Artículo Académico / Academic Paper
Recibido: 06-05-2018, Aprobado tras revisión: 23-07-2018
Forma sugerida de citación: German, B.; Toapanta, K.; Espinoza, S; Narváez, R; Jiménez, E; Chico, A. (2018). “Optimización de
Centros de Almacenamiento de Jatropha Curcas en Manabí Ecuador”. Revista Técnica “energía”. No. 15, Issue I, Pp. 21-29
ISSN On-line: 2602-8492 - ISSN Impreso: 1390-5074
© 2018 Operador Nacional de Electricidad, CENACE
Optimization of Storage Centers of Jatropha Curcas in Manabí Ecuador
Optimización de Centros de Almacenamiento de Jatropha Curcas en Manabí
Ecuador
Boris German
1
Karolina Toapanta
1
Sebastián Espinoza
1
Ricardo Narváez
1
Edward Jiménez
2
Andrés Chico
3
1
Instituto Nacional de Eficiencia Energética y Energías Renovables (INER), Quito, Ecuador
E-mail: boris.german@iner.gob.ec; karolina.toapanta@iner.gob.ec; sebastian.espinoza@iner.gob.ec;
ricardo.narvaez@iner.gob.ec
2
Universidad Central del Ecuador, Quito, Ecuador
E-mail: ejimenez@uce.edu.ec
3
Escuela Politécnica Nacional, Quito, Ecuador
E-mail: andres.chico@epn.edu.ec
Abstract
The present work aims to provide an optimization
model as a selection criterion for the approval of
future storage centers of Jatropha Curcas in rural
areas of Manabí. Fieldwork was carried out to
establish and characterize the local supply chain. The
data was complemented with a Geographic
Information System (GIS) to define the objective
function that determines the benefit associated with
the production of Jatropha oil. The supply chain was
optimized maximizing the benefits; a sensitivity
analysis was added to find a decision criterion that
determines the acceptance of future storage centers.
Empirically implemented storage centers in existence
cannot be eliminated or displaced due to social and
economic implications, for this reason this centers
were established as a baseline for the mathematical
modeling. The location of the storage centers and the
amount of Jatropha collected are strategic variables
that determine the decision criteria of each zone. The
results show that when the collection values were
more dispersed, the acceptance criteria to evaluate
the future centers of storage were stricter.
Additionally, it was identified that transportation cost
of the Jatropha seed is linked to the main productive
activity of the farmers, which is corn production.
Index terms supply chain, Linear programming,
optimization, GIS, collection points, Jatropha Curcas,
Ecuador
Resumen
El presente trabajo tiene como objetivo proporcionar
un modelo de optimización como criterio de selección
para la aprobación de futuros centros de
almacenamiento de Jatropha Curcas en áreas rurales
de Manabí. Se llevó a cabo trabajo de campo para
establecer y caracterizar la cadena de suministro
local. Los datos se complementaron con un Sistema de
Información Geográfica (SIG) para definir la función
objetivo que determina el beneficio asociado a la
producción de aceite de Jatropha. La cadena de
suministro se optimizó maximizando los beneficios, se
añadió un análisis de sensibilidad para encontrar un
criterio de decisión que determine la aceptación de los
futuros centros de almacenamiento. Existen centros
de almacenamiento empíricamente implementados
que, debido a los componentes sociales y económicos,
no pueden ser eliminados o desplazados, bajo este
contexto se estableció el punto de partida para la
modelación matemática. La ubicación de los centros
de almacenamiento y la cantidad de Jatropha
recolectada son las variables estratégicas que
determinan el criterio de decisión de cada zona, en
cuanto más dispersos son los valores de recolección,
más estrictos son los criterios de aceptación para
evaluar los futuros centros de almacenamiento.
Adicionalmente se identificó que el costo de
transporte de la semilla de Jatropha se ve ligado a la
principal actividad productiva de los agricultores,
producción de maíz.
Palabras clave Cadena de suministro,
programación linear, optimización, centros de
almacenamiento, Jatropha Curcas, Manabí-Ecuador
21
Revista Técnica “energía”, Edición No. 15, Issue I, Julio 2018
1. INTRODUCCIÓN
Las cadenas de suministro pueden definirse como
sistemas que están integrados por diferentes partes
interesadas en la búsqueda de un objetivo común,
mediante planificación y coordinación [1] [2]. El análisis
tradicional de la cadena de suministro se apoya en
modelos analíticos, determinísticos, estocásticos y
económicos [3] [4]. Sin embargo, dichos modelos deben
ser modificados para proporcionar soluciones en casos
particulares, donde los enfoques de análisis tradicional no
se aplican. El diseño y análisis de la cadena de suministro
en escenarios rurales desafía los modelos tradicionales,
sobre todo cuando se toma en cuenta la distribución
aleatoria de la materia prima y se requiere definir centros
de almacenamiento [5]. De hecho, las actividades rurales
se basan en una logística compleja para proporcionar y
transportar materias primas desde los centros de
almacenamiento hasta el lugar de procesamiento [6] [7].
Un sistema logístico en áreas rurales generalmente
enfrenta un suministro intermitente con altos costos de
trasporte y adquisición de materia prima. En
consecuencia, es necesario tener en cuenta componentes
económicos, medioambientales y sociales a fin de
proporcionar a las empresas rurales estabilidad y
sostenibilidad [8].
El sistema logístico de cultivos energéticos representa
uno de los muchos casos relacionados con el análisis de
la cadena de suministro en zonas rurales, que promueven
el crecimiento económico y desarrollo social entre los
diferentes interesados [9] [10]. Es preciso indicar que
dicha cadena de suministro tiene un efecto multiplicador
sobre el desarrollo de las comunidades rurales, puesto
que agrupa la mano de obra en las etapas de crecimiento,
cosecha, almacenamiento y transporte [11],
convirtiéndose así en la principal actividad productiva de
ciertas localidades rurales.
Las actividades relacionadas con los cultivos energéticos
también pueden desarrollarse como actividades
productivas secundarias que generan ingresos
adicionales para los agricultores. Uno de los ejemplos de
tales actividades secundarias es la recolección de semilla
de Jatropha Curcas en Manabí-Ecuador, para la
extracción de aceite. En Ecuador, la Jatropha no tiene un
crecimiento formal, sino que se usa como cerca viva para
dividir la tierra donde se cultivan productos tradicionales
como el maíz. En tales circunstancias, el análisis de la
cadena de suministro de los cultivos energéticos debe
considerar la disponibilidad de los cultivos y la
optimización de los centros de almacenamiento ya
existentes [12].
El modelo de análisis de la cadena de suministro
presentado en este trabajo proporciona a los interesados
una herramienta de decisión para analizar la
implementación de los futuros centros de
almacenamiento de productos energéticos en áreas
rurales. Además, el modelo mencionado no excluye los
centros de almacenamiento preestablecidos que
actualmente están funcionando y generando ingresos [13]
[14]. Este modelo se puede aplicar a cualquier sistema de
cadena de suministro de características similares.
2. METODOLOGÍA
Para abordar el problema de la cadena de suministro de
Jatropha Curcas en áreas rurales con poblaciones pobres,
como la identificada en Manabí, se llevó a cabo un
enfoque de investigación operativa, que definió una
función objetiva sujeta a restricciones para adaptar dicho
modelo matemático a la realidad existente de los centros
de almacenamiento de Jatropha in situ. La función
objetivo se optimizó utilizando la programación lineal a
fin de maximizar los beneficios de la planta de extracción
de aceite, y al mismo tiempo garantizar ingresos
adicionales a los recolectores de fruto y/o semillas
Jatropha. Para este objetivo se llevaron a cabo diferentes
etapas, incluyendo trabajo en campo y modelado para la
optimización. La notación utilizada en esta sección se
presenta en la Tabla 1.
Tabla 1. Notación
Beneficio de la planta de extracción [$]
Precio de aceite de Jatropha [$/kg]
Precio de torta de piñón [$/kg] *
Precio de semilla seca de jatropha
[$/kg]
Cantidad total de semilla seca de
Jatropha [kg]
Cantidad de semilla seca de Jatropha por
centro de almacenamiento [kg]
Distancia entre el centro de
almacenamiento y planta de extracción
[km]
Costo de transporte [$/kg km]
Número de centros de almacenamiento
Costo de extracción [$/kg]
Límite de recolección superior de
Jatropha por centro de almacenamiento
[kg]
Límite inferior de recolección de
Jatropha por punto de recolección [kg]
Beneficio inicial [$/year]
Beneficio final [$/year]
2.1. Identificación de los puntos de recolección
existentes usando GIS
Se llevó a cabo trabajo en campo en cada centro de
almacenamiento que proporciona semilla de jatropha
Curcas a la planta de extracción. Se determinó las
22
German et al. / Optimización de Centros de Almacenamiento de Jatropha Curcas en Manabí Ecuador
coordenadas de longitud y latitud utilizando un equipo
Garmin Oregon® 650 Global Positioning System (GPS).
A fin de adquirir datos y una óptima identificación de
rutas, la metodología desarrollada es compatible con el
Sistema de Información Geográfica (SIG) [15] [16] [17]
[18], es así que Las rutas disponibles entre los centros de
almacenamiento y la planta de extracción se definió
utilizando el software SIG (ArcGIS®).
Para el análisis vial se consideraron las carreteras
principales con una infraestructura adecuada para el
transporte, mientras que los caminos secundarios y
terciarios se consideraron solo cuando las carreteras
principales no eran disponibles, es preciso indicar que los
caminos se clasificaron según los criterios del Instituto
Geográfico Militar de Ecuador, es importante indicar que
los datos tomados y evaluados en el presente trabajo
corresponde a los centros de almacenamiento del año
2014- 2015.
2.2. Problema de optimización
La optimización de la cadena de suministro se concibió
como una alternativa para proporcionar a los recolectores
de semilla de jatropha y a la planta extractora un criterio
que respalde su crecimiento basado en la implementación
de futuros centros de almacenamiento. Dicha
optimización implica maximizar el beneficio de la planta
de extracción y asegurar la recolección de Jatropha en las
tres zonas (Norte, Centro y Sur) de Manabí. La
información base sobre la cadena de suministro de
Jatropha se recopiló a través de trabajo en campo y
encuestas a diferentes actores involucrados en las etapas
de recolección almacenamiento, transporte y extracción
de aceite. La planta extractora de aceite de Jatropha es la
única planta de procesamiento existente, la cual se
abastece con la toda la materia prima recolectada.
Los beneficios de la planta extractora se considera por la
comercialización del aceite de Jatropha y la torta residual
del proceso que es considerado como abono. El precio de
comercialización de los productos está asociado al costo
de compra, recolección, almacenamiento y transporte de
la semilla de Jatropha, es importante indicar que el costo
de transporte de la semilla de Jatropha se ve afectado
directamente, porque la recolección de Jatropha es una
actividad secundaria para los agricultores, cabe
mencionar que la recolección de Jatropha es un ingreso
adicional que reciben los individuos dedicados al agro,
ya que la semilla de Jatropha se obtiene de cercas vivas
que dividen los cultivos principales de los agricultores.
Actualmente el aceite de jatropha se usa como
combustible ecológico renovable para la generación de
energía eléctrica en las Islas Galápagos. La cantidad de
semilla de Jatropha disponible en cada centro de
almacenamiento es la principal variable de diseño para la
formulación de la ecuación. Un aspecto adicional que se
debe indicar es que cada zona mantuvo sus centros de
almacenamientos ya implementados empíricamente, los
mismos que debido a componentes sociales, no pueden
ser eliminados o desplazados, finalmente se evalúa la
implementación de nuevos centro de almacenamiento por
zona a lo largo de Manabí.
2.3. Modelo Matemático
La información recopilada sobre la cadena de suministro
de extracción de aceite de Jatropha, sirvió como insumo
para establecer la función objetivo, que describe los
beneficios en función de los ingresos y los costos totales
asociados a la cadena de suministro. Se utilizó métodos
comunes de programación lineal para maximizar el
beneficio de la planta extractora de aceite [19] [20] [21].
El modelo desarrollado se presenta a continuación:
Insumos
Cantidad de semilla de jatropha recolectada por
cada centro de almacenamiento al año.
Costo de la semilla y/o fruta de Jatropha.
Distancias entre la planta de extracción y los
centros de almacenamiento.
Costo de transporte, desde los centros de
almacenamiento hasta la planta de extracción.
Costos de extracción del aceite de Jatropha.
Rendimiento de aceite de Jatropha en función
del proceso de extracción.
Precio de venta de aceite de Jatropha.
Precio de venta de torta de Jatropha.
Decisiones:
Cantidad de semilla y o fruta de Jatropha
transportada desde cada centro de acopio a la
planta de extracción por año.
Cantidad de aceite de Jatropha producida al
año.
Cantidad de semilla de Jatropha requerida en
cada nuevo centro de acopio.
Consideraciones
La planta extractora de aceite es la única que
compra fruta y/o semilla de Jatropha
producida en Manabí.
El rendimiento del proceso de extracción es
0.3 [kg de aceite / kg de semilla de Jatropha]
El crecimiento potencial por punto de
recolección y zonas es 10% por año.
Ecuación de optimización
La función objetivo (1) considera todos los centros de
almacenamiento que fueron identificados y
caracterizados in-situ. Los ingresos totales están dados
23
Revista Técnica “energía”, Edición No. 15, Issue I, Julio 2018
por la comercialización del aceite de Jatropha
y torta de Jatropha
total.
Mientras que, los costos totales consideraron la fruta y/o
semilla de Jatropha adquirida en los centros de
almacenamiento
, costo de transporte
y costo de procesamiento en planta
.
Restricciones de la función objetivo
La cantidad de Jatropha recolectada está limitada por las
capacidades de cada uno de los centros de
almacenamiento, y cada zona de análisis es un caso
particular en el que existe un centro de almacenamiento
de menor recolección de semilla y/o fruta de jatropha
, así como uno de mayor recolección de semilla
y/o fruta de jatropha
. El límite superior se
definió considerando un aumento del 10% en la
capacidad de recolección y almacenamiento de cada
centro, Asimismo se consideró un incremento potencial
del 10% en la capacidad de recolección de cada zona, este
aumento representa las oportunidades de crecimiento
para el futuro y las restricciones del modelo matemático
se representan de la siguiente forma:
(2)
(3)
(4)
(5)
(6)
2.4. Análisis de sensibilidad
El análisis de sensibilidad se realizó tomando en cuenta
la agrupación de los centros de almacenamiento por
zona (norte, centro y sur), el modelo matemático
propuesto determinó el máximo beneficio de la planta
de extracción que está dado por la suma de la utilidad
generada en cada zona de influencia
; es decir
la utilidad total está dada por
La variación del beneficio se midió, mediante la
exclusión de cada centro de almacenamiento a la vez,
esto dio a conocer la influencia que tiene cada centro en
la utilidad de cada zona.
Criterio de decisión para la evaluación de futuros
centros de almacenamiento
Para analizar la viabilidad de implementar potenciales
centros de almacenamiento en cada zona, se consideró en
primer lugar, la ubicación del futuro centro de
almacenamiento, así como su distancia hasta la planta de
extracción. Con estimaciones de cantidad de recolección
se determinan las variables requeridas en el modelo
matemático, considerando que solo se receptará semilla
de Jatropha.
Se incluye los datos del potencial centro de
almacenamiento al modelo matemático, para determinar
el nuevo beneficio de la zona, al cual se define como U
f
.
Para que el centro de almacenamiento sea aceptado, su
beneficio final debe ser al menos un 10 % mayor al
beneficio inicial.
En consecuencia, se espera que cualquier nuevo centro
de almacenamiento aceptado aumente los beneficios de
la zona geográfica a la que pertenece. Dentro de estas
condiciones, se evalúan nuevos centros de
almacenamiento en cada, hasta definir los requisitos para
su aceptación.
3. RESULTADOS Y DISCUSIÓN
Identificación de los puntos de recolección existentes
usando GIS
A través de Sistemas de Información Geográfica (GIS),
se identificaron 20 centros de almacenamiento de
Jatropha a lo largo de Manabí. Entre los diferentes
centros de almacenamiento se consideró 7 centros en la
zona norte, 9 en la zona central y 11 centros en el sur. La
ubicación, la cantidad de Jatropha recolectada, la
distancia entre los centros de almacenamiento y la planta
de extracción y los costos de transporte para cada zona,
se presentan en las Tablas 2,3,4 y Fig. 2.
Tabla 1. Identificación y características de los centros de
almacenamientos localizados en la zona norte
Centros de
Almacenamiento
Cantidad
[kg]
Distancia
[Km]
Costo de
transporte
[USD/kg Km]
Asociación
Agropecuaria
Copetón
561.90
73.69
1.45E-03
Comité Agrícola
la Diferencia
Productiva
Boyaca
21247.11
92.58
9.15E-05
Unión de
Organizaciones
Campesinas San
Isidro
7541.44
114.43
1.74E-04
Asociación
Agrícola Rosa
Blanca
687.36
94.84
1.53E-03
Comuna los Caras
3784.16
112.03
2.83E-04
Tosagua
2488.38
57.18
7.03E-04
Asociación
Agrícola Río
Canuto
363.60
67.37
2.04E-03
Tabla 2. Identificación y características de los centros de
almacenamiento localizados en la zona centro
Centros de
Almacenamiento
Cantidad
[kg]
Distancia
[Km]
Costo de
transporte
[USD/kg Km]
Cerro Verde
2167.33
60.52
6.10E-04
La Atravesada
5669.07
64.39
8.22E-05
Comuna
Danzarín
959.09
40.30
9.06E-04
Asociación Las
Flores
222.20
37.85
3.57E-03
24
German et al. / Optimización de Centros de Almacenamiento de Jatropha Curcas en Manabí Ecuador
Tabla 3. Identificación y características de los centros de
almacenamiento localizados en la zona sur
Centros de
Almacenamiento
Cantidad
[kg]
Distancia
[Km]
Costo de
transporte
[USD/kg Km]
Recinto Sandial
4445.92
56.58
8.75E-04
Comunidad
Cerrito de la
Asunción
247.90
48.50
1.66E-02
Sancan- Sancan
8420.84
48.99
5.33E-04
Mero Seco
1014.02
84.38
3.04E-03
ComercialCastillo
Bustamante
1501.70
66.21
2.51E-03
Colime San
Antonio
318.00
96.72
9.75E-03
Guale
524.19
127.38
4.49E-03
Comercial Isidro
Arguello
6335.89
140.44
3.93E-04
El Pescador
Olmedo
799.47
38.96
5.78E-03
Figura 1. Mapa ubicación de centros de almacenamiento
La información presentada en los Cuadros 2, 3 y 4
evidencia una variación importante de los costos de
transporte de la cadena de suministro, en cada zona, por
ejemplo para los centros de almacenamiento de la zona
sur, Comunidad Cerrito de la Asunción y Sancan-Sancan,
la distancias a la planta extractora de aceite es 48.5 km y
48.9 km respectivamente, con una diferencia de casi 1%,
Sin embargo, la diferencia entre el costo del transporte,
4.21 [$ / km] y 4.49 [$ / km], es aproximadamente del
8%. Del mismo modo, existen diferencias importantes en
el costo de transporte de Jatropha entre otros centros de
almacenamiento de las zonas, incluso si están ubicadas a
distancias similares de la planta de extracción, otro
ejemplo es al comparar el centro de almacenamiento
Asociación Agrícola Rosa Blanca ubicado en la zona
norte, con Colime San Antonio en la zona sur, con un 2%
de diferencia en la distancia a la planta de extracción,
pero con una diferencia del 84% en los costos de
transporte Este comportamiento se explica por la
negociación directa existente entre los recolectores y los
transportistas, y por el hecho de que la Jatropha no es el
cultivo principal del área, a menudo se transporta junto
con otros cultivos como el maíz, que es el producto que
define el costos de transporte de Jatropha.
Optimización del problema excluyendo un centro de
almacenamiento a la vez
Los resultados de la optimización de la función objetivo
para cada zona se presentan en la Tabla 5.
Tabla 4. Resultados de optimización en cada zona
Zona
Beneficio [$/year]
North
5 801,47
Central
1 445,58
South
2 289,58
Total
9 536,63
Análisis de sensibilidad
El análisis de sensibilidad realizado implicó la
determinación del beneficio generado en cada zona,
excluyendo un centro de almacenamiento a la vez, los
beneficios resultantes se presentan en las figuras 4,5 y 6.
25
Revista Técnica “energía”, Edición No. 15, Issue I, Julio 2018
Figura. 4. Análisis de sensibilidad zona norte
Figura. 5. Análisis de sensibilidad zona centro
Figura. 6. Análisis de sensibilidad zona sur
Los resultados del análisis de sensibilidad muestran que
cuando se evalúa la función objetivo sin el mayor centro
de almacenamiento en cada zona, la ganancia baja a un
valor mínimo. En la zona norte, tal como se presenta en
la Fig. 4, al excluir el centro de almacenamiento Boyaca,
la ganancia baja un 35%. De manera similar, los mayores
centros de almacenamiento en la zona central (La
Atravesada) y sur (SANCAN-SANCAN) generan una
reducción del 32% y 44% respectivamente. Estos
resultados muestran que para la cadena de suministro de
Jatropha existente en Manabí, el beneficio de la planta de
extracción de aceite depende principalmente de un centro
de almacenamiento por zona. Tal comportamiento
evidencia que el beneficio de la planta extractora depende
en gran medida de la cantidad de materia prima y sus
precios asociados.
Criterio de selección sobre futuros centros de
almacenamiento
El criterio considerado para analizar la viabilidad de
nuevos centros de almacenamiento considera una
5762,55
2055,91
4678,52
5740,67
5087,05
5446,77
5734,55
5801,47
ASOCIACIÓN
AGROPECUARIA
COPETÓN
COMITÉ
AGRÍCOLA LA
DIFERENCIA
PRODUCTIVA
BOYACA
UNIÓN DE
ORGANIZACION
ES CAMPESINAS
SAN ISIDRO
ASOCIACIÓN
AGRÍCOLA
ROSA BLANCA
COMUNA LOS
CARAS
TOSAGUA
ASOCIACÓN
AGRÍCOLA RÍO
CANUTO
TOTAL
Evaluación de la Función Objetico
[$/kg año]
1126,83
463,275
1303,5
1441,43
1445,58
CERRO VERDE
LA
ATRAVESADA
COMUNA
DANZARÍN
ASOCIACIÓN
LAS FLORES
TOTAL
Evaluación de la Función
Objetico [$/kg año]
1327,26
2313,88
1007,65
2279,52
2218,93
2496,34
2391,9
1837,69
2273,6
2289,58
RECINTO
SANDIAL
COMUNIDAD
CERRITO DE LA
ASUNCIÓN
SANCAN-
SANCAN
MERO SECO
COMERCIAL
CASTILLO
BUSTAMANTE
COLIME SAN
ANTONIO
GUALE
COMERCIAL
ISIDRO
ARGUELLO
EL PESCADOR
OLMEDO
TOTAL
Evaluación de la Función Objetico
[$/kg año]
26
German et al. / Optimización de Centros de Almacenamiento de Jatropha Curcas en Manabí Ecuador
ganancia mínima que cada nuevo centro de
almacenamiento debe cumplir para ser aceptado. La Fig.
7 evidencia tal criterio que involucran el beneficio total
de cada zona y el 10 % adicional que debe aportar en la
ganancia total. El criterio
garantiza que la
implementación de nuevos centros de almacenamiento
aumentara la capacidad productiva y económica de cada
zona.
Figura. 7. Criterio de decisión para la aceptación de nuevos centros de almacenamiento
Evaluación de nuevos centros de almacenamiento
Los resultados de la evaluación que considera
variaciones en la cantidad de Jatropha recolectada se
presentan en la Tabla 5.
Tabla 5. Evaluación de nuevo centro de almacenamiento zona norte
Zona Norte
Potencial centro de almacenamiento: Julián Afuera
Recolección
[kg]
Beneficio
[$/year]
[$/year]
Decisión
Escenario 1
4 000
6 377,74
580,147
Denegado
Escenario 2
4 100
6 392,78
Aprobado
Escenario 3
4 500
6 452,90
Aprobado
Tabla 6. Evaluación de nuevo centro de almacenamiento zona
centro
Zona Centro
Potencial centro de almacenamiento: San Miguel
Recolección
[kg]
Beneficio
[$/year]
[$/year]
Decisión
Escenario 1
1 100
1 588,90
144,56
Denegado
Escenario 2
1 200
1 604,28
Aprobado
Escenario 3
1 500
1 649,9
Aprobado
Tabla 7. Evaluación de nuevo centro de almacenamiento zona
centro
Zona Sur
Potencial centro de almacenamiento: Zapotal
Recolección
[kg]
Beneficio
[$/year]
[$/year]
Decisión
Escenario 1
4 500
2 505,10
228,96
Denegado
Escenario 2
5 000
2 529,79
Aprobado
Escenario 3
5 400
2 553,29
Aprobado
Las Tablas 5,6 y 7 evidencian que los nuevos centros de
almacenamiento se pueden establecer en las diferentes
zonas siempre que se recolecte una cantidad mínima de
Jatropha. Para el nuevo centro de almacenamiento de la
zona norte, se requieren recolectar cerca de 4 100 [kg /
año] para cumplir con el criterio de decisión. De manera
similar, se requieren recolectar 1 200 [kg / año] y 5 000
[kg / año] de Jatropha para los centros de
almacenamiento San Miguel tres charcos y Zapotal de las
zonas centro y sur respectivamente.
4. CONCLUSIONES
La función objetivo desarrollada se puede usar para
evaluar la factibilidad de implementar nuevos centros de
almacenamiento de Jatropha Curcas en áreas rurales. En
dicha decisión, se debe considerar la cantidad de Jatropha
recolectada y la ganancia resultante generada por la venta
del aceite extraído y la torta residual de extracción.
$5.801,47
$1.445,58
$2.289,58
$580,15
$144,56
$228,96
Zona Norte
Zona Centro
Zona Sur
Criterio de Decisión
27
Revista Técnica “energía”, Edición No. 15, Issue I, Julio 2018
La optimización por zonas representó ser una alternativa
adecuada para analizar y mejorar la cadena de suministro
de la planta de extracción de aceite de piñón, existente en
Manabí. El beneficio máximo obtenido con esta
optimización fue de casi 9 536,63 [$ / año]. En
consecuencia, las restricciones específicas deben
determinarse en cada zona de interés.
La zona norte tiene la mayor cantidad de recolección de
Jatropha con el 69%, seguida por la zona central con el
14% y la zona sur con el 17%.
El modelo matemático aplicado para determinar la
aprobación del nuevo centro de almacenamiento Julián
afuera de la zona norte, indica que a la distancia
preestablecida, debe recolectar al menos 4 100 Kg de
semilla de jatropha para ser aceptado. Bajo el mismo
criterio el centro de almacenamiento san Miguel de los
tres Charcos debe recolectar 1 200 Kg de semilla de
Jatropha para ser aceptado y el centro de almacenamiento
Zapotal debe recolectar 5 000 Kg de semilla de Jatropha
para ser aceptado para las zonas centro y sur
respectivamente.
La recolección de Jatropha curcas no es la principal
actividad productiva en Manabí, por lo que los costos de
transporte de Jatropha se basan en el transporte de otros
productos asociados, un ejemplo es el maíz, el cual
determina el costo total del transporte
La ubicación de los centros de almacenamente y la
cantidad de Jatropha recolectada son las variables
estratégicas que determinan el modelo matemático, y
permiten proyectar los valores requeridos en la
evaluación de futuros centros de almacenamiento para
cada zona.
REFERENCIAS
[1] Achten, W., Mathijs, E., Verchot, L., Singh, V.,
Aerts, R., Muys, B., Ravindranath, N. H. (2007).
Jatropha biodiesel fueling sustainability Biofuels,
Bioproducts and Biorefining, 1(4), 283–291.
[2] Andersen, F., Iturmendi, F., Espinosa, S., & Diaz,
M. S. (2012). Optimal design and planning of
biodiesel supply chain with land competition.
Computers & Chemical Engineering, 47, 170–182.
[3] Beamon, B. (1998). Supply chain design and
analysis: Models and methods. International
journal of production economics, 55. Retrieved
from
[4] Chen, C.-L., & Lee, W.-C. (2004). Multi-objective
optimization of multi-echelon supply chain
networks with uncertain product demands and
prices. Computers & Chemical Engineering, 28(6-
7), 1131–1144.
[5] Church, R. L. (2002). Geographical information
systems and location science. computers and
operations research, 29, 541–562.
[6] Fiorese, G., & Guariso, G. (2010). A GIS-based
approach to evaluate biomass potential from
energy crops at regional scale. Environmental
Modelling & Software, 25(6), 702–711.
doi:10.1016/j.envsoft.2009.11.008
[7] Frombo, F., Minciardi, R., Robba, M., & Sacile, R.
(2009). A decision support system for planning
biomass-based energy production. Energy, 34(3),
362–369. doi:10.1016/j.energy.2008.10.012
[8] Gold, S., & Seuring, S. (2011). Supply chain and
logistics issues of bio-energy production. Journal
of Cleaner Production, 19(1), 32–42.
doi:10.1016/j.jclepro.2010.08.009
[9] Hageback, C., & Segerstedt, A. (2004). The need for
co-distribution in rural areas—a study of Pajala in
Sweden. International Journal of Production
Economics, 89(2), 153–163.
doi:10.1016/j.ijpe.2003.10.006
[10] Hifi, M., & M’Hallah, R. (2009). A Literature
Review on Circle and Sphere Packing Problems:
Models and Methodologies. Advances in
Operations Research, 2009, 1–22.
doi:10.1155/2009/150624
[11] Huang, Y., Chen, C.-W., & Fan, Y. (2010).
Multistage optimization of the supply chains of
biofuels. Transportation Research Part E: Logistics
and Transportation Review, 46(6), 820–830.
doi:10.1016/j.tre.2010.03.002
[12] Iakovou, E., Karagiannidis, a., Vlachos, D., Toka,
a., & Malamakis, a. (2010). Waste biomass-to-
energy supply chain management: A critical
synthesis. Waste Management, 30(10), 1860–
1870. doi:10.1016/j.wasman.2010.02.030
[13] Jarosz, L. (2000). Understanding agri-food networks
as social relations. Agriculture and Human Values,
279–283.
[14] Ora, O. X. (1997). EUROPEAN ENERGY
CROPS :A sinthesys. A. Biomass and Bioenergy,
13(3).
[15] Rodríguez, V. M., & Belgrano, U. De. (2008).
DISEÑO E IMPLANTACIÓN DE UN SISTEMA
DE APOYO A LAS DECISIONES BASADO EN
EL MODELO DE TRANSPORTE Enrique
Yacuzzi (Universidad del CEMA) Víctor M.
Rodríguez (Universidad de Belgrano). Universidad
del CEMA, 1–33.
[16] Sakawa, M. (2001). Interactive fuzzy programming
for two-level linear and linear fractional production
and assignment problems : A case study. European
Journal of Operational Research, 135, 142–157.
[17] Spekman, R. E., Jr, J. W. K., & Myhr, N. (2005).
An empirical investigation into supply chain
management : a perspective on partnerships.
Supply Chain Management : An International
Journal.
[18] Voivontas, D., Assimacopoulos, D., & Koukios, E.
G. (2001). Assessment of biomass potential for
power production : a GIS based method. Biomass
and Bioenergy, 20, 101–112.
28
German et al. / Optimización de Centros de Almacenamiento de Jatropha Curcas en Manabí Ecuador
[19] Wang, X., Yu, S., & Huang, G. H. (2004). Land
allocation based on integrated GIS-optimization
modeling at a watershed level. Landscape and
Urban Planning, 66(2), 61–74.
[20] You, F., & Wang, B. (2011). Life Cycle
Optimization of Biomass-to-Liquid Supply Chains
with Distributed À Centralized Processing
Networks. Industrial and Engineering Chemistry
Research, 10102–10127.
[21] Zhu, X., Li, X., Yao, Q., & Chen, Y. (2011).
Challenges and models in supporting logistics
system design for dedicated-biomass-based
bioenergy industry. Bioresource technology,
102(2), 1344–51.
Boris German. - Nació en
Ecuador, Ibarra en 1990. Recibió
su título de Ingeniero Químico de la
Universidad Central del Ecuador en
2014. Analista de la innovación en
el Instituto Nacional de Eficiencia
Energética y Energías Renovables
(INER). su campo de investigación
se basa en analizar el potencial energético contenido en
la biomasa
Edward Jiménez. - Nació en Quito
Ecuador. Recibió su título de PhD
en Matemáticas Aplicadas de la
Université Jean Monnet Saint-
Etienne. Actualmente, es Docente
de la facultad de Ingeniería
Química de la Universidad Central
del Ecuador.
Andrés Chico. - Nació en Quito,
Ecuador. Realizó sus estudios de
pregrado en Ingeniería Química en
la Escuela Politécnica Nacional y de
posgrado en la Universidad de
Surrey-Inglaterra, en donde obtuvo
la Maestría en Ingeniería de
Procesos y Sistemas Ambientales.
Actualmente, está vinculado como
docente e investigador a la Escuela Politécnica Nacional
y se encuentra realizando sus estudios doctorales en
optimización de biorefinerías en el CPSE de University
of College London.
Karolina Toapanta. - Nació en
Machachi, Ecuador en 1991.
Egreso de la carrera de Ingeniería
Matemática de la Universidad
Central del Ecuador. Asistente
Técnico del Instituto Nacional de
Eficiencia Energética y Energías
Renovables, colaborando en el
proyecto “Estudio de Optimización Energética de
Cadenas Logísticas de Transporte de Carga Pesada”. Su
experiencia laboral se enfoca en el análisis y desarrollo
de modelos matemáticos para optimización, así como el
apoyo técnico en el área de matemática para los
diferentes proyectos que se desarrollan en el Instituto.
Sebastián Espinoza. - Estudió
Ingeniería Química en el Escuela
Politécnica Nacional en Quito,
Ecuador. Tiene una maestría en
Ingeniería Industrial en
Northeastern University en Boston,
Massachusetts, Estados Unidos.
Fue asistente de investigación en
Northeastern University e
investigador en el Instituto Nacional de Eficiencia
Energética y Energías Renovables (INER) en temas de
análisis de ciclo de vida, biomasa, y prospectiva
energética. Actualmente es Director de Difusión y
Gestión de la Información en INER, donde coordina la
línea de investigación de Balance Energético y
Prospectiva Energética.
Ricardo Narváez. - Nació en
Quito Ecuador. Recibió su título de
PhD en Electronic & Electrical
Engineering de Loughborough
University, realizo un posgrado en
energías renovables de en
Loughborough University.
Actualmente, es Docente de la
facultad de Ingeniería Química de
la Universidad Central del Ecuador y Director Ejecutivo
del Instituto Nacional de Eficiencia Energética y
Energías Renovables.
29
