Trimestrales-Colombia. Bogotá D.C. Recuperado a partir de
https://www.dane.gov.co/files/investigaciones/boletines/pib/bol_PIB_IVtrim17
_oferta_demanda.pdf
DANE. (2019). Cuentas Nacionales Trimestrales Producto Interno Bruto (PIB).
Recuperado 13 de junio de 2019, a partir de
http://www.dane.gov.co/index.php/estadisticas-por-tema/cuentas-
nacionales/cuentas-nacionales-trimestrales
Emrouznejad, A., & Yang, G. (2018). A survey and analysis of the first 40 years of
scholarly literature in DEA: 1978–2016. Socio-Economic Planning Sciences,
Bibliografía 119
61, 4-8. https://doi.org/https://doi.org/10.1016/j.seps.2017.01.008
Epen, G. D., Gould, F. J., Schmid, C. P., Moore, J. H., & Weatherford, L. R.
(2000). Investigación de Operaciones en la Ciencia Administrativa (5.a ed.).
México: Prentice Hall, Inc.
Fallah-Fini, S., Triantis, K., & Johnson, A. (2014). Reviewing the literature on non-
parametric dynamic efficiency measurement: state-of-the-art. Journal of
Productivity Analysis, 41(1), 51-67. Recuperado a partir de
http://10.0.3.239/s11123-013-0349-8
Farrell, M. J. (1957). The Measurement of Productive Efficiency. Journal of the
Royal Statistical Society. Series A (General), 120(3), 253.
https://doi.org/10.2307/2343100
Fayol, H. (1981). Administración Industrial y General. Previsión-Organización-
Mando-Coordinación-Control (Octava). Libreria «El Ateneo».
Førsund, F. R. (2018). Economic interpretations of DEA. Socio-Economic
Planning Sciences, 61, 9-15.
https://doi.org/https://doi.org/10.1016/j.seps.2017.03.004
Galanopoulos, K., Aggelopoulos, S., Kamenidou, I., & Mattas, K. (2006).
Assessing the effects of managerial and production practices on the efficiency
of commercial pig farming. Agricultural Systems, 88(2), 125-141.
https://doi.org/10.1016/j.agsy.2005.03.002
Galindo, V., & Ramirez, N. (2018). Cadena productiva de Carnes y Productos
Cárnicos Cadena Productiva de Carnes y Productos Cárnicos. Archivos de
Economía. Departamento Nacional de Planeación (DNP), 471, 1-40.
Recuperado a partir de https://www.dnp.gov.co/estudios-y-
publicaciones/estudios-economicos/Paginas/archivos-de-
economia.aspxhttp://www.dotec-colombia.org/index.php/series/118-
departamento-nacional-de-planeacion/archivos-de-economia
Gamarra V., J. R. (2004). Eficiencia Técnica Relativa de la ganadería doble
propósito en la Costa Caribe. Banco de la republica centro de estudios
económicos regionales, 1-75. Recuperado a partir de
12
0
Evaluación de la eficiencia relativa de los sistemas de producción porcícolas
del departamento de Cundinamarca, utilizando análisis envolvente de datos
(DEA)
http://www.banrep.gov.co/docum/Lectura_finanzas/pdf/DTSER-53.pdf
Germán, E., & Berdegué, J. (1990). Tipificación de Sistemas de Producción
Agrícola. (Red Internacional de Metodología de Investigación de Sistemas de
Producción, Ed.). Santiago de Chile. Recuperado a partir de https://idl-bnc-
idrc.dspacedirect.org/bitstream/handle/10625/3969/49675.pdf?sequence=1
Ghorbani, A., Amirteimoori, A., & Dehghanzadeh, H. (2010). A comparison of
DEA, DFA and SFA methods using data from caspian cattle feedlot farms.
Journal of Applied Sciences, 10(14), 1455-1460.
https://doi.org/10.3923/jas.2010.1455.1460
Hair, J. F., Black, W. C., Babin, B. J., & Anderson, R. E. (2014). Multivariate Data
Analysis (7.a ed.). United States of America: Pearson Education Limited.
Recuperado a partir de www.pearsoned.co.uk
Hansson, H., Szczensa-Rundberg, M., & Nielsen, C. (2011). Which preventive
measures against mastitis can increase the technical efficiency of dairy
farms? animal, 5(4), 632–640. https://doi.org/10.1017/S1751731110002247
Hassen, A., Marwa, B. B., Hanen, A., & Amira, M. (2017). ANALYSIS OF THE
TECHNICAL EFFICIENCY, PURE AND SCALE EFFICIENCY OF RAINED
CEREAL FARMS: CASE OF THE UPPER SEMI-ARID. JOURNAL OF
EXPERIMENTAL BIOLOGY AND AGRICULTURAL SCIENCES, 5(1), S116-
S125. https://doi.org/10.18006/2017.5(Spl-1-SAFSAW).S116.S125
Hillier, F. S., & Lieberman, G. J. (2010). Introducción a la Investigación de
Operaciones (Quinta). México D.F.: McGraw Hill.
ICA. (2017). Censo Pecuario Nacional - 2016. Recuperado 19 de junio de 2019, a
partir de https://www.ica.gov.co/getdoc/8232c0e5-be97-42bd-b07b-
9cdbfb07fcac/censos-2008.aspx
ICA. (2018). Censo Pecuario Nacional - 2017. Recuperado 19 de junio de 2019, a
partir de https://www.ica.gov.co/areas/pecuaria/servicios/epidemiologia-
veterinaria/censos-2016/censo-2017.aspx
ICA. (2019). Censo Pecuario Nacional - 2018. Recuperado 19 de junio de 2019, a
Bibliografía 121
partir de https://www.ica.gov.co/areas/pecuaria/servicios/epidemiologia-
veterinaria/censos-2016/censo-2018.aspx
Idris, N. D. M., Siwar, C., & Talib, B. (2013). Determinants of technical efficiency
on pineapple farming. American Journal of Applied Sciences, 10(4), 426-432.
https://doi.org/10.3844/ajassp.2013.426.432
Jayaraman, B., & Nyachoti, C. M. (2017). Husbandry practices and gut health
outcomes in weaned piglets: A review. Animal Nutrition, 3(3), 205-211.
https://doi.org/https://doi.org/10.1016/j.aninu.2017.06.002
Joro, T., & Korhonen, P. J. (2015). Extension of Data Envelopment Analysis with
Preference Information (Vol. 218). Boston, MA: Springer US.
https://doi.org/10.1007/978-1-4899-7528-7
Köbrich, C., Rehman, T., & Khan, M. (2003). Typification of farming systems for
constructing representative farm models: two illustrations of the application of
multi-variate analyses in Chile and Pakistan. Agricultural Systems, 76(1), 141-
157. https://doi.org/https://doi.org/10.1016/S0308-521X(02)00013-6
Krajewski, L. J., Ritzman, L. P., Malhotra, M. K., Villareal, C., & del Pilartr, M.
(2008). Administración de operaciones: procesos y cadenas de
valor/Operations management. Pearson Educación,.
Kumbhakar, S. C., & Wang, H.-J. (2015). Estimation of Technical Inefficiency in
Production Frontier Models Using Cross-Sectional Data BT - Benchmarking
for Performance Evaluation: A Production Frontier Approach. En S. C. Ray,
S. C. Kumbhakar, & P. Dua (Eds.) (pp. 1-73). New Delhi: Springer India.
https://doi.org/10.1007/978-81-322-2253-8_1
Kuosmanen, T., & Kuosmanen, N. (2009). Role of benchmark technology in
sustainable value analysis An application to Finnish dairy farms. Agricultural
and Food Science, 18, 302-316. Recuperado a partir de
http://jukuri.luke.fi/handle/10024/475910
Labajova, K., Hansson, H., Asmild, M., Göransson, L., Lagerkvist, C.-J., & Neil, M.
(2016). Multidirectional analysis of technical efficiency for pig production
systems: The case of Sweden. Livestock Science, 187, 168-180.
12
2
Evaluación de la eficiencia relativa de los sistemas de producción porcícolas
del departamento de Cundinamarca, utilizando análisis envolvente de datos
(DEA)
https://doi.org/10.1016/j.livsci.2016.03.009
Lansink, A. O., & Reinhard, S. (2004). Investigating technical efficiency and
potential technological change in Dutch pig farming. Agricultural Systems,
79(3), 353-367. https://doi.org/10.1016/S0308-521X(03)00091-X
Main, D. C. J., Mullan, S., Atkinson, C., Cooper, M., Wrathall, J. H. M., & Blokhuis,
H. J. (2014). Best practice framework for animal welfare certification
schemes. Trends in Food Science & Technology, 37(2), 127-136.
https://doi.org/https://doi.org/10.1016/j.tifs.2014.03.009
Mareth, T., Thomé, A. M. T., Scavarda, L. F., & Oliveira, F. L. C. (2017). Technical
efficiency in dairy farms: Research framework, literature classification and
research agenda. International Journal of Productivity and Performance
Management, 66(3), 380-404. https://doi.org/10.1108/IJPPM-09-2015-0131
Mousavi-Avval, S. H., Mohammadi, A., Rafiee, S., & Tabatabaeefar, A. (2012).
Assessing the technical efficiency of energy use in different barberry
production systems. Journal of Cleaner Production, 27, 126-132.
https://doi.org/https://doi.org/10.1016/j.jclepro.2012.01.014
Nauges, C., O’Donnell, C. J., & Quiggin, J. (2011). Uncertainty and technical
efficiency in Finnish agriculture: a state-contingent approach. European
Review of Agricultural Economics, 38(4), 449-467.
https://doi.org/10.1093/erae/jbr014
OECD/FAO. (2016). Agricultural Outlook 2016-2025. OECD Publishing.
Recuperado a partir de
https://stats.oecd.org/Index.aspx?DataSetCode=HIGH_AGLINK_2016
OECD/FAO. (2017). “Panorama general de OCDE-FAO Perspectivas Agrícolas
2017-2026””, in OCDE-FAO Perspectivas Agrícolas 2017-2026, OECD
Publishing, Paris. Paris: OECD Publishing.
https://doi.org/10.1787/888933575691
OECD/FAO. (2018). OCDE-FAO Perspectivas Agrícolas 2018-2027. Paris: OECD
Publishing. https://doi.org/https://doi.org/https://doi.org/10.1787/agr_outlook-
Bibliografía 123
2018-es
OECD. (2015). OECD Review of Agricultural Policies: Colombia 2015. Paris:
OECD Publishing.
https://doi.org/https://doi.org/https://doi.org/10.1787/9789264227644-en
Olaberría, E. (2017). Reigniting growth through productivity-enhancing reforms in
Colombia. OECD Economics Department Working Papers, (1424).
https://doi.org/https://doi.org/https://doi.org/10.1787/dac4e274-en
Olesen, O. B., & Petersen, N. C. (2016). Stochastic Data Envelopment Analysis—
A review. European Journal of Operational Research, 251(1), 2-21.
https://doi.org/https://doi.org/10.1016/j.ejor.2015.07.058
Paranhos da Costa, M. J. R., Huertas, S. M., Gallo, C., & Dalla Costa, O. A.
(2012). Strategies to promote farm animal welfare in Latin America and their
effects on carcass and meat quality traits. Meat Science, 92(3), 221-226.
https://doi.org/https://doi.org/10.1016/j.meatsci.2012.03.005
Parra, R. A. (2010). UTILIZACIÓN DEL ANÁLISIS ENVOLVENTE DE DATOS
(DEA) EN EL DESARROLLO DE UNA METODOLOGÍA PARA EL
ESTABLECIMIENTO DE COSTOS EFICIENTES DE REMUNERACIÓN, EN
LA ADMINISTRACIÓN, OPERACIÓN Y MANTENIMIENTO DE LOS
SISTEMAS DE DISTRIBUCIÓN ELÉCTRICA. Universidad Nacional de
Colombia. Recuperado a partir de
http://bdigital.unal.edu.co/4179/1/robinsonalexandergonzalezparra.2011.pdf
Peng Wong, W., & Yew Wong, K. (2007). Supply chain performance
measurement system using DEA modeling. Industrial Management & Data
Systems, 107(3), 361-381. https://doi.org/10.1108/02635570710734271
Perez, C., Castro, R. de, Simons, D., & Gimenez, G. (2010). Development of lean
supply chains: a case study of the Catalan pork sector. Supply Chain
Management: An International Journal, 15(1), 55-68.
https://doi.org/10.1108/13598541011018120
Perfetti del Corral, M., Prada Lombo, C. F., & Buitrago Hoyos, G. (2017). Cuentas
Trimestrales-Colombia Producto Interno Bruto (PIB) Cuarto Trimestre de
12
4
Evaluación de la eficiencia relativa de los sistemas de producción porcícolas
del departamento de Cundinamarca, utilizando análisis envolvente de datos
(DEA)
2016. Bogotá D.C. Recuperado a partir de
https://www.dane.gov.co/files/investigaciones/boletines/pib/bol_PIB_IVtrim16
_oferta_demanda.pdf
Porkcolombia. (2017). Análisis de Coyuntura del Sector Porcicultor del Año 2016
y Perspectivas 2017. Bogotá D.C. Recuperado a partir de
https://www.miporkcolombia.co/wp-
content/uploads/2018/07/Inf_Economico_2016.pdf
Porkcolombia. (2019a). Análisis de Coyuntura del Sector Porcicultor del Año 2018
y Perspectivas 2019. Bogotá D.C. Recuperado a partir de
https://www.miporkcolombia.co/wp-content/uploads/2019/03/Bol_Inf_2018.pdf
Porkcolombia. (2019b). Ronda de Precios - Porkcolombia. Bogotá D.C.
Recuperado a partir de https://www.miporkcolombia.co/wp-
content/uploads/2019/02/Semana52de2018.pdf
Ray, S. C., & Chen, L. (2015). Data Envelopment Analysis for Performance
Evaluation: A Child’s Guide BT - Benchmarking for Performance Evaluation:
A Production Frontier Approach. En S. C. Ray, S. C. Kumbhakar, & P. Dua
(Eds.) (pp. 75-116). New Delhi: Springer India. https://doi.org/10.1007/978-
81-322-2253-8_2
Ray, S. C., Kumbhakar, S. C., & Dua, P. (2015). Benchmarking for performance
evaluation: A production frontier approach. Benchmarking for Performance
Evaluation: A Production Frontier Approach. https://doi.org/10.1007/978-81-
322-2253-8
Robbins, S. P. (2004). Comportamiento Organizacional. Pearson educación.
Rodríguez, G. I. (2003). Medición de la eficiencia relativa en dos subsectores de
la economía colombiana desde 1993 a 2002 utilizando Data Envelopment
Analysis (DEA). Innovar; Núm. 22 (2003). Recuperado a partir de
https://revistas.unal.edu.co/index.php/innovar/article/view/25019/25552
Rodríguez, G. I. (2011). Indicadores DEA (Data Envelopment Analysis) de
eficiencia y productividad. Actividades de extensión universitaria. Aplicación
Bibliografía 125
en la Universidad Nacional de Colombia. (Facultad de Ciencias Económicas,
Ed.). Bogotá D.C.: Universidad Nacional de Colombia.
Ruggiero, J. (2000). Measuring technical efficiency. European Journal of
Operational Research, 121(1), 138-150. https://doi.org/10.1016/S0377-
2217(99)00010-7
Samarajeewa, S., Hailu, G., Jeffrey, S. R., & Bredahl, M. (2012). Analysis of
production efficiency of beef cow/calf farms in Alberta. Applied Economics,
44(3), 313-322. https://doi.org/10.1080/00036846.2010.507173
Santos, J., Negas, E. R., & Santos, L. C. (2013). Introduction to Data
Envelopment Analysis BT - Efficiency Measures in the Agricultural Sector:
With Applications. En A. B. Mendes, E. L. D. G. Soares da Silva, & J. M.
Azevedo Santos (Eds.), Efficiency Measures in the Agricultural Sector (pp.
37-50). Dordrecht: Springer Netherlands. https://doi.org/10.1007/978-94-007-
5739-4_3
Schroeder, R., Goldstein, S., & Rungtusanatham, M. (2011). Administración de
Operaciones: Conceptos y Casos Contemporáneos. México: Mc Graw Hill.
Sierra Gómez, O., & Cuesta Cantor, F. A. (2014). Estadísticas Agropecuarias
Volumen 23. (Secretaría de Agricultura y Desarrollo Rural, Ed.). Bogotá D.C.:
Gobernación de Cundinamarca.
Silva, E., Arzubi, A., & Berbel, J. (2013). An Application of Data Envelopment
Analysis (DEA) in Azores Dairy Farms BT - Efficiency Measures in the
Agricultural Sector: With Applications. En A. B. Mendes, E. L. D. G. Soares
da Silva, & J. M. Azevedo Santos (Eds.), Efficiency Measures in the
Agricultural Sector (pp. 73-81). Dordrecht: Springer Netherlands.
https://doi.org/10.1007/978-94-007-5739-4_5
Silva, E., Mendes, A. B., & Santos, J. (2013). Efficiency Measures in the
Agricultural Sector: The Beginning BT - Efficiency Measures in the
Agricultural Sector: With Applications. En A. B. Mendes, E. L. D. G. Soares
da Silva, & J. M. Azevedo Santos (Eds.) (pp. 3-12). Dordrecht: Springer
Netherlands. https://doi.org/10.1007/978-94-007-5739-4_1
12
6
Evaluación de la eficiencia relativa de los sistemas de producción porcícolas
del departamento de Cundinamarca, utilizando análisis envolvente de datos
(DEA)
Solow, R. (1952). Activity Analysis of Production and Allocation (Book). American
Economic Review, 42(3), 424. Recuperado a partir de
http://search.ebscohost.com/login.aspx?direct=true&db=bth&AN=8720874&la
ng=es&site=ehost-live
Taylor, F. W. (1981). Principios de la Adminstración Cientifica (Octava). Libreria
«El Ateneo».
Téllez Iregui, G., & Moreno Vásquez, F. C. (2004). Métodos, técnicas y
herramientas para una gestión moderna de las empresas ganaderas.
(Universida Nacional de Colombia, Ed.). Bogotá D.C.: Facultad de Medicina
Veterinaria Y de Zootecnia. Recuperado a partir de
http://ezproxy.unal.edu.co/login?url=http://search.ebscohost.com/login.aspx?d
irect=true&db=cat01725a&AN=unc.000318074&lang=es&site=eds-live
Thanh Nguyen, T., Hoang, V.-N., & Seo, B. (2012). Cost and environmental
efficiency of rice farms in South Korea. Agricultural Economics, 43(4), 369-
378. https://doi.org/10.1111/j.1574-0862.2012.00589.x
Tian, X., Sun, F., & Zhou, Y. (2015). Technical efficiency and its determinants in
China’s hog production. Journal of Integrative Agriculture, 14(6), 1057-1068.
https://doi.org/10.1016/S2095-3119(14)60989-8
Tolosa, B. (2013). Evaluación de eficiencia en el sector de distribución de energía
eléctrica en Colombia empleando la metodología de análisis envolvente de
datos-DEA. Universidad Nacional de Colombia. Recuperado a partir de
http://www.bdigital.unal.edu.co/9370/1/7710022.2013.pdf
Tonsor, G. T., & Featherstone, A. M. (2009). Production Efficiency of Specialized
Swine Producers. Review of Agricultural Economics, 31(3), 493-510.
Recuperado a partir de
http://www.jstor.org.ezproxy.unal.edu.co/stable/40588509
Van der Vorst, Jack G.A.J. da Silva, Carlos A. Trienekens, J. H. (2007). Agro-
industrial supply chain management: concepts and applications. (FAO, Ed.).
Rome. Recuperado a partir de http://www.fao.org/3/a-a1369e.pdf
Bibliografía 127
Van Meensel, J., Lauwers, L., & Van Huylenbroeck, G. (2010). Communicative
diagnosis of cost-saving options for reducing nitrogen emission from pig
finishing. Journal of Environmental Management, 91(11), 2370-2377.
https://doi.org/https://doi.org/10.1016/j.jenvman.2010.06.026
Vijai, J. P., Somayaji, G. S. R., Swamy, R. J. R., & Aital, P. (2017). Relevance of
F.W. Taylor’s principles to modern shop-floor practices: A benchmarking work
study. Benchmarking: An International Journal, 24(2), 445-466.
https://doi.org/10.1108/BIJ-02-2015-0019
Villalobos, N. C., Altahona, O. C., & Herrera, T. J. F. (2006). Gestión de la
Producción y Operaciones. EDUMED. T S TS (Vol. 4).
Wendler, T., & Gröttrup, S. (2016). Cluster Analysis BT - Data Mining with SPSS
Modeler: Theory, Exercises and Solutions. En T. Wendler & S. Gröttrup
(Eds.) (pp. 587-712). Cham: Springer International Publishing.
https://doi.org/10.1007/978-3-319-28709-6_7
Wilson Oviedo, G., & Gloria Rodríguez, L. (2011). Medición de la eficiencia
técnica relativa de las fincas asociadas a Coounión en Guasca
Cundinamarca. Revista MVZ Cordoba, 16(2), 2616-2627.
Zhou, H., Yang, Y., Chen, Y., & Zhu, J. (2018, enero 1). Data envelopment
analysis application in sustainability: The origins, development and future
directions. European Journal of Operational Research. North-Holland.
https://doi.org/10.1016/j.ejor.2017.06.023
Zhou, Y., Zhang, X., Tian, X., Geng, X., Zhang, P., & Yan, B. (2015). Technical
and environmental efficiency of hog production in China – A stochastic
frontier production function analysis. Journal of Integrative Agriculture, 14(6),
1069-1080. https://doi.org/10.1016/S2095-3119(14)60990-4
Zongli, Z., Yanan, Z., Feifan, L., Hui, Y., Yongming, Y., & Xinhua, Y. (2017).
Economic efficiency of small-scale tilapia farms in Guangxi, China.
Aquaculture Economics & Management, 21(2), 283-294.
https://doi.org/10.1080/13657305.2016.1180644