MODELO PARA GESTIÓN DEL SISTEMA LOGÍSTICA UN

CENTRO DE ACOPIO DEL MANGO EN EL

DEPARTAMENTO DEL MAGDALENA

Brenda Eljadue Cock

Milena Pahola Gómez Gutiérrez

Universidad Magdalena
Facultad de Ingeniería.
Programa de ingeniería Industrial
Santa Marta, Colombia
2017
MODELO PARA GESTIÓN DEL SISTEMA LOGÍSTICA UN
CENTRO DE ACOPIO DEL MANGO EN EL
DEPARTAMENTO DEL MAGDALENA

Brenda Eljadue Cock

Milena Pahola Gómez Gutiérrez

Trabajo presentado como requisito parcial para optar al título de:

Ingeniero Industrial

Director (a):
Ph.D Hugo José Mercado Cervera

Línea de Investigación:
Nombrar la línea de investigación en la que se enmarca el trabajo
Grupo de Investigación:
Nombrar el grupo en caso que sea posible

Universidad del Magdalena

Facultad de Ingeniería
Programa de Ingeniería Industrial.
Santa Marta, Colombia
2017

2
Nota de aceptación:

Aprobado por el Consejo de Programa en

cumplimiento de los requisitos exigidos por la
Universidad del Magdalena para optar al título
de Ingeniero Industrial

Jurado

Jurado

Santa Marta, ____ de ____del ________

3
Dedicatoria

A Dios quien en su infinita bondad nos da sabiduría y

fortaleza para afrontar cada uno de los retos en nuestras
vidas.
A nuestras familias, quienes con su amor y apoyo
incondicional nos inspiran a luchar por nuestros sueños.

4
AGRADECIMIENTOS

Este logro lo agradecemos al PhD. Hugo Jose Mercado Cervera por ser nuestro mentor y acompañarnos
en todo momento para culminar con éxito este proyecto.

A los profesores que con sus conocimientos y experiencias construyendo en nuestra formación personal y
profesional.

A nuestros amigos y compañeros que hicieron de nuestra permanencia en la Universidad, una experiencia
de vida agradable e inolvidable.

A la Alma Mater por abrir sus puertas y darnos la oportunidad de formarnos en tan distinguida
institución.

5
RESUMEN

El proyecto de investigación pretende diseñar un modelo para la gestión logística del centro de
acopio del producto Mango, en el departamento del Magdalena, facilitando el flujo del producto
desde su origen hasta su destino final. Para lograrlo se requiere definir de manera adecuada la red
de distribución, basado en las características del producto, del consumidor y la información
disponible. De igual manera se debe establecer la ubicación de las bodegas, su capacidad y el
sistema de ruteo que minimice los costos de transporte. Para su desarrollo se utilizará un modelo
de investigación de operaciones que solucione de manera conjunta problemas de ubicación y
capacidad de instalaciones, además del número óptimo de vehículos con sus rutas, que satisfaga
y garanticen las necesidades de los clientes y la entrega de sus pedidos.

Abstract

The research project aims to design a model for the logistics management of the Mango product
collection center, in the department of Magdalena, facilitating the flow of the product from its
origin to its final destination. To achieve this, it is necessary to define the distribution network
adequately, based on the characteristics of the product, the consumer and the available
information. Similarly, the location of the warehouses, their capacity and the routing system that
minimizes transportation costs should be established. For its development, a model of operations
research will be used to jointly solve problems of location and capacity of facilities, in addition
to the optimal number of vehicles with their routes, which satisfy and guarantee the needs of
customers and the delivery of their orders.

Keywords

Modelo de gestión logística; la investigación de operaciones; problemas de ubicación y

capacidad de las instalaciones.

6
 Tabla de contenido
CAPITULO 1. INTRODUCCIÓN. ....................................................................................................... 11
1.1. Objetivos .............................................................................................................................. 13
1.2. Planteamiento del problema .................................................................................................. 13
1.3. Justificación .......................................................................................................................... 15
CAPITULO 2. MARCO REFERENCIAL .............................................. Error! Bookmark not defined.
2.1. Objeto práctico........................................................................ Error! Bookmark not defined.
2.1.1 Generalidades del sector frutícola. ......................................... Error! Bookmark not defined.6
2.1.2 Comportamiento del Mango en el departamento del MagdalenaError! Bookmark not defined.
2.1.3 Área sembrada, participación y producción del Mango en el Dpto del Magdalena ........... Error!
Bookmark not defined.7
2.1.4 Producción del Mango por municipio en el Dpto del Magdalena ............................................ 28
2.2. Marco teoríco ....................................................................................................................... 29
2.2.1 Marco conceptual .................................................................................................................. 29
2.2.2 Estado del arte....................................................................................................................... 33
CAPITULO 3. DISEÑO METODOLOGICO ....................................................................................... 40
3.1. FASE 1. Consulta bibliográfica ............................................................................................. 40
3.2. FASE 2. Formulación del Modelo de gestión logistica .......................................................... 44
3.3. FASE 3. Experimentación y analisis de los resultados .......................................................... 45
CAPITULO 4. DESARROLLO............................................................................................................ 46
4.1. Módelo estrátegico ............................................................................................................... 46
4.2. Módelo operativo .................................................................................................................. 56
4.3. Ubicación del centro de acopio ............................................................................................. 61
CAPITULO 5. EXPERIMETACIÓN Y ANALISIS DE LOS RESULTADOS ..................................... 64
5.1. Determinación del centro de acopio ....................................................................................... 64
5.2. Diseño del centro de acopio en el municipio del Ciénaga ....................................................... 65
5.3. Distribución de la producción del Mango a los principales mercados seleccionados ............... 68
5.4. Rutas de distribución ............................................................................................................. 69
CONCLUSIONES ............................................................................................................................... 72
BIBLIOGRAFIA.................................................................................................................................. 73
ANEXOS ............................................................................................................................................ 79
ANEXO 1. Composición nutricional promedio de la pulpa del Mango .................................................. 79
ANEXO 2. Ilustraciones Mango Tommy Atkins y Mango de Azúcar .................................................... 79

7
ANEXO 3. Historico de precios de los tipos de Mangos de la región .................................................... 80
ANEXO 4. Relación del escenrio del precio real e ideal con incrementos en la oferta ........................... 80
ANEXO 5. Estrategias de mercado ....................................................................................................... 81
ANEXO 6. Producción vs consumo en los departamentos seleccionados............................................... 83
ANEXO 7. Matriz de costos ................................................................................................................. 84
ANEXO 8. Matriz de costos repeticiones .............................................................................................. 86
ANEXO 9. Software Grafos. ................................................................................................................ 95

Índice de ilustraciones

Ilustración 1. Mango Tommy Atkins ...................................................................................................... 79

Ilustración 2. Mango de azucar............................................................................................................. 79
Ilustración 3. Software Grafos .............................................................................................................. 95
Ilustración 4. Ubicación nodos ............................................................................................................. 63
Ilustración 5. Diseño del centro de acopio Ciénaga Magdalena ............................................................ 65
Ilustración 6. Rutas de distribución de los municipios al centro de acopio ............................................ 70

Índice de tablas

Tabla 1. Producción por departamento en toneladas ............................................................................. 19

Tabla 2. Producción, área y rendimiento ............................................................................................... 22
Tabla 3. Número de predios registrados por cultivo en cada dpto .......................................................... 24
Tabla 4. Composición nutricional promedio de la pulpa de mango ........................................................ 79
Tabla 5. Condiciones de almacenamiento .............................................................................................. 26
Tabla 6. Área, producción y participación del mango ............................................................................ 28
Tabla 7. Problemas de localización ....................................................................................................... 32
Tabla 8. Autores vs temática estudiada .................................................................................................. 40
Tabla 9. Población de estudio ............................................................................................................... 44
Tabla 10. Histórico de precios d eso tipos de mango de la región .......................................................... 80
Tabla 11. Oferta y demanda real del mango .......................................................................................... 47
Tabla 12. Comportamiento ideal del mango .......................................................................................... 49

8
Tabla 13. Modelo de Cournot ................................................................................................................ 50
Tabla 14. Relación del escenario del precio real e ideal con incrementos en la oferta ........................... 80
Tabla 15. Comportamiento del consumidor ........................................................................................... 51
Tabla 16. Direccionamiento estratégico ................................................................................................ 53
Tabla 17. Centroide .............................................................................................................................. 53
Tabla 18. Relación oferta/demanda ....................................................................................................... 54
Tabla 19. Estrategia de equilibrio ......................................................................................................... 81
Tabla 20. Estrategia productor.............................................................................................................. 82
Tabla 21. Estrategia consumidor ........................................................................................................... 82
Tabla 22. Modelos de comportamiento del precio .................................................................................. 55
Tabla 23. Producción vs consumo en los departamentos seleccionados ................................................. 83
Tabla 24. Matriz inicial, valores reales de producción .......................................................................... 56
Tabla 25. Matriz aumentada, valores ideales de producción .................................................................. 57
Tabla 26. Iteración 1 ............................................................................................................................. 57
Tabla 27. Iteración 2 ............................................................................................................................. 58
Tabla 28. Matriz de costos .................................................................................................................... 58
Tabla 29. Iteraciones Modelo gravitacional .......................................................................................... 84
Tabla 30. Resultados de la primera matriz de viaje................................................................................ 59
Tabla 31. Resultados segunda matriz de viaje........................................................................................ 60
Tabla 32. Ultima matriz de viaje ........................................................................................................... 60
Tabla 33. Distancia comprendidas entre trayectos................................................................................. 62
Tabla 34. Parámetros de distancias efectivas ........................................................................................ 62
Tabla 35. Distribución de la producción de mango ................................................................................ 69

Índice de gráficas

Gráfica 1. Consumo mundial de frutas .................................................................................................. 17

Gráfica 2. Producción nacional 2007-20014 ......................................................................................... 19
Gráfica 3. Participación acumulada de la producción 2016 .................................................................. 22
Gráfica 4. Consumo frutícola en el departamento del Magdalena .......................................................... 23
Gráfica 5. Cosecha y fenología del Mango de Azucar 2010 ................................................................... 26
Gráfica 6. Cosecha y fenología del Mango Tommy Atkins 2010 ............................................................. 27

9
Gráfica 7. Producción por municipios departamento del Magdalena 2012-2016 ................................... 28
Gráfica 8. Función real del mango ........................................................................................................ 48
Gráfica 9. Función ideal del mango ...................................................................................................... 49
Gráfica 10. Producto ofertado y demandado ......................................................................................... 52
Gráfica 11. Modelo Hill-Climbing......................................................................................................... 54

Gráfica 12. Precio de equilibrio ............................................................................................................ 81

Gráfica 13. Precio productor ................................................................................................................ 82
Gráfica 14. Precio consumidor.............................................................................................................. 82
Gráfica 15. Comportamiento del precio................................................................................................. 55
Gráfica 16. Distribución de la producción a las principales plazas de mercado..................................... 71

Lista de símbolos

Símbolo Significado

Ton Toneladas

Hect Hectareas

Km Kilometro

°C Centrigado

Q Cantidad

Ρ Precio

Q* Cantidad óptima

Ρ* Precio óptimo

C Costo

β Beta

10
 1. INTRODUCCIÓN

Los cultivos de frutas en el departamento del Magdalena se caracterizan por el bajo nivel de
aprovechamiento de los recursos productivos y el Mango no es la excepción. Su nivel de
productividad por hectárea sembrada se encuentra un 40 % por debajo de regiones como el Alto
Magdalena tolimense con 13.7 ton por hectárea sembrada., así como sus niveles de desperdicio
de fruta del 50 % debido a fallas en la manipulación, almacenamiento y sistemas de transporte
inadecuados. Como consecuencia se presenta sobre costo en los procesos, así como
incumplimiento en las cantidades de producto y tiempos de entrega. Problemática que podrían
ser solucionados mediante la aplicación de técnicas y modelos de investigación de operaciones
que determine la ubicación de centros de acopio, la capacidad de las bodegas y las rutas de
transporte de los productos de manera rentable.

El departamento del Magdalena ha sido por tradición de carácter agrícola, aproximadamente el

5.5 % de su producto interno bruto corresponde a la producción frutícola y hortalizas, donde le
Mango participa con un 20% (Dane, 2016) del total producido, después del banano, el café y los
cítricos, de allí que se requiera de la aplicación de modelos logísticos que permita optimizar los
recursos, a través de la minimización de los costos de almacenamiento y transporte de la fruta,
desde su origen hasta su consumidor final.

En el proyecto (Marquez, 2003) se identifica una red de transporte de carbón que optimiza sus
costos desde su origen en los distritos de producción localizados en el interior del país, hasta los
puertos de exportación marítimos. La solución se plantea mediante un modelo de flujo de
mínimo costo, considerando las redes de transporte fluvial, férreo y por carretera; así como las
infraestructuras de puertos existentes disponibles. Como resultado se propone centros de
transferencia de producto localizados en Barrancabermeja, Bocas de Carare y Capulco,
exportando desde el puerto de Barranquilla más de 18 toneladas de carbón.

En una empresa de reconocido prestigio que abastece el mercado local y de exportación se

desarrolló un proyecto (G & E, 2007) que determinó unas estrategias para el empaque y envío
de productos alimenticios refrigerados y congelados, utilizando la investigación de operaciones

11
como herramienta para la minimización de los costos logísticos de transporte y distribución, con
restricciones de capacidad instalada, tipos de empaque y satisfacción de la demanda, con la
proyección de posibles escenarios futuros.

De igual manera, el proyecto (M, A, & E, 2014) propone un modelo matemático de

programación lineal para la cadena de exportación de fruta, desde su origen hasta el puerto de
destino del país de compra. El modelo maximiza la utilidad de la cadena de suministro con
restricciones de producción, capacidad de alistamiento, empaque y demanda, durante un periodo
de proyección de 12 meses. Los resultados permitieron establecer políticas de compra de la fruta,
empaque y de distribución de la fruta para el mercado nacional e internacional.

Se utilizará como herramienta de solución la programación lineal (L, L, & M, 2008), donde a
partir de una función objetivo, teniendo en cuenta restricciones y variables de decisión se
optimizan los procesos. Para el caso que nos ocupa de ubicación de los centros de acopio y
distribución, la función objetivo corresponde a la minimización de los costos de
aprovisionamiento, teniendo en cuenta restricciones de suministro, producción, almacenamiento,
transporte y administración de la información. A partir de los resultados se diseñarán estrategias
de funcionamiento de la cadena de suministro para establecer la ubicación de los centros de
acopio y su red de distribución.

12
 1.1 OBJETIVOS

General

Diseñar un modelo para la gestión del sistema logístico en centro de acopio del mango en el
Departamento del Magdalena.

Específicos

Diseñar un modelo para la gestión logística del Mango, que facilite la toma de decisiones para la
ubicación de centros de acopio.

Diseñar un modelo para la gestión logística del Mango, que facilite la toma de decisiones para la
determinación de las rutas de transporte y distribución.

1.2 PLANTEAMIENTO DEL PROBLEMA

En el departamento del Magdalena, los productores de las diferentes variedades de Mango se

encuentran sometidos a una serie de inconvenientes y dificultades que afectan cada vez más el
desarrollo de esta fruta exótica de forma altamente productiva, llegando muchas veces a
encontrarse en una posición adversa frente a las amenazas que atentan en contra de la
sostenibilidad económica de este cultivo.

En primera instancia, el establecimiento del mango como cultivo representa un flujo de capital
considerable para el agricultor, llegando a estar en un margen entre los 10.5 millones de pesos
por hectárea anual para un productor mediano y 4.7 millones de pesos para un productor
pequeño1. Sin embargo, muchos productores del Magdalena no cuentan con las herramientas que

1
Alvarado Moreno, J. R. Las tareas del acuerdo de competitividad de la cadena del mango. Frutas y hortalizas.
Recuperado de: http://www.asohofrucol.com.co/archivos/Revista/Revista25.pdf

13
les permita acercar su producto a los centros de acopio de las capitales y/o cabeceras municipales
más cercanas, dado el alto costo que representaría para un pequeño agricultor contar con un
camión, y sumado a esto, los costos de mantenimiento asociados al mal estado de las vías
terciarias en el departamento y las condiciones agrestes en época invernal. Por tal razón, en la
cadena productiva del mango y de otros cultivos, se propician las condiciones para la entrada de
intermediadores entre el productor y los centros mayoristas, los cuales pueden llegar a negociar
con el productor precios que pueden llegar a estar inclusive por debajo de los costos de
producción, llevándose éste el mayor margen de contribución. Esto impacta negativamente en el
alza de la mayor parte de los productos agrícolas que hacen parte de la canasta familiar.

A su vez, la falta de agremiación y organización de los productores de mango se ve traducida en

la falta de centros de acopio ubicados estratégicamente a lo largo del departamento, que actúen
como apiladores de la producción de pequeños y medianos productores, reduciendo los costos
logísticos, puesto que la recolección y acopio se realizaría de forma satelital, y el flete de una
carga completa de mango se costearía entre varios productores. Esto a su vez, sería el primer
paso para proteger al productor frente a la sobreoferta en épocas de alta producción y la
consecuente caída de precios del producto.

Conociendo las experiencias relatadas por varios agricultores, el apoyo estatal ha sido muy
escaso, dado que las líneas de crédito para pequeños y medianos agricultores se vuelven
dificultosas y en muchas ocasiones las mismas entidades públicas dificultan el acceso dado que
muchos de sus procesos se encuentran burocratizados, y contando que la banca privada poco
abre líneas de crédito para pequeños productores, y cuando lo otorga, lo hace a tasas de interés
poco competitivas. El acceso a subvenciones por parte del estado se vuelve inalcanzable para
pequeños y medianos productores, citando el caso del programa impulsado por el ministerio de
Agricultura denominado Agro Ingreso Seguro, del cual se vieron beneficiados grandes
terratenientes productores de palma de aceite, arroz y caña de azúcar.

14
 1.3 JUSTIFICACIÓN

El Magdalena es uno de los departamentos que posee mayor posibilidad de aumentar su área
frutícola, debido a que ofrece una gran oferta climática y cuenta con una ubicación geográfica
estratégica para el cultivo de frutales para el mercado nacional como el internacional, tal como
sucede con el banano. Gracias a la calidad del suelo, el Magdalena es uno de los departamentos
con mayor potencial en la producción de mango del país, una oportunidad que puede ser
aprovechada por los agricultores de la región. Actualmente ocupa el 3 lugar en materia de
producción de la fruta, con 22504 hectáreas anuales (Asohofrucol, 2006).

Diego León, presidente de la Federación Colombiana de Productores de Mango

(Fedemango,2017), asegura que el departamento del Magdalena tiene un nicho importante en
Santa Marta y Ciénaga, donde se da la fruta de azúcar, que tiene un alto valor nacional e
internacional, debido a que esta clase de mango es muy apetecida por los clientes. Por esta
razón, se seleccionó a Ciénaga como uno de los municipios productores de la región, además de
Zona Bananera, El Banco y Santa Ana, para que su producción abastezca las principales plazas
de los departamentos consumidores seleccionados.

El departamento de Magdalena se ha caracterizado a través del tiempo por ser una región
agrícola, aproximadamente 5.5% de su producto interno bruto corresponde a la producción de
frutas y vegetales, donde el Mango participa con 20% (Dane, 2016) del total producido, lo que
requiere la aplicación de modelos logísticos para optimizar recursos, a través de la minimización
de los costos de almacenamiento y transporte de la fruta, desde su origen hasta su consumidor
final.

La finalidad a la que se desea llegar con la realización de este proyecto es ofrecer la mejor red de
distribución basada en la característica de productos, clientes y sistemas de información. Para su
desarrollo se utilizará un modelo de investigación de operaciones que resuelva conjuntamente los
problemas de ubicación y capacidad de las instalaciones, además del número óptimo de
vehículos con sus rutas, que satisfaga y garantice las necesidades de los clientes y la entrega de
sus pedidos.

15
 2. MARCO REFERENCIAL

2.1 Objeto practico

En esta sección se realiza una caracterización enfocada en aspectos como: generalidades del
sector frutícola a nivel mundial, nacional y departamental, comportamiento del mango en el
departamento del Magdalena, su producción, consumo, participación y áreas sembradas,
apoyando esta descripción en datos estadísticos del ministerio de agricultura (Agronet), el
DANE, la FAO (Organización de las naciones unidas para la alimentación) y CORPOICA
(Corporación Colombiana de Investigaciones Agropecuarias), entre otras.

2.1.1 Generalidades del sector frutícola.

A continuación se presenta una panorámica general del comportamiento del sector frutícola a
nivel mundial, en Colombia y en departamento del Magdalena.

2.1.1.1 Comportamiento mundial del sector frutícola

Las tendencias actuales en el mundo muestran como las personas cada día se interesan más por
mejorar su régimen alimentario, actividad física y salud, con la ayuda de alimentos saludables, lo
que ha generado un aumento en el consumo de frutas y hortalizas, según “cifras de la FAO, la
tasa promedio de consumo per cápita de frutas y hortalizas a nivel global aumentó del 36 % al
40% durante el último medio siglo” (Asohofrucol, 2015, p.15). “Un informe de la OMS y la
FAO recomienda la ingesta de un mínimo de 400 gramos diarios de frutas y verduras para
prevenir enfermedades crónicas y mitigar varias carencias de micronutrientes, sobre todo en los
países menos desarrollados” (Asohofrucol, 2015, p.15)

2.1.1.1.1 Producción mundial

La producción mundial de frutas y hortalizas durante 2013 ascendió a 1.740 millones de

toneladas, lo que significa un aumento del 9,4% respecto a 2012 (producción de 1.590 millones
de toneladas), según datos ofrecidos por el Servicio de Información del Mercado Agrícola
(AMIS). La FAO (2010) asegura que los países en desarrollo representan alrededor del 98 por
ciento de la producción total, mientras que los países desarrollados absorben el 80 por ciento del

16
comercio mundial de importación. A las frutas tropicales principales corresponde
aproximadamente el 75 por ciento de la producción mundial de frutas tropicales frescas. El
mango es la variedad principal de frutas tropicales que se produce en todo el mundo, seguido de
la piña (ananá), la papaya y la palta (aguacate).

2.1.1.1.2 Consumo mundial.

La tasa promedio de consumo per cápita de frutas y hortalizas a nivel global aumentó de 36% a
40% durante el último medio siglo.

Gráfico 1. Consumo mundial de frutas

Consumo mundial de frutas

SOMALIA
7% CUBA
11%
China
33%
MEXICO
14%

REINO UNIDO USA

19% 16%

Fuente: Elaboración por autores con datos de Food and Agriculture Organization Statistics
Division (FAOSTAT)

Según la Food and Agriculture Organization Statistics Division (FAOSTAT, 2011), de

las Naciones Unidas, China lidera el consumo per cápita mundial de frutas y hortalizas con la
categoría que consiste en frutas, verduras y tubérculos, la que representó el 56% de la dieta
promedio china en peso en 2011. Gran parte de dicha cifra se compone de verduras.

Por el contrario, en el año 2011 las frutas y hortalizas alcanzaron un 27% de la dieta promedio en
EE.UU., el 33% en Reino Unido, 25% en México, y sólo el 12% en Somalia.

17
 2.1.1.2 Comportamiento del sector frutícola en Colombia

Colombia es un país tropical en el que se puede producir diversas especies de frutas debido a que
a lo largo de toda la geografía nacional existe gran variedad de climas y ecosistemas; sin
embargo, a pesar de esta posición y características geográficas privilegiadas para el cultivo de
frutas la tasa de producción nacional de frutas no es alta, según datos de TRADE MAP Colombia
ocupa el séptimo lugar a nivel de América Latina y el Caribe, mientras que a nivel mundial
ocupa el puesto 27, en materia de exportaciones.

El sector agrícola nacional en el primer trimestre del 2017, según el DANE (2017) tiene una
participación dentro del PIB (Producto interno bruto) nacional de 7,1%. Dentro del sector
agrícola uno de los más representativos es la fruticultura aportando en promedio según Milena &
Gil, (2009) el 0,25% del total del PIB Nacional, en cuanto a generación de empleo por parte del
cultivo de frutas se estima que se genera 0,64 empleos directos por hectárea y 2,3 indirectos por
actividades como cosecha, clasificación y distribución de la fruta (Garavito, 2009).

2.1.1.2.1 Producción nacional

La producción total de frutas es baja aunque ha ido incrementando, según cifras del ministerio de
agricultura la producción en toneladas de fruta en 1993 fue de 1.521.000 toneladas y en 1997
alcanzó una cifra de 2.002.878 toneladas, la producción ha venido aumentando para llegar a las
5.862.375,781 toneladas en el año 2014, el comportamiento de la cantidad de producción en
toneladas se puede observar en la gráfica 5 donde se observa que la cantidad de producción ha
venido creciendo pero no significativamente teniendo en cuenta el potencial productivo del país.

18
 Gráfico 2. Producción Nacional. 2007-2014

Fuente: Sistema de estadísticas agropecuarias, Agronet, 2016

El aumento en la producción se genera a partir del consumo masivo de jugo de frutas a nivel
mundial que ha sido incentivado por políticas de consumo saludable y el impulso que hacen los
medios publicitarios a bebidas a base de pulpas de frutas como los jugos o néctares, esto ha
hecho que las empresas aumenten o abran líneas de producción de jugos y alimentos derivados
de las frutas.

Tal como lo evidencia la tabla 1 para el año 2014 los departamentos con mayor participación en
la producción frutícola fueron Antioquia con un 26,12 % de la producción nacional, Santander
con el 9,8%, Valle del Cauca con 9,5%, Magdalena 9,2%, Meta 5,8% y Cundinamarca 5,5 %. En
términos de volumen de producción, la tasa de crecimiento del sector hortofrutícola de 2,9 % es
superior frente a la producción agrícola nacional de 1,3%; mientras que el área sembrada
presenta la misma característica, dado que la extensión de tierras destinadas para cultivos
hortofrutícolas ha crecido a una tasa de 2,5 %, en contraste con el total agrícola, que ha
presentado una tasa del 1%. (Asohofrucol., 2014).

Tabla 1. Producción por departamento en Toneladas. 2014

Antioquia 1.623.789,13
Santander 604.690,68
Valle del cauca 596.375,62
Magdalena 574.656,59

19
 Meta 360.848,66
Cundinamarca 347.428,17
Tolima 209.257,30
Quindío 199.152,50
Caldas 193.230,90
Boyacá 150.105,76
Huila 148.435,18
Nariño 146.367,54
Córdoba 141.057,10
Cauca 127.072,40
Risaralda 108.120,66
Guajira 101.755,94
Norte de Santander 98.236,92
Bolívar 88.061,50
Cesar 73.588,40
Chocó 62.421,74
Atlántico 57.756,05
Casanare 37.109,55
Putumayo 36.319,54
Sucre 29.059,15
Caquetá 27.015,04
Vichada 20.867,91
Arauca 18.462,00
Guaviare 17.059,00
Vaupés 16.618,30
Amazonas 683,80
San Andrés y
Providencia 134,80

Fuente: Elaboración propia con datos de Food and Agriculture Organization Statistics Division
(FAOSTAT)

20
Las frutas en las que se concentra la producción nacional son el Banano, la piña, los cítricos, el
aguacate y el mango; entre los 6 departamentos con mayor producción el cultivo de Banano se
destaca en Antioquia y Magdalena, el de Piña en Santander y Meta, el de Cítricos en Meta y
Valle, el de Aguacate en Antioquia y Santander, el de Mango en Cundinamarca y Magdalena
(Agronet, 2016).

1.1.1.2.2 Consumo nacional

Según la Organización Mundial de la Salud (OMS) recomienda, que la ingesta diaria mínima de
consumo de productos hortofrutícolas es de 400 gramos, Colombia está en 100 gramos por lo
que (Ministerio de agricultura y desarrollo rural, 2015) Este bajo consumo se debe en parte a
factores como la baja producción de frutas en el país, las altas pérdidas pos cosecha causadas por
deficiencias en infraestructuras de almacenamiento, cadena de frio y transporte, el bajo poder
adquisitivo de gran parte de la población, el atraso tecnológico del sector y una deficiente
formación nutricional de la población.

Según la última Encuesta Nacional de Situación Nutricional en Colombia (ENSIN, 2010) uno de
cada tres colombianos, entre los 5 y los 64 años, no consume frutas diariamente, y 5 de cada 7 no
consumen hortalizas o verduras al día.

Respecto al consumo de frutas en Colombia la encuesta nacional de situación nutricional ENSIN

2005 destaco que la variedad de consumo es limitada. En contraste, los departamentos donde
más se consumen productos frutícolas son San Andrés, Sucre, Bolívar, Quindío y Risaralda. Y en
cuanto a las frutas con mayor participación en el consumo nacional se destacan limón, mango,
guayaba y tomate de árbol (excluyendo banano). (Asohofrucol., 2014).

A nivel departamental la clasificación de consumo de frutas de mayor a menor de acuerdo a la

cantidad de gramos diarios consumidos, estuvo liderado por el Archipiélago de San Andrés,
Providencia y Santa Catalina, Sucre, Bolívar, Quindío, Risaralda y Bogotá, los cuales
presentaron una mediana de la cantidad de gramos de fruta ingerida, mayor a 114 gramos por
día, los departamentos de Guainía, Vaupés, Amazonas, Vichada y Guaviare, poseían el consumo
de frutas en gramos más bajo del país (FAO & MinSalud, 2013)

21
 2.1.1.3 Comportamiento frutícola del Departamento del Magdalena.

El departamento del Magdalena, con 8.380 hectáreas en 10 especies frutícolas, representa el

2.7% del área nacional con frutales en producción. Tal como se puede apreciar en el gráfico 3 y
en la tabla 2, produce aproximadamente 533.978 toneladas, donde las mayores producciones del
departamento son el banano, cítricos y mango.

Gráfica 3. Participación acumulada de la producción 2016

Fuente: Sistema estadísticos agropecuarios, Agronet, 2016

Tabla 2. Producción, área y rendimiento, 2016.

Área Producción Rendimiento

Departamento Producto Año
(Hectáreas) (Toneladas) (ton/ha)
Magdalena BANANO EXPORTACION 2016 11.136,25 413.789,59 37,16
Magdalena CITRICOS 2016 2.503,00 41.911,00 16,74
Magdalena MANGO 2016 2.339,10 22.085,60 9,44
Magdalena COCO 2016 921 3.542,20 3,85
Magdalena PAPAYA 2016 644,6 9.134,40 14,17
Magdalena PATILLA 2016 464,4 2.976,50 6,41
Magdalena MARACUYA 2016 414,6 3.201,20 7,72
Magdalena NARANJA 2016 401 6.615,00 16,5
Magdalena LULO 2016 321,9 2.105,20 6,54
Magdalena MELON 2016 253,68 1.866,76 7,36
Magdalena TOMATE DE ARBOL 2016 249,25 1.395,33 5,6
Magdalena GUAYABA 2016 23 97 4,22
Fuente: Sistema de estadísticas agropecuarias, Agronet, 2016

22
Es de resaltar que el departamento del Magdalena con el potencial de suelo y clima que posee
debería presentar una mayor oferta y frontera frutícola. Sin embargo, es el segundo productor de
banano de exportación después del Urabá antioqueño. Esta situación se puede explicar porque la
especialización en banano estaría limitando la diversificación con otras frutas (Asohofrucol,
2013)

2.1.1.3.1 Consumo en el departamento del Magdalena.

En el departamento del Magdalena el 61,4% de las personas consumen frutas. (Base de datos
ENSIN, 2005).

Grafico 4. Consumo frutícola en el departamento del Magdalena

Fuente: Perfil Nacional de Consumo de Frutas y Verduras (2012) FAO y Ministerio de Salud y
Protección Social

2.1.1.3.1 Criterios de selección de la cadena frutícola y de la región

Para la selección de las frutas y de las regiones donde se desarrolló esta investigación se
consideraron 3 temas fundamentales para dar prioridad, las estadísticas, la posición geográfica y
las condiciones climáticas respectivamente. El Magdalena es uno de los departamentos que
posee mayor posibilidad de aumentar su área frutícola, ofrece una gran oferta climática y posee
una ubicación geográfica estratégica, por tal razón, se seleccionó esta región para la
investigación.

23
Para la selección de la fruta, se realizó una investigación a través de las bases de datos del
Ministerio de Agricultura para establecer un listado de las principales frutas con mayor
producción en el departamento del Magdalena durante el año 2016 y de mayor consumo a nivel
nacional, como se pudo apreciar en la gráfica 4.

Otro criterio que se tuvo en cuenta, fueron los predios registrados por los agricultores, los cuales
facilitan y garantizan la calidad de la producción (ICA, 2013). Los resultados se pueden apreciar
en al siguiente tabla.

Tabla 3. Número de predios registrados por cultivo en cada departamento

Fuente: ICA, Instituto Colombiano Agropecuario, 2013.

Además de los criterios anteriormente dichos, se investigaron las frutas con mayor potencial de
exportación producidas en el departamento del Magdalena para el proceso de selección. Para
ello, se tuvo en cuenta un estudio realizado por la Cámara Procultivos de la Asociación Nacional
de Empresarios (Andi) y la ONG Technoserve (2015), la cual buscaba establecer nuevas
oportunidades de exportación colombiana en otro sector agrícola. Como resultado del estudio, se
obtuvo que el principal potencial agrícola de Colombia está en la palma africana, el cacao y el
mango.

De acuerdo con lo anterior, esta investigación resalta el interés de estudiar el mango por la
importancia que tiene para el consumo nacional, por las oportunidades de exportación que ofrece
y por la aceptación que tiene a nivel internacional. Además, en Colombia una de las principales
características del cultivo del mango es su estacionalidad, lo cual dentro del conjunto de zonas
naturales del país presenta ventajas siempre y cuando esta circunstancia se maneje dentro de una
planificación global del cultivo. En el Departamento del Magdalena es posible producir mango
durante la mayor parte del año aunque se presentan dos picos de oferta: una de mayo hasta
agosto y la otra entre noviembre y enero.

24
El departamento del Magdalena posee numerosas ventajas en cuanto a la producción del mango:
su clima, la fertilidad de su suelo, la escala de producción que maneja y su cercanía con la costa
caribe, vía de salida del producto hacia los principales mercados internacionales.

2.1.2 Comportamiento del Mango en el Departamento del Magdalena.

2.1.2.1 Generalidades del mango

El mango se define como una fruta de la zona intertropical de pulpa carnosa y dulce, que se
caracteriza por su buen sabor y su contenido nutricional. En la tabla 3 se expone la composición
nutricional, teniendo en cuenta la siguiente división: macronutrientes, minerales y vitaminas que
contiene 100 g de pulpa de mango. (Wall, 2015). (VER ANEXO 1)

Los mercados prefieren la fruta de color rojizo, sobre todo de los cultivares Tommy Atkins y
Haden, siendo éstas las principales variedades cultivadas en la mayoría de los países
exportadores; por lo que existe gran competencia a nivel mundial, (Mora, Gamboa, & Elizondo,
2002). A continuación, en la ilustración se presenta una muestra del mango Tommy Atkins que
se define como una variedad de porte alto, de buena calidad de fruta, de color rojo intenso, su
época de cosecha es intermedia, de buen tamaño, resistente al manejo de la fruta en plantación y
poscosecha, (Lozano, 2009). (VER ANEXO 2)

Adicionalmente, se identificó el mango de azúcar, cómo una gran oportunidad de exportación, ya

que presenta una alta demanda como fruta fresca en el exterior por su tamaño pequeño, escasa
fibra, buen aroma y sabor (García, 2008). (VER ANEXO 2)

El mango tiene diferentes usos para el consumo humano como lo menciona Lozano et al., (2009)
como fruta fresca o procesada en forma de pulpa para preparar juegos, dulces, conservas, jalea,
salsas, encurtidos, helados, otro uso que ha tomado fuerza en los últimos años son los productos
deshidratados con sabor natural. Como lo indican Cáceres, Mulkay & Rodríguez, (1990) el
almacenamiento en frío es la técnica más utilizada para la conservación de frutas, ya que permite
reducir las pérdidas cualitativas y cuantitativas debidas a desórdenes fisiológicos, un claro
ejemplo es el efecto positivo que se da en frutos climatéricos como el mango, ya que logra
disminuir la tasa respiratoria, así como la velocidad de las reacciones bioquímicas y enzimáticas.

25
En la tabla 4 se presentan las condiciones bajo las cuales debe ser almacenado el mango para su
conservación.

Tabla 5. Condiciones de almacenamiento

Producto Mango
7 - 9°C para frutos maduros, 10 -
Temperatura °C
15°C para frutos verdes.
Humedad relativa % 90 -95%

Vida aproximada de
2 a 4 semanas.
almacenamiento.

Fuente: Elaboración propia con datos de frutas y hortalizas, 2016

García (2010), cita a través de Corpoica las gráficas de las épocas de cosecha y fenología del
mango de Azúcar y Tommy Atkins en el departamento del Magdalena, como se muestra en el
gráfico 5 y 6.

Gráfico 5. Cosecha y fenología del Mango de Azúcar 2010.

Fuente: Carta fenológica para el manejo de la variedad Azúcar en la región del Magdalena.
Datos promedio de dos años (2008-2009). Corpoica C.I. Nataima, 2010

26
 Gráfico 6. Cosecha y fenología del Mango Tommy Atkins 2010

Fuente: Carta fenológica de la variedad Tommy Atkins en la región baja del Magdalena. Datos
promedio de dos años (2008-2009). Corpoica C.I. Nataima, 2010.

2.1.2 Área sembrada participación y producción del mango en el Departamento del

Magdalena.

La tabla 5 presenta el área cosechada en hectáreas destinadas al cultivo de mango en

departamento de Magdalena. En el año 2012 se contaba con 12.142 hectáreas cifra que fue
incrementando hasta el 2016 donde se logró obtener 12.369, este comportamiento corresponde a
la tendencia actual de consumo de mango, que se ha convertido una de las frutas con mayor
demanda en el mercado internacional, debido a su importante participación en la preparación de
jugos, mermeladas, conservas y bebidas refrescantes. (Salamanca, Longas, Lozano, Díaz, &
Salazar, 2007).

27
 Tabla 6. Área, producción y participación del Mango

Área Producción Rendimiento

Producto Año
(Hectáreas) (Toneladas) (ton/ha)
2012 2.147,00 24.192,00 11,27
2013 2.189,00 25.489,00 11,64
MANGO 2014 2.224,00 25.152,00 11,31
2015 2.369,00 22.504,00 9,5
2016 2.339,10 22.085,60 9,44
Fuente: Sistemas estadísticos agropecuarios, Agronet 2016.

2.1.4. Producción del mango por municipios en el Departamento del Magdalena

Según el ICA (2016), el Magdalena es el único departamento del país donde se cultiva el mango
de azúcar, son aproximadamente 4.500 hectáreas productivas de esta fruta en municipios como
Ciénaga, la cual se exporta a Francia bajo la marca Mango Premium, siendo una importante
vitrina del Departamento que abre las puertas a nuevos mercados nacionales e internacionales.
Tal como se muestra en la gráfica 7, Ciénaga es uno de los municipios que más produce mango.
Sin embargo, en el año 2016 la ciudad de Santa Marta obtuvo el primer lugar en materia de
producción, seguido por el municipio de Ciénaga y Sitio Nuevo.

Gráfico 7. Producción por municipios en el Departamento Magdalena 2012-2016

Fuente: Sistema estadístico agropecuario, Agronet 2016.

28
 2.2 MARCO TEÓRICO

El marco teórico está compuesto por el marco conceptual donde se definen las palabras claves de
este proyecto y la revisión literaria que compila informes y artículos que se han escrito sobre los
modelos de gestión de la cadena logística.

2.2.1 Marco conceptual

El marco conceptual está compuesto por las palabras claves de esta investigación que son:
Modelo de gestión logística, la investigación de operaciones, problemas de ubicación y
capacidad de instalaciones; desarrollados a continuación:

2.2.1.1 Modelos de gestión logística

Mora, G. L. A. (2010) afirma que Según GS1 Colombia (Instituto Colombiano de

Automatización y Codificación Comercial), «logística es el proceso de planear, controlar y
administrar la cadena de abastecimiento y distribución, desde el proveedor hasta el cliente y con
un enfoque en la red de valor y colaboración entre los actores de la red logística interna y
externa».

Mora, et al., 2010 exponen en su libro la definición promulgada por el Council of Logistics
Management (CLM), Consejo de Administración Logística, donde se define la logística como
«el proceso de planear, implementar y controlar el flujo y almacenamiento eficiente y a un costo
efectivo de las materias primas, inventarios en proceso, de producto terminado e información
relacionada, desde los puntos de origen hasta los de consumo; con el propósito de satisfacer las
necesidades de los clientes».

Mora, et al., 2010 El objetivo de la logística es aumentar las ventajas competitivas, captando y
reteniendo clientes y generando un incremento en los beneficios económicos obtenidos por la
comercialización y producción de los bienes y servicios; mediante la interacción de las
actividades: Distribución física, aprovisionamiento de materias primas, manejo de información,
tiempos de respuesta, control del nivel de inventarios, estudio de la demanda, servicio al cliente.
Todo ello se traduce en una tasa de retorno de la inversión más elevada, con un aumento de la
rentabilidad.

29
Mora, G. L. A., & Martiliano, M. M. (2012) Actualmente las empresas presentan deficiencias en
la operación logística de traslado de bienes y mercancías de origen a destino, lo cual ocasiona
sobrecostos en la operación y la pérdida de clientes por mal servicio; Esto implica la necesidad
de la aplicación de una metodología y herramientas estadísticas que faciliten la labor de
pronóstico, de demanda y de planeación previa a de las actividades de recibo, almacenamiento y
distribución de mercancías, con el fin de satisfacer las expectativas de los clientes en términos de
efectividad en las entregas.

Mora, et al., 2012 Los modelos operativos son programas y software sencillos que se operan en
formato Excel y que sirven para planear, calcular y ejecutar eficientemente las operaciones de
importación, almacenamiento y distribución de mercancías a los clientes. Están diseñados para
planear y administrar en forma efectiva las operaciones cotidianas de los centros de distribución
y almacenes, en términos de calcular los recursos en mano de obra, estibas, áreas, cubículos y
posiciones de almacenamiento, cargue de camiones, costos de importación y número de
camiones necesarios. Estas herramientas permiten visualizar en forma efectiva las operaciones
mediante la optimización de los recursos inherentes y las necesidades de los usuarios internos.

Por otra parte, los modelos son representaciones de una porción de la realidad, constituyen un
instrumento de comunicación y análisis. Velásquez, C. A. (2006), Son importantes porque ellos
representan las interrelaciones, la estructura y las funciones del sistema objeto de estudio;
establecen el límite de su acción y permiten realizar pruebas variando sus componentes,
obteniendo como resultado una mejor comprensión de las características de la situación.

Para esta investigación los modelos de gestión logística son herramientas matemáticas,
analíticas y estadísticas que facilitan la simulación de operaciones y la optimización de procesos.

2.2.1.2 La investigación de operaciones

Taha, H. A. (2012) Afirma que Las primeras actividades formales de investigación de

operaciones (IO) se iniciaron en Inglaterra durante la Segunda Guerra Mundial, cuando un
equipo de científicos empezó a tomar decisiones con respecto a la mejor utilización del material
bélico. Al término de la guerra, las ideas formuladas en operaciones militares se adaptaron para
mejorar la eficiencia y productividad en el sector civil.

30
Bernabe, J. H. A. (2009) define que el nombre de investigación de operaciones fue dado
aparentemente porque se estaba llevando a cabo la actividad de investigar operaciones
(militares). Desde su nacimiento, este nuevo campo de toma de decisiones se ha caracterizado
por el uso del conocimiento científico a través del esfuerzo de equipos interdisciplinarios, con el
propósito de determinar la mejor utilización de los recursos limitados.

Bernabe, et al., 2009 Un modelo de la investigación de operaciones se define como una

representación idealizada (simplificada) de un sistema de la vida real. Este sistema puede ya
estar en existencia o puede todavía ser una idea en espera de ejecución. En el primer caso el
objetivo del modelo es analizar el comportamiento del sistema a fin de mejorar su
funcionamiento. En el segundo, el objetivo es diversificar la mejor estructura del sistema futuro.

2.2.1.3 Problemas de ubicación

La decisión de determinar la localización óptima de unidades productivas debe consideran en

gran medida todos factores que puedan afectar su operación. Vallhonrat, B. J. M., & Corominas,
S. A. (1991) exponen que una de las decisiones clave en el proceso de diseño de un sistema
productivo es su localización: ¿cuál es el mejor emplazamiento para el sistema? La localización
se puede definir con mayor o menor precisión. Puede ser un país, una región, una localidad, un
polígono industrial o un solar. Ello implica, por una parte, que se ha de precisar el nivel a que se
desea tomar la decisión; por otra, que, normalmente, la decisión de localizar es una decisión
secuencial y jerarquizada, en el sentido de que se va concretando sucesivamente a una escala
cada vez menor.

Vallhonrat, et al., 1991 En cada caso habrá de especificarse qué se entiende por mejor. Este es
uno de los aspectos más importantes y difíciles en una decisión de localización; los criterios son
distintos según el tipo de sistema productivo. Más lo que introduce mayores dificultades es el
hecho de que una misma empresa deba tener en cuenta más de un criterio en el momento de
tomar la decisión de localización. Se deberá examinar, pues, qué criterios son pertinentes y de
qué forma se pueden agregar para comparar las diversas opciones.

31
Clasificaciones

Puesto que de un problema complejo se trata, admite clasificaciones diversas, según el punto de
vista que se adopte.

Tabla 5. Los problemas de localizador) pueden clasificarse desde diversos puntos de vista, según
el tipo de aplicación o las características técnicas que presentan

Tabla 7: Problemas de localización

CLASIFICACION DE LOS PROBLEMAS DE

LOCALIZACION
Manufactura Servicio
Espacio continuo Discreto
Una Múltiples instalaciones
Sin Con interacciones
Distancia rectangular Euclidiana
Fuente: Vallhonrat, B. J. M., & Corominas, S. A. (1991)

Mora, García, Luis Aníbal (2011) Actualmente las organizaciones modernas son conscientes de
la importancia y criticidad de sus centros de distribución y los ven como una real plataforma
logística de sus ventas y como garantía y aseguramiento del nivel de servicios que se pretende
aplicar en sus estrategias logísticas. Ahora se están analizando los centros de distribución como
factor clave de éxito para el control y reducción de los niveles de inventarios, que son un
verdadero costo fijo y financiero que afecta la poca rentabilidad de sus organizaciones.

2.2.1.4 Capacidad de instalaciones

Chase, R.B; Jacobs F.R. & Aquilano N.J. (2009) señalan que un diccionario define capacidad
como “la facultad para tener, recibir, almacenar o dar cabida”. En los negocios, en un sentido
general, se suele considerar como la cantidad de producción que un sistema es capaz de generar
durante un periodo específico. En el contexto de los servicios, esto se referiría al número de
clientes que se pueden atender entre las 12 a.m. y la 1 p.m. En las manufacturas se podría referir
al número de automóviles que se pueden producir en un solo turno.

Heyzer, J. & Render, B. (2009) en su libro definen que la capacidad es el “volumen de

producción” (throughput) o número de unidades que puede alojar, recibir, almacenar o producir

32
una instalación en un periodo de tiempo específico. A menudo, la capacidad determina los
requerimientos de capital y, por consiguiente, una gran parte del costo fijo. La capacidad también
determina si se cumplirá la demanda o si las instalaciones estarán desocupadas.

Respecto a la capacidad Galindo, C.J. (2008) opina que es un indicador que nos refleja el número
de unidades producidas en un tiempo determinado, además, está condicionado al número de
máquinas o equipos que posee la empresa y volumen de producción que pueden llegar a generar
en condiciones óptimas.

Para este trabajo se tendrá en cuenta la siguiente definición para la capacidad de instalaciones:
"La cantidad o volumen de unidades que una instalación puede producir, recibir o almacenar en
un tiempo determinado".

2.2.2 Estado del arte

Esta sección del documento presenta el estado del arte que constituye la revisión de la literatura
sobre cómo se ha tratado el tema de la gestión logística vistas desde la cadena de suministro.

Para el presente proyecto se recopiló una serie de estudios los cuales servirán como guía a la
investigación en curso y esta manera abarcar con una mayor profundidad el tema seleccionado.
Un primer estudio corresponde a la revisión literaria sobre las definiciones de Gestión Logística
y Modelos Logísticos detallados a continuación:

2.2.2.1 Gestión logística

A nivel de la función logística, en los setenta se considera que la logística es una función aislada
de transporte, almacén, recibo y procesamiento. El objetivo era una reducción del costo de la
operación en sí misma, sin considerar que produjera valor añadido y limitado sólo al ámbito de la
empresa.

En los ochenta, la mayor competencia y la creciente globalización de la economía en general,

hace que las empresas comiencen a considerar segmentaciones del mercado a pequeña escala.
Así, ofrecen no sólo una mayor variedad de productos, sino también una serie de valores
añadidos a éste. Se empieza a trabajar más en sistemas de fabricación tipo pull, organizados para

33
cubrir requerimientos diferenciados. Para ello se tiende a que los sistemas logísticos se anticipen
a la demanda para de esta forma reducir los tiempos de entrega.

Debido a estos cambios –entre los más relevantes– la función logística dentro de la empresa va
tomado una mayor importancia relativa frente a la que tenía en otros tiempos, de manera que la
misma se hace responsable de actividades que en otros tiempos se llevaban a cabo de forma
aislada. Así, la función logística actual comprende las funciones de reaprovisionamiento de
materias primas, de control del nivel de inventario, de la velocidad de entrega y del servicio al
cliente, y ha pasado de controlar el flujo de materiales dentro de la cadena de suministro a
integrar el flujo de información que ello conlleva. Sabriá, F. (2016).

Tal como lo señala Lobato, F., & Villagrá, F. (2010) La logística en la empresa no depende del
tamaño ni del sector de actividad; depende de la necesidad que tienen las empresas de
aprovisionarse de forma adecuada y de dar una respuesta eficiente y a tiempo a los
consumidores. Por tanto, la logística en la empresa es de suma importancia ya que, desarrollando
esta función de forma adecuada, se mejora la gestión de aprovisionamiento, el funcionamiento
interno de la empresa y el nivel de calidad ofrecido al mercado.

2.2.2.2 Modelos logísticos

Según Velásquez, C. A. (2006), los modelos han permito realizar el análisis de situaciones
experimentales con aceptables resultados, por su bajo costo y facilidad de manejo. “Un modelo
es una representación cualitativa o cuantitativa de un proceso o una tentativa que muestra los
efectos de aquellos factores que son importantes para los propósitos que se consideran.” Al
desarrollar un modelo, se recomienda empezar por una versión sencilla y moverse en forma
evolutiva hacia modelos más elaborados que se ajusten a la complejidad del problema real. Este
proceso de enriquecimiento del modelo permite planear su desarrollo y hacer ajustes continuos.

Mora, G. L. A., & Martiliano, M. M. (2012) La rapidez con que se mueve el sistema logístico
nos impulsa a desarrollar modelos que seguramente brindarán una mejor optimización en el
desempeño logístico y con la implementación de herramientas que aseguren una planeación
sistemática y consistente que permita a la organización generar ventajas competitivas sostenibles

34
y una excelencia en la gestión logística interna y externa para poder enfrentar los actuales
mercados.

Garay, C. A. E. (2017) No cabe duda que administrar una red de suministros, por cierto, no es
cosa fácil por lo que requerirá la colaboración de herramientas metodológicas que contribuyan al
éxito de la organización permitiendo la identificación y gestión de sus procesos logísticos en
relación con su impacto en las expectativas de los clientes y los objetivos estratégicos de ella.

A continuación, se relacionan los modelos tradicionales de investigación de operaciones

utilizado para abordar la problemática concerniente a la gestión logística de la cadena de
suministro del mango.

2.2.2.2.1 Modelo clásico de transporte

Según Felipe, V. P. (2007) una vez que se configura el canal de distribución a utilizar y se
definen las condiciones comerciales bajo las cuales va a operar, se plantea un problema que está
relacionado con la circulación de los productos entre los centros de producción y los centros de
consumo. El problema consiste entonces en determinar las cantidades a enviar desde cada centro
de fabricación o distribución a los puntos de consumo, de forma que se satisfaga la demanda y se
logre un costo de transportación y distribución total mínimo. Es precisamente en este punto en
que pueden aplicarse modelos de optimización que permitan lograr el diseño optimo del sistema
de distribución. El modelo más conocido y generalmente más utilizado para la solución de este
problema es el llamado modelo clásico de transporte o modelo de Hitchcock.

El problema de transporte es un tipo especial de problema de programación lineal; se conoce

como de transporte porque muchas de sus aplicaciones se refieren a determinar la forma óptima
de transportar bienes, aunque tiene muchas otras aplicaciones que no tienen nada que ver con el
transporte como es el caso de la programación de la producción (Hillier, 2006). En su forma
general, el problema de transporte consiste en determinar las rutas a utilizar y las cantidades a
enviar de manera que resulte en un costo de transporte mínimo (teniendo nodos de origen con
suministros y nodos destino con demandas y conociendo los costos de transporte entre cada uno
de los puntos de origen y destino) (Anderson, 1999).

35
Para Bonilla, M. (S.F.) el modelo de transporte es un método altamente operativo y muy eficaz,
que ha venido a sumarse a los instrumentos cuantitativos para la decisión empresarial.
Actualmente hay una gran variedad de aplicaciones de este modelo no ya en el ámbito de la
empresa (bien sea comercial o industrial), sino también a nivel macroeconómico. Así, entre
otros, podríamos citar:

- Todo tipo de transporte de materias primas, productos acabados, etcétera, mediante los
diferentes medios de comunicación, como: aéreo, transportes marítimos, terrestres (tren,
camiones) .

- Los problemas de afectación o asignación, que tanta importancia tienen en el mundo de los
negocios.

- Problemas de acoplamiento y distribución, de ordenación de recursos económicos, etc.

A través del modelo de transporte Medina, S.V; Raya, K. & Contreras, M.R. (2007) desarrolló
un modelo de programación lineal para asignar en forma óptima los trabajos a las máquinas,
dando preferencia a las asignaciones de trabajos a máquinas principales, es decir, considerando
las prioridades establecidas por la administración de la empresa, de manera que la información
generada sirva para el análisis de requerimientos de capacidad. El planteamiento presentado
encaja perfectamente como un problema de transporte, haciendo un comparativo con el esquema
general presentado en la introducción: los suministros son la capacidad de las máquinas, las
demandas son los trabajos por realizar y los costos son las prioridades definidas por el personal
administrativo.

Se llevaron a cabo pruebas piloto con el modelo propuesto para asegurar que funcionará de la
manera que esperaba el usuario.

El resultado que se obtuvo a través de esta investigación fue la formulación de un modelo que les
proporciona una asignación óptima de trabajos a las máquinas considerando las prioridades de la
administración de forma fácil y rápida sin hacer una inversión de un software especializado, lo
que les ´permite reducir un 94 % en los tiempos de operación.

A través del estudio realizado se logra resaltar la importancia de formular modelos para
determinar la capacidad de los centros productivos y optimizar los tiempos de operación. La

36
aplicación del modelo de transporte contribuirá al proyecto en curso en cuanto a la planeación de
la oferta del producto para establecer el destino, el modo de transporte y una determinada ruta de
distribución.

2.2.2.2.2 Modelo biproporcional o de Furness

Martin, A. C. (2014) desarrolló un análisis comparativo de diseños para un corredor de

transporte publico usando micro simuladores con el objetivo de entregar recomendaciones
generales en cuanto al diseño requerido para distintos niveles de demanda y oferta. Estas
orientaciones permitirán optimizar la operación del corredor de transporte público en términos de
velocidad comercial, flujo de buses y tiempos de espera., para ello se tuvo en cuenta que los
pasajeros se generan en los mismos paraderos. Cuando se indica para cada paradero cuantos
pasajeros generar y cuantos atraer, esto equivale a definir vectores Origen y Destino de la matriz
de viajes. A partir de estos vectores, el programa usa el método biproporcional para generar la
matriz de viajes.

A partir del modelo de Furness en esta investigación Se generaron varias alternativas de diseño
para un corredor de transporte público: en términos de diseño de paradero y de perfil transversal
de la vía. Cada una de estas alternativas fue el objeto de varias simulaciones, recorriendo un
amplio rango de escenario de oferta y demanda. Como resultado, por una parte, se obtuvo que
para evaluar o comparar corredores de buses deben considerarse las restricciones locales
existentes (programación de semáforos, composición de flota, entre las más relevantes), y, por
otra parte, las distintas variables de un corredor tienen que optimizarse en conjunto.

Moura, J; Ibeas, A; Dell’Olio, L. & Vega, A. (2006) realizó dos Modelos de Distribución de
Viajes en la Ciudad de Concepción (Chile), que consideraba para su estudio usuarios con y sin
acceso a auto. el artículo se focaliza en definir y estudiar dos únicos modelos que recopilen estas
últimas observaciones. Es por ello que se analiza: un Modelo de Maximización de Entropía,
utilizando el método de Hyman en el cual los balanceos entre filas y columnas son
proporcionados por la metodología de Furness, y un Modelo Triproporcional. En ambos casos se
tienen en cuenta dos tipos de usuarios (con y sin acceso a auto) y cuatro modos de transporte
(auto, bus, taxi y taxi colectivo). Paralelamente al desarrollo teórico de ambos modelos, donde a

37
partir de los datos provenientes de una Encuesta Origen Destino (EOD) y de información sobre
los niveles de servicio para cada modo de transporte se obtienen resultados y conclusiones.

Estos dos últimos estudios proporcional información de modelos de distribución de viajes que
permiten simular distintas alternativas. La aplicación del modelo de Furness en el proyecto de
investigación en curso permitirá la predicción del número de viajes a realizar a diferentes
destinos, además de identificar y evaluar los cambios en la demanda.

2.2.2.2.3 Modelo gravitacional

Según Delgado, J. (2003) el modelo gravitatorio, mide la interacción espacial reflejada en flujos
de transporte, con base en dos parámetros, masa (que puede ser representada por variables de
población y producción) y distancia (expresada en costos de transportación o valor del tiempo
empleado en el recorrido), a través de una regresión lineal.

Se trata de modelos, todos ellos, muy útiles para explicar el comportamiento de los individuos
ante situaciones de elección. Tal es el caso de los referidos Modelo de Reilly (1931), Modelo de
Huff (1963), así como del Modelo Multiplicativo de Interacción Competitiva, de Nakanishi y
Cooper (1974), Modelo Logit Multinomial de McFadden (1974) (que es una de las
generalizaciones posibles del Modelo gravitatorio de Huff) y del Modelo Logit de Destinos
Competitivos de Fotheringham (1989), entre otros.

Según Chascos, P. (2000) los modelos llamados gravitatorios se fundamentan en dos variables:
una variable "masa" o de atracción y otra variable "fricción" o de frenado. Estos modelos
gravitatorios son el fundamento de los llamados Modelos de Interacción Espacial, cuyo objetivo
es modelizar todo movimiento o comunicación sobre el espacio resultante de un proceso de
decisión; esto implica un origen, un destino y el movimiento resultante de la elección que hace el
origen del destino. Todos estos modelos tienen muchos campos de aplicación: las migraciones,
los desplazamientos para hacer las compras o por causa de servicios administrativos, sanitarios,
financieros, etc.

Chascos, et al; (2000) Desarrolló un estudio para determinar la utilidad de la aplicación de los
Modelos de Gravitación Comercial para la determinación de las áreas de mercado determinadas
por los flujos comerciales de los consumidores o desplazamientos de los mismos desde sus

38
municipios de origen a un municipio de destino (núcleo central o cabecera de área), para realizar
sus compras más importantes.

Los resultados de este estudio concluyeron que la utilización de Modelos de Gravitación

Comercial, como los expuestos de Reilly y Huff, son en muchos casos, de gran utilidad para la
determinación del área de mercado o zona de influencia de centros comerciales: bien del
conjunto de establecimientos comerciales de un municipio (los cuales constituyen el núcleo
central de atracción comercial sobre otros municipios, conformándose las denominadas áreas y
subáreas comerciales), o bien para la determinación del área de mercado de un gran Centro
Comercial ("shopping center"), o incluso de un solo establecimiento comercial (hipermercado,
gran almacén, supermercado, tienda especializada, etc).

La aplicación del Modelo Gravitacional en la investigación en curso permitirá determinar la

ubicación de un centro de acopio para el mango teniendo en cuenta la distancia de los municipios
productores y el aporte en términos de utilidad y capacidad de la instalación.

39
 3. DISEÑO METOLOGICO

3.1 FASE 1. Revisión del estado del arte

Esta fase se compone de la revisión del estado del arte desarrollada a partir de la consulta de
artículos relacionados con el tema de estudio, de acuerdo a lo expuesto por los autores
consultados en bases de datos como Science Direct y Google Scholar

Tabla 8. Autores Vs temática estudiada

Gestión Cadena de Redes de Almacenamient Capacidad
Ítem Autores Título
logística suministro transporte o y distribución instalada
Exportación de Mango en Conserva
1 Martínez, Mercedes X X
a la ciudad de Miami
Estudio de los factores que influyen
Vásquez, Pilar; en la asociatividad de los
2 X X
Zapata, José Luis productores de mango del valle
Motupe – Olmos
Modelo de simulación bajo sistemas
3 Correa, Laura de producción y mercadeo para el X X
cultivo en Anolaima y Girardot
Competitividad de los productores
Rivas, Luis; Peña, de mango en la costa grande en el
4 X X X
María; Gómez, M. municipio Tecpan de Galeana,
Estado de Guerrero de México
Cadenas de comercialización y
potencialidades de exportación del
5 Mallea, María X X X
mango. Estudio de case en el
nordeste brasilero
Gomes, María; Simultaneous design and planning
6 Barbosa-Povoa, Ana; of supply chains with reverse flows: X X X
Novais, Augusto. A generic modelling framework
Rao, C; Goh, M; Location selection of city logistics
7 X X X X
Zhao, Y; Zheng, J. centers under sustainability
Selection of locations of collection
Malik, S; Kumari, A;
8 centers for reverse logistics using X X
Agrawal, S.
GTMA

40
 Locating collection centers for
9 Aras, N; Aksen, D. distance- and inventive-dependent X X X
returns
Business process analysis and
10 Ongkunaruk, P. improvement for a raw milk X X X
collection centre in Thailand
Kaleem, Musa; Bibi, Quality and shelf life of mango fruit:
11 Farzana; Saleem, As affected by cooling and harvest X X
Muhammad. time
Distribution planning for perishable
Hsiao, Yu-Hsiang;
foods in cold chains with quality
12 Chen, Mu-Chen; X X
concerns: Formulation and solution
Chin, Cheng-Lin
procedure
Effect of harvesting and storage
13 Baloch, M; Bibi, F. conditions on the post harvest X X
quality and shelf life of mango fruit
Kienzle, S.
Sruamsiri, P; Carle, Harvest maturity specification for
14 R; Sirisakulwat, S; mango fruit in regard to long supply X X
Spreer, W; Neidhart, chains
S.
From a supplier to a retail controlled
Blanquart, C; Müller,
supply chain: what are the impacts
15 S; Seidel, S; Ehrler, X X X
on transport demand? From data
V.
analysis to model development
Mehdi, Mubashir; Effectiveness of a "whole of chain"
Adeel, Adnan; approach in linking farmers to
16 X X X
Ahmad, Zahoor; market: a case of Pakistan mango
Hussain, Abdullah market.
de Keizer, Marlies;
Akkerman, Renzo;
Grunow, Martin; Logistics network design for
17 Bloemhof, perishable products with X X X
Jacqueline; Haijema, heterogeneous quality decay
Rene; van del Vorst,
Jack.

41
 Mogale, D.G.;
Dolgui, Alexandre; A multi-period inventory
18 Kandhway, Rishabh; transportation model for tactical X X X X
Kumar, Sri; Kumar, planning of foor grain supply chain
Manoj.
A climate driven decision-support
19 Accorsi, Ricardo; model for the distribution of X X X
persihable products
Orjuela, Javier;
Coupling facility location models in
20 Sanabria, Lizeth; X X X X
the supply chain of perishable fruits
Peralta, Andrés.
El modelo de triple hélice para la
cadena de suministro de frutas y
verduras. Desarrollo gerencial que
Perdana,
21 involucre a pequeños agricultores X
Tomy; Kusnandar
para cumplir con la demanda del
mercado global: un estudio de caso
en "Cadena de valor"
Gestión de la temperatura para
Aung Myo Min; garantizar la calidad de un producto
22 X X X
Chang Yoon Seok perecedero cadena de suministro de
alimentos
PLAN DE EXPORTACIÓN DE
Aroca Clavijo
GELATINA DE MANGO AL
23 Jessica; Leon X X
MERCADO DE
Chimbo Laura
REINO UNIDO
PLAN CREACION DE EMPRESA
PARA LA PRODUCCION,
EXPORTACION, LOGISTICA Y
24 Campo Rios Fabian X X
COMERCIALIZACION DE
PLATANO Y MANGO
PROCESADOS.
Multi-objective optimization of
Özkır Vildan;
25 closed-loop supply chains in X X X
Baslıgil Hüseyin
uncertain environment

42
 Zuñiga Guillermo; Managing quality heterogeneity in
26 Ruerd Ruben; the mango supply chain: X X
Martinus van Boekel evidence from Costa Rica
Sivakumar Dharini; Maintaining mango (Mangifera
27 Jiang Yuming; Yahia indica L.) fruit quality during the X X X X
Elhadi M. export chain
Suryani Erma; Chou Dynamic simulation model of air
28 Shuo-Yan; Chen cargo demand forecast and terminal X
Chih-Hsien capacity planning
Fuente: Elaboración propia con datos de Science Direct y Google Scholar

3.1.2 Instrumento para la obtención de información primaria

Para la recolección de la información en el marco del proyecto se realizaron consultas en base de

datos estadísticas encuestas y entrevistas a los productores de Mango en los municipios
seleccionados para identificar características de la cadena logística desde el cultivo hasta la
comercialización de la fruta teniendo en cuenta el comportamiento de los diferentes actores. Las
encuestas se realizaron según los intereses de cada uno de los integrantes del grupo de
investigación, formando así una herramienta que proporcionara información clara sobre la
producción y los medios de comercialización del mango en el departamento del Magdalena. Las
entrevistas fueron realizadas en fincas productoras seleccionadas en los municipios, en donde se
hizo una observación de los árboles y se obtuvo información acerca del proceso de cultivo,
manejo agronómico, cosecha, empaque y comercialización del mango.

3.1.3 Selección de la muestra

La población de estudio para la presenta investigación en el Departamento del Magdalena se

compone de productores y plazas de mercado.

43
 Tabla 9. Población de estudio

Actor Descripción

La oferta nacional del Mango en el

Departamento del Magdalena se distribuirá a
partir de un centro de acopio, que se establecerá
de forma estratégica, teniendo en cuenta las
distancias de los principales proveedores. De
allí, será distribuido en 2 zonas geográficas. La
primera que son los 29 municipios aledaños a la
ciudad, la segunda son los departamentos de
Productores
Sucre, Santander, Atlántico y La Guajira.

Las principales plazas de distribución

mayoristas son Barranquillita y Centroabastos
ubicada en la ciudad de Barranquilla y
Bucaramanga, respectivamente. Sin embargo,
otras plazas mayoristas son las que se
encuentran en la ciudad de Sincelejo y
Plazas de mercado Riohacha.

Fuente: Elaboración por autores.

3.2 FASE 2: Formulación, verificación y validación del Modelo de Gestión Logística para la
cadena de suministro del Mango

En esta fase se desarrolla el capítulo 3 de la presente investigación que consiste en, primero
hacer una revisión del comportamiento histórico de la oferta - demanda del mango en los últimos
años, considerando su precio de venta final al consumidor, para determinar un direccionamiento
estratégico del modelo a través del método de regresión lineal, que permita simular la oferta en
un periodo de 12 meses.

Con los datos obtenidos se pretende simular la oferta para los próximos años, aplicando el
modelo de dinámica de sistemas de Hill – Climbing, en donde se puede observar un
comportamiento del precio en el tiempo basado en un incremento en el volumen de producción.

44
Aplicando el modelo clásico de transporte es posible determinar la cantidad óptima de fruta a
distribuir a cada uno de los mercados seleccionados, teniendo en cuenta su ubicación y costos de
transporte.

3.3. FASE 3. Experimentación y análisis de resultados.

Con esta información se busca determinar los niveles ideales de oferta de los municipios del
departamento del Magdalena seleccionados por sus ventajas comparativas en la producción del
mango y la demanda de las principales ciudades del país. En esta fase también es necesario
establecer la ubicación estratégica y la capacidad de los centros de acopio, a través de un modelo
gravitacional, teniendo en cuanta las distancias de los principales productores; y, por último, el
número de viajes y rutas que se requerirán para enviar el producto desde el sitio de origen hasta
el mercado destino, buscando minimizar los costos logísticos.

45
 4. DESARROLLO

4.1. MODELO ESTRATÉGICO

A partir de tres estrategias (Equilibrio, Productor y Consumidor) se simula el comportamiento de

la oferta en el tiempo, para determinar el direccionamiento estratégico del modelo.

4.1 Determinación del direccionamiento estratégico

El direccionamiento estratégico se entiende como una guía para realizar una proyección
detallada, generalmente de 5 a 10 años, de cómo sería el comportamiento del mercado, lo que
permitiría tomar decisiones anticipadas y llevar a cabo un plan de acción buscando maximizar
los beneficios de cada uno de los agentes involucrados.

Para nuestro análisis, usaremos el método de regresión lineal para construir el direccionamiento
estratégico del modelo.

Basado en los datos históricos de los últimos años de mango ofertado-demandado y los precios
pagados por el consumidor final en el mercado colombiano. (VER ANEXO 3) se establece la
función de producción agregada (Solow, 1957).

Se parte de la situación real teniendo en cuenta los datos estocásticos del año, producción total de
la fruta en el departamento del Magdalena y los precios de las principales plazas del país.

Se asume que todos los tipos de mango tienen igual participación en el mercado; por lo que se
calcula un promedio de precios de los mangos producidos en la región como son: Mango
Común, Chancleta, Reina, Tommy y Azúcar para establecer la función.

El consumo per cápita del mango en Colombia es de 5,27 kg/año, con este valor es posible
calcular los costos por hectárea de producción, teniendo en cuenta la producción por hectárea.

El comportamiento actual del consumo del mango está representando a través de la tabla 11.

46
 Tabla 11. Oferta y demanda real del mango

Año Producción Precio promedio

2000 12212 670
2001 12365 692
2002 12185 702
2003 13708 445
2004 14141 736
2005 14279 548
2006 14419 939
2007 16797 982
2008 18408 972
2009 20534 1068
2010 27052 1250
2011 25334 1580
2012 24192 1287
2013 25489 1372
2014 24448 1673
Fuente: Datos basados en la plataforma DANE

A partir de la función de producción agregada se estiman las elasticidades precio de la demanda

de factores productivos del mango y las elasticidades gasto de dicha demanda. Esta
caracterización permitirá obtener algunas conclusiones al respecto de lo que puede estar pasando
en el proceso productivo del mango.

Se utiliza una línea de regresión lineal para la representación de la información asumiendo una
distribución normal en el comportamiento del mercado, como se muestra en la gráfica.

47
 Gráfica 8. Función real del Mango

Fuente: Elaboración propia.

La ecuación que se obtuvo, está dada por:

𝑝 = 0.0602 𝑄 − 112.6 (1)

Basado en la teoría de juegos en donde se estudia un comportamiento estratégico de los

jugadores cuando interactúan y en donde los resultados o el acuerdo dependen de la conjunción
de otras decisiones generadas por otros jugadores Sierralta, R. A. (2009). Negociaciones y teoría
de los juegos. y siguiendo un modelo de economía neoliberal, se puede inferir que el consumidor
tiene un comportamiento racional en donde compra al menor precio la mayor cantidad posible de
un producto poco diferenciado.

Si se considera una economía perfectamente competitiva (Consuegra, 2001), donde el

consumidor final conoce de manera determinística el precio del producto, que presenta escasa
diferenciación y donde la decisión de compra depende exclusivamente de la diferencia de
precios, entonces este comprará la mayor cantidad de producto al menor precio (Osborne &
Rubinstein, 1994). Esto es básicamente, un problema de asignación de un gráfico bi-partita,
donde se emparejan los precios con las cantidades que optimizan la utilidad del consumidor final
(Shoham & Leyton-Brown, 2008). El comportamiento ideal de la oferta se observa en la tabla
11.

48
 Tabla 12. Comportamiento ideal.

Cantidad producida Precio promedio

27052 445
25489 548
25334 670
24448 692
24192 702
20534 736
18408 939
16797 972
14419 982
14279 1068
14141 1250
13708 1287
12365 1372
12212 1580
12185 1673
Fuente: Elaboración de autores.

De esta manera la función de producción agregada sufre una transformación, en la función oferta
– demanda hasta lograr la pendiente más negativa posible, como se observa en la gráfica.

Gráfica 9. Función ideal Mango

Fuente: Elaboración de autores.

49
Esta nueva línea de regresión representa los valores del precio p en función de la cantidad Q de
oferta-demanda, ideales para el mercado del Mango, donde la pendiente está dada por b = 0.0619
y el valor de la intercepción a= 2.131.

Normalmente el equilibrio de Nash es utilizado para dos agentes, en este caso sería para el
productor y el comprador. Para determinar el equilibrio de Nash se aplica la siguiente
formulación matemática con el objetivo de hallar la cantidad y el precio optimo respectivamente.

𝑄𝑖∗ = 𝑛((𝑎 − 𝑐)/ (𝑛 + 1)𝑏)

𝑃∗ = 𝑎 − 𝑏𝑄 ∗

Aplicando el modelo de Cournot de tiene:

Tabla 13. Modelo de Cournot

Modelo de Cournot
A 2131,6
B 0,0619
C 389
N 2
(a-c)*n 1742,6
(n+1)*b 0,1857
Q*= 9384
P*= 1550
Fuente: Elaboración de autores.

Donde,

a, es el valor de la intercepción

b, es la pendiente

c, es el menor costo de producción asociado (VER ANEXO 4)

n, es el número de agentes

Con los resultados se obtiene la cantidad óptima a producir y el mejor precio que puede
conseguir el productor en condiciones adversas.

50
Para el caso del consumidor, se utilizan las probabilidades de ventas, es decir, entre menor
cantidad haya mayor será la posibilidad de venta. Donde el valor esperado de ventas es el
resultado de la multiplicación de la distribución normal por el peso. (VER ANEXO 4)

Tabla 15. Comportamiento del consumidor.

Cantidad Precio Valor esperado

22000 770 2508348
23000 710 2641939
24000 646 2581960
Fuente: Elaboración de autores.

El valor esperado muestra una tendencia ascendente, justo en el valor máximo antes de
descender se establece el valor esperado del consumidor.

Para la determinación del direccionamiento estratégico, se tiene en cuenta la información

generada por el consumidor en el mercado del producto, a partir de las diferencias entre las
funciones de comportamiento real e ideal, como se presenta en la tabla 15. (VER ANEXO 4)

Los datos de la tabla se obtuvieron reemplazado las cantidades de producción en las ecuaciones 1
y 2.

𝑦 = −0,0602𝑥 − 112,55 (1)

𝑦 = −0,0619𝑥 + 2131,6 (2)

Teniendo en cuenta los datos de la tabla, se realizó un gráfico para determinar un balance entre el
escenario real y el ideal.

51
 Gráfica 10. Producto ofertado y demandado.

Fuente: Elaboración de autores.

El intercepto entre las dos funciones representa el equilibrio del mercado, el precio justo para una
demanda de la cantidad promedio del producto. Por el contrario, el área que se encuentra a la
izquierda del intercepto, significa que el consumidor pagó por el producto menos de lo que
correspondía, por lo tanto, presenta una ventaja en el poder de negociación (Porter, 2002). Del
mismo modo, el área del lado derecho del intercepto, significa que el productor cobró un precio
por encima del valor correspondiente, por lo tanto, representa que el productor tiene el poder de
negociación.

Del gráfico surgen las tres posibilidades anteriores se construye el direccionamiento estratégico.
La estrategia del equilibrio, correspondiente al precio justo del mercado, donde ninguno presenta
ventaja sobre el otro, el precio corresponde al valor del intercepto de las dos funciones. La
estrategia del productor, donde a pesar que el consumidor tiene el poder de negociación, el
productor obtiene su mayor rentabilidad, el precio de esta estrategia es el correspondiente al
equilibrio de Nash (Shoham & Leyton-Brown, 2008). Por último, la estrategia del consumidor,
que corresponde al precio que genera mayor rentabilidad al consumidor, a pesar que el poder de
negociación lo tiene el productor. Este precio se calcula como el mayor valor esperado teniendo
en cuenta la probabilidad de venta del producto. La tabla 17, presenta los resultados obtenidos
para cada una de las estrategias.

52
 Tabla 16. Direccionamiento estratégico

Estrategia Oferta (Ton) Precio ($/Kg)

Productor 9.384 1550
Balance 18.371 950
Consumidor 23.000 710
Fuente: Elaboración de autores

A partir del direccionamiento estratégico, se simula el comportamiento de la oferta, basado en el

modelo de dinámica de sistemas de Hill- Climbing, donde a partir de incrementos en volumen de
la oferta se establece el comportamiento de los precios en el tiempo del mercado.

El modelo estratégico es simulado en Vensim que es una herramienta grafica que permite
conceptualizar, simular, analizar y optimizar modelos de Dinámica de Sistemas.

El programa requiere de datos de entrada como la sensibilidad del precio, la elasticidad de la

demanda y la oferta.

Para determinar la sensibilidad del precio es necesario encontrar la relación entre la

demanda/oferta, la cual se halla por medio del centroide de cada una de las funciones observadas
en la gráfica de producto ofertado y demandado.

Tabla 17. Centroides

Figura Altura (h) Centroide

Triangulo 1 18000 6000
Triangulo 2 16000 5333
Peso 1000
Fuente: Elaborado por los autores

Una vez determinados los cancroides, es necesario conocer el peso de cada triangulo localizado
en su centro de masa, para hallar las normas que nos permiten definir el comportamiento del
mercado. Para establecer la relación entre la oferta y la demanda, es necesario conocer las masas,
las cuales corresponden al acumulado de los pesos en términos unitarios.

53
 Tabla 18. Relación oferta/demanda

Centroide 1 6000 1000 (peso)

Norma 1 6083
Ventaja del consumidor 754984577669,00
Centroide 2 5333 1000 (peso)
Norma 2 5426
Ventaja del productor 2506450007181,00
Relación 3,32
Fuente: Elaborado por los autores

De acuerdo a lo anterior, podemos establecer que la sensibilidad del precio es de 3,32. Para
determinar los valores de la elasticidad de la demanda y oferta se tiene en cuenta los valores de la
pendiente de cada una de las funciones anteriormente nombradas. Es decir, para la demanda
tenemos una elasticidad de –0, 0619 y para la oferta de 0.062. Con estos datos se procede a
simular el modelo en Vensim, como se observa a continuación.

Se simula la oferta con un incremento del 10% aproximándolo a lo que sería un crecimiento en
un año.

Gráfica 11. Modelo Hill-Climbing

Fuente: Elaboración propia

54
Los resultados obtenidos a través de la simulación de los datos muestran cómo se comporta la
oferta y la demanda a una proyección de un año, realizando un incremento en los volúmenes de
producción del 10%. (VER ANEXO 5)

Gráfica 15. Comportamiento del precio

Fuente: Elaboración propia a través de Vensim.

La grafica arroja un modelo de comportamiento del precio en un lapso de cantidad, en el cual se

puede apreciar un incremento en la oferta para cada una de las estrategias, lo que produce un
aumento en el precio hasta lograr un punto de equilibrio. A mayor precio, mayor es la frecuencia
en los últimos rangos.

En la siguiente tabla se puede apreciar los rangos para cada una de las estrategias con sus
respectivas ecuaciones de precio.

Tabla 22. Modelos del comportamiento del precio

Posiciones Ecuación de precio valores

0,0009x
Equilibrio y = 0,0002e 18000-18800
Productor y = 0,0002e0,0017x 9000-9500
Consumidor y = 0,0001e0,0007x 23000-24200
Fuente: Elaboración de los autores con datos de Vensim

55
 4.2 MODELO OPERATIVO

A partir de la oferta simulada se determina la distribución del producto en el mercado. Para el

modelado de generación y atracción, consideramos los agentes que interactúan para tomar
decisiones basadas en la maximización de sus beneficios, la negociación de flujo de productos
entre consumidores y productores, así como los precios de los mercados de las principales
ciudades de Colombia, y las rutas para el transporte de la mercancía, todo bajo la plataforma de
modelado basado en viajes y no en productos. Para modelar la generación de viajes, se utilizan
varios métodos, entre los que se encuentran los métodos clásicos de regresión lineal que se han
desarrollado para la captura de correlaciones espaciales y los métodos de análisis de categorías
(Grange, Ibeas y González, 2009).

Comenzamos con una matriz de viaje conocida, en donde suponemos que crecerá de manera
uniforme, de acuerdo con un factor de crecimiento que incluye origen y destino. Para esto, se han
desarrollado varios métodos iterativos como el de "Furness", que introduce factores de equilibrio
y considera que en el futuro los patrones de viaje se conservan, pero el volumen de viaje se
incrementa de acuerdo al aumento de las zonas de producción y atracción de los viajes.

Para la construcción de la primera matriz se toman los municipios de El Banco, Santa Ana, Zona
Bananera y Ciénaga del departamento del Magdalena, como el factor de origen de acuerdo a los
criterios de selección mencionados en la presente investigación.

Como factor de destino se escogen las principales plazas de mercado de Sucre, Santander y
Guajira; por ser departamentos consumidores del Mango, pero no productores, y Atlántico que,
si bien, es un potencial productor, la producción no abastece el total de consumo de su población.
(VER ANEXO 6)

Tabla 24. Matriz inicial – valores reales de producción

SUCRE SANTANDER ATLANTICO GUAJIRA Real value Oi

EL BANCO 640 1.824 96 640 3.200

SANTA ANA 72 205 11 72 360
CIENAGA 1.720 4.902 258 1.720 8.600
Z. BANANERA 605 1.724 91 605 3.024
Real value Dj 3.037 8.655 456 3.037 15.184
Fuente: Elaboración de los autores con datos de AGRONET
56
 Con los valores producción consignada en la tabla correspondiente cada uno de los municipios
del departamento del Magdalena, se estableció una distribución del producto a las principales
plazas seleccionadas, teniendo en cuenta el porcentaje de consumo de la población. (VER
ANEXO 6).

Teniendo como referencia los resultados de la estrategia de equilibrio obtenida en el

direccionamiento estratégico, tomaremos el valor de la oferta correspondiente al periodo 12.
(VER ANEXO 5), como el objetivo de incremento de la demanda en un 1 año.

Tabla 25. Matriz aumentada– valores ideales de producción

Valor Oi
SUCRE SANTANDER ATLANTICO GUAJIRA ai
Actual Oi Target
EL BANCO 640 1.824 96 640 3.200 3.834 1,19801387
SANTA ANA 72 205 11 72 360 925 2,57015349
CIENAGA 1.720 4.902 258 1.720 8.600 10.465 1,21683873
Z. BANANERA 605 1.724 91 605 3.024 3.651 1,20743626
Valor Actual Dj 3.037 8.655 456 3.037 15.184
Dj 3.712 10.844 468 3.852 18.875 18.875
Fuente: Elaboración de los autores

Dado que la matriz de valores ideales no tiene una solución factible, es necesario calcular los
porcentajes de crecimiento ai y bj que deben tener el valor de 1, con el fin de satisfacer las
restricciones de origen y destino. Para esto se requiere el siguiente proceso iterativo

Tabla 26. Iteración 1

Valor Actual
SUCRE SANTANDER ATLANTICO GUAJIRA Oi Meta ai
Oi
BANCO 767 2.185 115 767 3.834 3.834 1
SANTA ANA 185 527 28 185 925 925 1
CIENAGA 2.093 5.965 314 2.093 10.465 10.465 1
Z BANANE 730 2.081 110 730 3.651 3.651 1
Valor Actual Dj 3.775 10.759 566 3.775 18.875
Dj 3.712 10.844 468 3.852 18.875
bj 0,9833 1,0079 0,8259 1,0203
Fuente: Elaboración de los autores

Con los últimos valores de ai se encuentran los valores de bj, de tal manera que se satisfagan las
restricciones destino.

57
 Tabla 27. Iteración 2

Valor Oi
SUCRE SANTANDER ATLANTICO GUAJIRA ai
actual Oi Meta
EL BANCO 754 2.202 95 782 3.834 3.834 1
SANTA ANA 182 532 23 189 925 925 1
CIENAGA 2.058 6.012 259 2.135 10.465 10.465 1
Z. BANANANERA 718 2.098 90 745 3.651 3.651 1
Valor Actual Dj 3.712 10.844 468 3.852 18.875
Dj 3.712 10.844 468 3.852 18.875
Bj 1 1 1 1
Fuente: Elaboración de los autores

El proceso iterativo se realiza hasta lograr la convergencia entre los dos porcentajes de
crecimiento.

Los parámetros ai y bj se calibran durante el proceso de estimación del modelo gravitacional

como parte del esfuerzo directo por satisfacer las restricciones. Ortuzar, J. & Willumsen, L.
(2008). Para la calibración del modelo gravitacional, usamos el método iterativo Hyman, en el
cual se usa un valor inicial de "B" para realizar un modelo gravitatorio y obtener un costo
promedio modelado y una nueva "B" con la cual la nueva iteración hasta el costo promedio de
modelado obtenido es igual al costo promedio de la matriz inicial.

Para la creación de la primera matriz se tienen en cuenta los costos de los viajes, para este caso
se tomarán las distancias desde el municipio de origen a cada mercado destino para representar
dichos costos. La construcción de la matriz se presenta a continuación:

Tabla 28. Matriz de costos

SUCRE SANTANDER ATLANTICO GUAJIRA

EL BANCO 319,4 km 278,4 km 346,3 km 406,5 km
SANTA ANA 238,2 km 379,2 km 339,5 km 374,5 km
CIENAGA 291,0 km 511,4 km 72,6 km 295,9 km
Z. BANANANERA 332,7 km 487,5 km 106,7 km 272,1 km
Fuente: Elaboración de los autores

Para la aplicación del modelo de Hyman se debe calcular el valor medio del costo de la
distribución de los viajes observados (DLVO), mediante la siguiente ecuación:

58
 ∑𝑖𝑗 [𝑁𝐼𝐽 𝐶𝑖𝑗 ]
𝑐∗ =
∑𝑖𝑗 𝑁𝐼𝐽

Donde,

𝑁𝑖𝑗 = Numero de viajes observados (y expandidos) para cada par origen – destino

𝐶𝑖𝑗 = Costo de los viajes

1
Se inicia la primera iteración con un 𝑚 = 0 y un valor inicial de. Con el valor de 𝛽0 = 𝐶 ∗ se

calcula la matriz de viajes del modelo gravitacional estándar. Se obtiene así la medida
modelizada de los costos de viaje 𝐶𝑂 pudiendo entonces estimar como mejor valor de 𝛽, el
siguiente:

𝛽𝑚 = 𝛽𝑜 𝐶𝑜 /𝑐 ∗

Los resultados obtenidos de la matriz de viajes de modelo gravitacional estándar. (VER ANEXO
7), se puede apreciar en la siguiente tabla:

Tabla 30. Resultados de la primera matriz de viaje

Co 375,9580652
β0 0,003167125
C* 316
β1 0,003771116
Fuente: Elaboración por autores.

Se realiza nuevamente el procedimiento con un 𝑚 = 𝑚 + 1 y, utilizando el ultimo valor hallado

para β (es decir β-1), calculando la matriz de viajes del modelo gravitacional estándar para así
obtener una nueva medida modelizada de los costos de viaje (𝐶𝑚 − 1) que será contrastada con
C*. (VER ANEXO 7)

59
 Tabla 31. Resultados obtenidos en la segunda Matriz de viajes.

β1 0,003771116
C1 374
Co 375,9580652
β0 0,003167125
C* 316
β2 0,021806519
Fuente: Elaboración por autores.

Como ambos valores no son lo suficientemente próximos, se deben realizar nuevamente los
pasos antes mencionados las veces que sea necesario, es decir, hasta que la última media de los
costos Cm-1 modelizada sea suficientemente próxima el valor observado C* y calcular una
mejor estimación del β a partir de la siguiente ecuación:

(C *  Cm 2 )  m 1  (C *  Cm 1 )   m 2
m 
Cm 1  Cm 2

Después de tres repeticiones más, se logró una aproximación lo más cercana posible al valor
medio del costo C* (VER ANEXO 8).

Tabla 32. Ultima matriz de viajes.

Co 375,9580652
β0 0,003167125
C1 374,0068814
β1 0,003771116
C2 290,3845062
β2 0,016337119
C3 321,3376826
β3 0,016337119
β4 0,016337119
Fuente: Elaboración por autores

60
4.3 UBICACIÓN DEL CENTRO DE ACOPIO

De acuerdo a lo definido en el proyecto, se preestablecen 4 municipios del departamento del

Magdalena (Ciénaga, Zona Bananera, Santa Ana y El Banco) como potenciales puntos de
ubicación del centro de acopio. Para determinar cuál de los municipios es el más adecuado, se
recurre a calcular por medio del algoritmo de Kruskal y el algoritmo de Djisktra el árbol de
menor recorrido y los caminos de menor coste, respectivamente. La variable a evaluar por medio
de los algoritmos mencionados es tonelada-kilometro, como medida característica en el
transporte de carga por largas distancias.

Para llevar a cabo este modelo, se establecen las siguientes restricciones:

• Dado que el común de las plantaciones de los productores de Mango en el Magdalena no

lleva registros históricos de producción, se asume el valor de producción promedio
publicado por Agronet.

 Se define que cada municipio es un nodo ubicado en un punto aleatorio dentro de su zona
rural.
 Los puntos de acopio se ubicarán en el mismo nodo característico del municipio a
evaluar. Por ejemplo, en caso de que El Banco sea evaluado como punto de acopio, la
fruta cosechada en este municipio, se desprecia el flete entre este municipio y el centro de
acopio.
 El transporte de la fruta es por cuenta y riesgo del proveedor, no se consideran valores de
aseguramiento de la carga.
 El parámetro definido de distancia efectiva de fruta transportada (Tonelada-kilómetro) se
definió de forma parametrizada en función de rangos de trayecto recorrido.

A continuación, se presenta en la siguiente tabla las distancias comprendidas entre los trayectos
que se encuentran entre los potenciales municipios disponibles para la ubicación del centro de
acopio.

61
 Tabla 33. Distancias comprendidas entre trayectos.

Ciénaga Zona Bananera Santa Ana El Banco

Ciénaga 34,3 256 274
Zona Bananera 34,3 231 249
Santa Ana 256 231 101
El Banco 274 249 101
Fuente: Elaboración por autores.

Por medio del software Grafos, desarrollado por el profesor de la Universidad Politécnica de
Valencia (España) Alejandro Rodríguez Villalobos, se resolvió el algoritmo de Kruskal y el
algoritmo de Dijsktra.( VER ANEXO 9)

Como datos de entrada se tomó la distancia ubicada entre cada uno de los municipios, así como
la cantidad de fruta cosechada anualmente por cada uno. De tal manera, con el producto de estos
dos datos citados, se determinó el parámetro de distancia efectiva para cada trayecto.

Tabla 34. Parámetro de distancia efectiva

Ciénaga Zona Bananera Santa Ana El Banco

Ciénaga 343.000 2.560.000 2.740.000
Zona Bananera 125.299,30 843.381 909.099
Santa Ana 31.727,50 213.675 93.425
El Banco 986.400 896.400 363.600
Fuente: Elaboración propia.

Se realizará un primer modelo en el cual se asume que el trayecto que recorrerá la fruta será
puntual entre dos municipios interconectados por las vías terrestres de transporte, siendo los
trayectos:

 Ciénaga - Zona Bananera.

 Zona Bananera – Ciénaga.
 Zona Bananera – Santa Ana.
 Santa Ana – Zona Bananera.
 Zona Bananera – El Banco.
 El Banco – Zona Bananera.
 El Banco – Santa Ana.

62
  Santa Ana – El Banco.

Los trayectos El Banco – Ciénaga y Santa Ana – Ciénaga (ida y regreso) son trayectos
compuestos por la conmutación de los trayectos: Para el primer trayecto se encuentran las rutas
“El Banco – Zona Bananera – Ciénaga” y para el segundo trayecto se encuentra “El Banco –
Santa Ana – Zona Bananera – Ciénaga” y “Santa Ana – Zona Bananera – Ciénaga”.

Ilustración 4. Ubicación de los nodos

Para la realización del grafo se definió cada

municipio como un nodo (4 nodos) y 8 vértices (4
rutas ida y regreso), tal como está indicado en la
figura 4.

En la figura 4, cada nodo se representa como una

esfera ubicada geográficamente en cada uno de los
municipios en cuestión. Los vértices son las líneas
rectas que interconectan cada nodo.

63
 5. EXPERIMETACION Y ANALISIS DE LOS RESULTADOS.

En la presente investigación se abordaron dos ejes, el primero fue la formulación de un modelo

estratégico en el cual se conoció el comportamiento real del mercado del mango en los últimos
años a través de un modelo de regresión lineal, lo que mostró una demanda de la fruta con
distribución normal, por otro lado se construyó un escenario ideal en donde el consumidor
adquiriera la mayor cantidad de producto al menor precio posible, lográndose de esta forma una
pendiente lo más negativa posible.

Con una simulación de la oferta del Mango incrementada en un 10% en el lapso de un año, se
construyó el direccionamiento estratégico basado en tres estrategias: de equilibrio que
corresponde al precio justo del mercado, del productor, en donde éste tiene la mayor
rentabilidad, aunque no posea el poder de negociación y del consumidor que corresponde al
precio que genera una mayor rentabilidad al consumidor, aunque el poder de negociación lo
tenga el productor.

Una meta de incremento en los volúmenes de producción del Mango fue la base para simular un
modelo que permitió concluir que el departamento del Magdalena tendría la capacidad de
abastecer las principales plazas de mercado de departamentos como Sucre, Santander, Guajira y
Atlántico. Además, se estudió la necesidad de ubicar una bodega de almacenamiento y
determinar la mejor ruta de distribución de la fruta a las ciudades destino, ya que abordar
trayectos más largos o vías deficientes, puede generar sobre costos logísticos reflejados en los
beneficios que dejaría de recibir los productores.

5.1 Determinación del centro de acopio

Bajo el modelo desarrollado de acuerdo al algoritmo de Kruskal ejecutado en el software Grafos

(CC), se determinó el árbol de ruta mínimo óptimo que define al municipio de Ciénaga como el
más adecuado para la futura construcción del centro de acopio, con un indicador de masa por
distancia correspondiente 413.399,3 km-ton.

Ciénaga resulta ser la mejor opción, dado que para tomar la decisión se realizaron cálculos
considerando la distancia que hay entre cada municipio y la cantidad que producen, siendo

64
Ciénaga el mayor productor se incrementaría los costos si se trasladara toda su producción a
alguno de los otros municipios

5.2 Diseño del centro de acopio en el municipio de Ciénaga Magdalena.

Salida Entrada
ILUSTRACIÓN 5. Diseño del
centro de acopio, Ciénaga,
Magdalena.

Válvula
s

5.2.1 Requisitos generales para las edificaciones e instalaciones de un centro de acopio.

Según las normas establecidas por el Codex Alimentarios, en los principios de las Buenas
Prácticas de Manejo (BPM) para edificación e instalaciones destinadas al procesamiento, envase,
almacenamiento y expendio de alimentos, las instalaciones para el Centro de acopio, maduración
y comercialización deberá cumplir los siguientes requisitos de diseño y construcción:

 Estar ubicada en un lugar aislado, libre de focos de insalubridad que presente potenciales
riesgo para la contaminación de los alimentos.
 Su funcionamiento no deberá poner en riesgo la salud y el bienestar de los empleados y
de la comunidad.
 Sus accesos y alrededores se mantendrán limpios, libres de acumulación de basura y con
superficies que promuevan el manteniendo de la sanidad que impida la generación de

65
 polvo, el estancamiento de aguas o la presencia de otras fuentes de contaminación para
los alimentos.
 La edificación debe estar construida de manera que proteja los ambientes de producción e
impida la entrada de polvo, lluvia, suciedades u otros contaminantes. Así como el ingreso
o refugio de plagas y animales.
 Debe poseer una adecuada separación física entre las áreas sucias y áreas limpias.
 Deben estar ubicados según la secuencia lógica del proceso, desde la recepción de la fruta
fresca hasta su despacho ya empacada, de tal manera que se eviten retrasos indeseados y
contaminación cruzada.
 El ambiente debe dotarse de las condiciones de temperatura, humedad u otras
necesidades para la ejecución higiénica de las operaciones y la conservación de las frutas.
 Las áreas deben estar separadas de cualquier tipo de vivienda y no podrán ser utilizadas
como dormitorios, tampoco permitir la presencia de animales en los establecimientos.

5.2.2 Requisitos de diseño y construcción.

 Los pisos deben ser construidos con materiales que no generen sustancias o
contaminantes tóxicos.
 Los pisos deben ser resistentes, impermeables, antideslizantes, no porosos, ni
absorbentes, libres de grietas o defectos que dificulten la limpieza, desinfección y
mantenimiento.
 Para las áreas húmedas, como el cuarto de maduración y área de lavado, los pisos deben
tener una pendiente mínima del 2% y al menos un drenaje de 10 cm. de diámetro por
cada 40 m² de área servida. Para el cuarto frío y cámara de maduración los drenajes
deben estar en la parte exterior al mismo.

 Para las áreas de baja humedad ambiental, área de empaque, despacho y almacén, la
pendiente mínima será del 1% hacia los drenajes, y por lo menos un drenaje por cada 90
m² de área servida.

66
 El sistema de tuberías y drenajes para la conducción y recolección de las aguas
residuales, deben tener la capacidad y la pendiente requerida para permitir una salida
rápida y efectiva de los volúmenes máximos generados por el centro.
 Los drenajes de piso poseerán la debida protección con rejillas, además de trampas para
sólidos, colocadas de forma que faciliten la limpieza.
 Las paredes en las áreas de procesamiento serán de materiales resistentes, impermeables,
no absorbentes y de fácil limpieza y desinfección, con un acabado liso y sin grietas, para
ello se puede utilizar material cerámico o similar con pintura plástica de colores claros
que permitan visualizar la suciedad fácilmente.
 Las uniones entre las paredes, pisos y techos deben estar selladas y de forma redondeada
para impedir la acumulación de residuos y facilitar la limpieza.
 Los techos deben estar diseñados y construidos de manera que se evite la acumulación de
suciedad, la condensación, la formación de hongos y el desprendimiento superficial y
además facilitar la limpieza y el mantenimiento. Debe evitarse el uso de techos falsos.
 Las ventanas y otras aberturas en las paredes deben estar construidas para evitar
acumulación de polvo y suciedad, aquellas que se comuniquen al exterior deben estar
protegidas con mallas anti-insectos de fácil limpieza y buena conservación.
 Las puertas deben ser resistentes, de superficies lisas, no adsorbentes y de suficiente
amplitud, en las áreas que sea requerido. Las puertas de la cámara de maduración y
cuarto frío de tener ajuste hermético.
 Las aberturas entre las puertas exteriores y los pisos no deben ser mayores a 1 cm.
 Las rampas y plataformas deben ubicarse y construirse manera que no causen
contaminación a las frutas o dificulten el flujo regular del proceso y limpieza de la planta.
 Las instalaciones de control de etileno, electricidad y mecánica deben estar diseñadas
con un acabado que impidan la acumulación de suciedad y el albergue de plagas.

 Se contará con áreas de esparcimiento y servicio sanitarios que faciliten la higiene del
personal del centro, será independiente para hombre y mujeres al igual que los vestidores.
 Además, se deben instalar lavamanos en las áreas de manipulación de las frutas, que
contengan información de interés acerca de la higiene de las manos.

67
5.2.3 Requisitos de los servicios básicos

 El agua utilizada en el centro debe ser de calidad potable, debe estar a temperatura y
presión requerida para los procesos.
 Solamente se permite el uso de agua no potable, cuando esta no ocasiona riesgo de
contaminación a las frutas, como en los casos de vapor directo o lucha contra incendios.
En estos casos debe distribuirse por un sistema de tuberías diferente al del agua potable,
debidamente identificado por colores y sin conexiones ni sifonajes de retroceso con las
tuberías de agua potable.
 La iluminación debe ser adecuada y eficiente, se puede obtener mediante ventanas,
claraboyas y lámparas bien distribuidas. Deben ser de calidad e intensidad requerida para
ejecución de las labores y facilidad de limpieza.
 La intensidad no debe ser inferior a 540 lux (59 bujía-pies) en todos los puntos de
inspección, 110 lux (10 bujía-pies) en las demás áreas del centro. La iluminación no debe
alterar los colores naturales de las frutas.
 Las lámparas que estén encima de los procesos de recepción, lavado y empaque deben
estar protegidas para evitar accidentes y contaminaciones.
 Las áreas deben estar ventiladas directa o indirectamente, sin crear condiciones que
contribuyan a la contaminación o la incomodidad del personal.
 Las aberturas de los ventiladores deben estar protegidas con mallas de material no
corrosivo y fácilmente removibles para su limpieza y reparación.
 El aire debe circular hacia el exterior sin afectar o contaminar el proceso realizado en el
área.

5.3 Distribución de la producción del mango a los principales mercados seleccionados.

La formulación del direccionamiento estratégico arrojo como resultado 3 estrategias de mercado

que simulan el comportamiento de la oferta en un año, tomando como referencia la oferta en el
periodo número doce correspondiente a la estrategia de equilibrio, se crea una matriz de
expansión con datos reales de la oferta de los municipios seleccionados y la demanda de las
ciudades destinos, con el objetivo de determinar la cantidad de producción que será distribuida a

68
cada una de las ciudades. El resultado arrojado por la matriz de origen-destino muestra que con
una meta alcanzada de 18.875 en un año, la distribución de los volúmenes de producción, se
daría de la siguiente forma.

Tabla 35. Distribución de la producción del mango.

MERICADO PRODUCCIÓN (Ton)

SUCRE 3.712
BUCARAMAGA 10.844
ATLANTICO 468
LA GUAJIRA 3.852
Fuente: Elaboración por autores.

Una vez culminado el proceso de recolección de la fruta en el centro de acopio del municipio de
Ciénaga, se inicia el proceso de distribución del mango a los principales mercados, como se
muestra en la tabla 36.

5.4 Rutas de distribución

Ejecutando el algoritmo de Kruskal, el árbol de mínimo recorrido está compuesto por los
trayectos:

 El Banco – Santa Ana (93.425 km-ton).

 Santa Ana – Zona Bananera (213.675 km-ton).
 Zona Bananera – Ciénaga (125.299,3 km-ton)

Por lo tanto la ruta del costo mínimo desde los sitios de cultivo hasta el centro de acopio de
ciénaga es:

69
Ilustración 6. Rutas de distribución

70
Una vez la fruta se encuentra en el centro de acopio debe ser distribuida a cada una de las plazas
de mercados de los departamentos como destino, en la proporción obtenida en la tabla 36.

Gráfica 16. Distribución de la producción a las principales plazas de mercado

LA GUAJIRA

3.852 Ton
295,9 KM

SUCRE CIENAGA ATLANTICO

3.712 Ton 468 Ton

291 Km 72,6 km
10.844
Ton
511,4 Km

SANTANDER

Fuente: Elaboración por autor

71
 CONCLUSIÓN

Colombia es uno de los países con mayor potencialidad para hacer despensa agrícola a nivel
mundial (FAO, 2016). Esto se debe a que en el país existen alrededor de 26,5 millones de
hectáreas con vocación a ser cultivadas, es decir, el 23% del territorio nacional, donde el mango,
participa con un 20% del total producido (DANE, 2016). A pesar de que en Colombia, se
presente un balance agrícola muy positivo, aun son permanentes algunos problemas en materia
de acceso a mercados, en soportes en las técnicas de cultivo, en la inadecuada o escasa
infraestructura de almacenamiento y apoyo en la comercialización que dificultan a que los
esquema de cooperativas agrarias puedan desarrollarse de manera adecuada. Lo anterior
conlleva, a que el país se mantenga rezagado frente a otros países latinoamericanos, pese a sus
esfuerzos de proyectos gubernamentales e instituciones como ASOHOFRUCOL

Como consecuencia de lo anterior, en el país se ha incrementado el porcentaje de desperdicio y

pérdida de la fruta. Esto coincide con las cifras del Departamento Nacional de Planeación, DNP,
que la misma entidad trae a colación, donde se señala que de 10.434.327 toneladas de frutas y
vegetales, de consumo potencial anual nacional, actualmente se pierden y desperdician:
6.081.134 toneladas, es decir, el 58%. (DNP, 2016).

En el departamento de Magdalena, los productores presentan una serie de inconvenientes, debido

a que no cuentan con las técnicas necesarios en los procesos productivos del mango y no poseen
un centro de acopio municipal para realizar el proceso de recolección de la fruta. Además, les
resulta muy costoso, desplazar lo producido al centro de acopio de la capital y/o cabeceras
municipales. Esto a su vez, conlleva a que el productor negocie la fruta con terceros a un precio
muy debajo del costo de producción o a que se genere perdidas elevadas de la fruta.

Con base en lo anterior, a través de presente modelo se determinó un centro de acopio ubicado de
manera estratégica en el municipio de Ciénaga, teniendo en cuenta diferentes criterios de
selección determinados a través del algoritmo de Kruskal, con respecto a los demás municipios
productores seleccionados, estableciendo rutas de recolección con el objetivo de reducir los
costos de logísticos, a través de la optimización de los trayectos. Esto a su vez, sería el primer
paso para disminuir los índices de perdida de la fruta y proteger al productor frente a la
sobreoferta en épocas de alta producción y la consecuente caída de precios del producto

72
 BIBLIOGRAFIA

León, D. (06 de abril de 2017). “Magdalena tiene gran potencial en la producción de mango”:
Fedemango. El Informador. Recuperado de: http://www.elinformador.com.co/index.php/el-
magdalena/83-departamento/148186-magdalena-tiene-gran-potencial-en-la-produccion-de-
mango-fedemango
Asohofrucol. (2015). Los retos para incrementar el consumo de frutas y hortalizas Papayuela
Albahaca. Revista de La Asociación Hortifruticola de Colombia, Asohofrucol, 42, 27.
Recuperado de: http://www.asohofrucol.com.co/archivos/Revista/Revista42.pdf
Organización para las Naciones unidades de la Alimentación, FAO (2010). Perspectivas a plazo
medio de los productos básicos agrícolas. Recuperado de: http://www.fao.org
Anónimo (2015, abril 14). El consumo promedio mundial de frutas y hortalizas, sube levemente
en medio siglo. [web log]. Recuperado de: https://www.portalfruticola.com

Garavito, E. J., Jiménez, M., Rueda, M., Rojas, M., Marlen, D., Mendez, V.,Torres, M. C.
(2009). Guía Ambiental Hortofrutícola de Colombia. Recuperado de:
http://www.asohofrucol.com.co/archivos/biblioteca/biblioteca_30_GUIAhortifruticult%20ura[1].
pdf
Milena, R., & Gil, H. (2009). Importancia Socioeconómica del sector frutícola en Colombia, 102
Asohofrucol. (2014). Balance y perspectivas del sector hortifrutícola Para mantenerse conectado
con el Berenjena. Frutas & Hortalizas, Revista de La Asociación Hortifurticola de Colombia,
ASOHOFRUCOL, 33, 5–40. Recuperado de:
http://www.fondohortifruticola.com.co/RevistaFyH.php
Ministerio de Agricultura y Pesca de Colombia. (2016). Estadísticas. Recuperado de:
http://www.agronet.gov.co/estadistica/Paginas/default.aspx
FAO, & MinSalud. (2013). Perfil nacional de consumo de frutas y verduras. FAO. Recuperado
de: http://www.osancolombia.gov.co/doc/Perfil_Nacional_Consumo_FyV_Colombia_2012.pdf
Min Agricultura. (2006). Plan Frutícola Nacional Desarrollo de la fruticultura en el Magdalena.

Wall, A., Olivas, F. J., Velderrain, G. R., González, A., De La Rosa, L. A., López, J. A., &
Álvarez, E. (2015). El mango: aspectos agroindustriales, valor nutricional/funcional y efectos en
la salud. Nutr Hosp.Nutr Hosp, 3131(1), 67–7567. http://doi.org/10.3305/nh.2015.31.1.7701
Mora, Gamboa, J., & Elizondo, R. (2002). Guía para el cultivo del mango
Lozano, J. G., Floriano, J. A., Corredor, J. P., Bernal, J. A., Vásquez, L. A., Sandoval, A. P., …
Barros, G. G. (2009). DESCRIPCIÓN DE LAS VARIEDADES DE MANGO CRIOLLO
COLOMBIANO.

73
García, J. (12 de diciembre de 2008). Variedades de mango colombiano son las mejores para
exigencias de agroindustria de pulpa, según Corpoica. El portafolio. Recuperado de:
http://www.portafolio.co/economia/finanzas/variedades-mango-colombiano-son-mejores-
exigencias-agroindustria-pulpa-corpoica-221902

García, J (2010). Fenología del cultivo de mango (Mangifera indica L.) en el Alto y Bajo
Magdalena: bases conceptuales para su manipulación. Colombia. Corpoica. 2011. xx p
Salamanca, G., Longas, F. F., Lozano, J. G., Díaz, C., & Salazar, B. (2007). Avances en la
caracterización, conservación y procesamiento del mango ( Mangifera indica L .) en Colombia.
Revista Tumbaga, 2(2007), 57–64. Recuperado de: file:///C:/Users/usuario/Downloads/Dialnet.

Ospino, R. (2016). El mango en el Magdalena. [Entrada de blog]. Recuperado de:

http://historiasdelmagdalena.blogspot.com.co/2016/09/el-mango-en-el-magdalena.html
Mora, G. L. A. (2010). Gestión logística integral: las mejores prácticas en la cadena de
abastecimientos. Retrieved from
http://ebookcentral.proquest.com.biblioteca.unimagdalena.edu.co:2048
Mora, G. L. A., & Martiliano, M. M. (2012). Modelos de optimización de la gestión logística.
Bogotá, Colombia: Ecoe Ediciones
Lobato, F., & Villagrá, F. (2010). Gestión logística y comercial. Madrid, España: Macmillan
Iberia, S.A.
Sabriá, F. (2016). La cadena de suministro. Barcelona, España: Marge Books.
Velásquez, C. A. (2006). Modelo de gestión de operaciones para pymes innovadoras. Bogotá,
Colombia: Red Revista Escuela de Administración de Negocios.

Taha. H.A. (2012). Investigación de operaciones. Naucalpan de Juárez, Estado de México:

Pearson Educación de México, S.A. de C.V.

Bernabe, J. H. A. (2009). Desarrollo de la investigación de operaciones. Retrieved from

http://ebookcentral.proquest.com.biblioteca.unimagdalena.edu.co:2048

Vallhonrat, B. J. M., & Corominas, S. A. (1991). Localización, distribución en planta y

manutención. Retrieved from
http://ebookcentral.proquest.com.biblioteca.unimagdalena.edu.co:2048
Mora, G. L. A. (2011). Gestión logística en centros de distribución, bodegas y almacenes.
Retrieved from http://ebookcentral.proquest.com.biblioteca.unimagdalena.edu.co:2048
Galindo, C.J. (2008). Manual para la creacion de empresas. Bogota, Colombia: ECOE Ediciones.

74
Chase, R.B; Jacobs F.R. & Aquilano N.J. (2009). Administración de operaciones: Producción y
cadena de suministros. México, D.F.: McGRAW-HILL / Interamericana Editores, S.A. de C.V.

Heyzer, J. & Render, B. (2009). Principios de administracion de operaciones. Naucalpan, Edo.

de México: Pearson Educación de México, S.A. de C.V.
Garay, C. A. E. (2017). Logística: conocimientos, habilidades y actitudes. El Cid Editor
Felipe, V. P. (2007). Decisiones para la distribución física de los productos: un enfoque
cuantitativo. economía y desarrollo. Cuba: Editorial Universitaria
Medina, S.V; Raya, K. & Contreras, M.R. (2007). Utilización del modelo de transporte para la
asignación de trabajos a máquinas considerando prioridades. Ingeniería Revista Académica.
11(2), 47-65
Bonilla, M. (S.F.). Aplicación del modelo de transporte a la financiación de la empresa.
(Informe de la Fundación Mapfre. Recuperado sitio de internet de Fundación Mapfre:
https://www.fundacionmapfre.org/documentacion/publico/es/catalogo_imagenes/grupo.cmd?pat
h=1057304
Martin, A. C. (2014). Análisis comparativo de diseños para un corredor de transporte publico
usando micro simuladores. (Trabajo de grado). Universidad de Chile, Santiago De Chile.

Moura, J; Ibeas, A; Dell’Olio, L. & Vega, A. (2006). Dos modelos de distribución de viajes:
modelo de entropía (Hyman) versus triproporcional a través de una aplicación en la ciudad de
Concepción (Chile). Revista de Obras Públicas. 3462.
Campollo, A. (2015). Modelo de prevención del tráfico en Santander: año 2020. (Trabajo de
grado). Universidad de Cantabria, Santander, España.
Delgado, J. (2003). Ciudad-región y transporte en el México central: un largo camino de rupturas
y continuidades. México, Plaza y Valdés, S. A. de C. V.
Chascos, P. (2000). Modelos de Gravitación Comercial: una aplicación al anuario comercial de
España. Universidad Autónoma de Madrid, Madrid, España.
AGRO. (09 de febrero de 2015). Las frutas exóticas, potencial exportador de Colombia. Dinero.
Recuperado de http://www.dinero.com/edicion-impresa/sectores/articulo/el-potencial-frutas-
exoticas-para-exportacion-colombia/213013

Ministerio de Agricultura y Desarrollo Rural. (2005). La cadena de los frutales

de exportación en
Colombia. Recuperado de http://www.fondohortifruticola.com.co/archivos/Cadenas/caracterizaci
on_frutales_exporta_2005.pdf

Chávez,O ( 30 de junio de 2017). ¿Qué son los Centros de Acopio? Recuperado de:
www.santacruz.gob.bo/sczproductiva/acopio/2777/400110#ancla

75
De Mateo, Y (2014). Centro de Acopio, Maduración y Comercialización. Recuperado del sitio
de internet del Manual de operaciones: http://www.competitividad.org.do/wp-
content/uploads/2016/05/Manual-Operativo-Centro-Acopio-Mango.pdf
Accorsi, R., Gallo, A. y Manzini, R. (2017). A climate driven decision-support model for the
distribution of perishable products. Cleaner Productions. 165, 917- 929. doi:
10.1016/j.jclepro.2017.07.170
Mogale, D., Dolgui, A., Kandhway, R., Kumar, S. y Kumar, M. (2017). A multi-period inventory
transportation model for tactical planning of food grain supply chain. Computer & Industrial
Engineering. 110, 379-394. doi: 10.1016/j.jcie.2017.06.008
Defraeye, T., Wu, W; Prawiranto, K; Fortunato, G; Kemp, S; Hartmann, S; Cronje, P; Verboven,
P. y Nicolai, B. (2017). Artificial fruit for monitoring the thermal history of horticultural produce
in the cold chain. Food Engineering. 215, 51-60. doi: 10.1016/j.jfoodeng.25017.07.012
Ongkunaruk, P. (2015). Business process analysis and improvement for a raw milk collection
centre in Thailand. Agriculture and Agricultural Science Procedia. 3, 35-39. doi:
10.1016/j.aaspro.2015.01.009
Mallea de T, M. (2009). Cadenas de comercialización y potencialidades de exportación del
mango. Estudio de caso en el nordeste brasilero. Ciencia y Tecnología Agraria. 1(4), 109-105.
Rivas, L; Peña, M. y Gómez, M. (2005). Competitividad de los productores de mango en la
Costa Grande en el municipio Tecpan de Galeana, estado de Guerrero de México. Investigación
Administrativa. 96. 21-37.

Orjuela, J; Sanabria, L. y Peralta, A. (2017). Coupling facility location models in the supply
chain of perishable fruits. Research in Transportation Business & Management. 24. 73-80. doi:
10.1016/j.rtbm.2017.08.002
Hsiao, Y; Chen, M. y Chin, Ch. (2017). Distribution planning for perishable foods in cold chains
with quality concerns: Formulation and solution procedure. Trends in Food Science &
Technology. 61. 80-93. doi: 10.1016/j.tifs.2016.11.016
Suryani, E; Chou, Sh. y Chen, Ch. (2012). Dynamic simulation model of air cargo demand
forecast and terminal capacity planning. Simulation Modelling Practice and Theory. 28. 27-41.
doi: 10.1016/j.simpat.2012.05.012
Baloch, M. y Bibi, F. (2012). Effect of harvesting and storage conditions on the post harvest
quality and shelf life of mango (Mangifera indica L.) fruit. South African Journal of Botany. 83.
109-116. doi: 10.1016/j.sajb.2012.08.001
Mubashir Mehdia; Adnan Adeela; Zahoor Ahmadb. y M. Abdullah F. Hussaind. (2014).
Effectiveness of a "whole of chain" approach in linking farmers to market: a case of Pakistan
mango market. UMK Procedia 1. 57 – 62. doi: 10.1016/j.umkpro.2014.07.008
Vásquez, P. y Zapata, J. (2015). Estudio de los factores que influyen en la asociatividad de los
productores de mango del Valle Motupe – Olmos. (tesis de pregrado). Universidad Católica
Santo Toribio de Mogrovejo, Chiclayo, Perú.

76
Martínez, M. (2017). Exportación de mango en conserva a la ciudad de Miami. (tesis de
pregrado). Universidad Laica "Vicente Rocafuerte" de Guayaquil, Guayaquil, Ecuador.

Blanquarta, C; Müllerb, S; Seidelb, S. y Ehrler, V. (2012). From a supplier to a retail controlled

supply chain: what are the impacts on transport demand? From data analysis to model
development. Procedia - Social and Behavioral Sciences. 54. 275 – 285. doi:
10.1016/j.sbspro.2012.09.746
Kienzlea, S; Sruamsiri, P; Carlea, R; Sirisakulwat, S; Spreer, W. y Neidhart, S. (2011). Harvest
maturity specification for mango fruit (Mangifera indica L. ‘Chok Anan’) in regard to long
supply chains. Postharvest Biology and Technology. 61. 41-55. doi: 10-
1016/j.postharvbio.2011.01.015
Arasa, N. & Aksenb, D. (2008). Locating collection centers for distance- and incentive-
dependent returns. Int. J. Production Economics. 111. 316–333. doi: 10.1016/j.ijpe.2007.01.015
Rao, C; Goh, M; Zhao, Y. & Zheng, J. (2015). Location selection of city logistics centers under
sustainability. Transportation Research Part D. 36. 29-44. doi: 10.1016/j.trd.2015.02.008
De Keizer, M; Akkermana, R; Grunow, M; Bloemhof, J; Haijemaa, R. & Van Der Vorst, J.
(2017). European Journal of Operational Research. 262. 535-549. doi:
10.1016/j.ejor.2017.03.049
Sivakumar, D; Jiang, Y. & Yahia, E. (2011). Maintaining mango (Mangifera indica L.) fruit
quality during the export chain. Food Research International. 44. 1254-1263. doi:
10.1016/j.foodres.2010.11.022

Zuñiga, G; Rubenb, R. & Boekeld, M. (2009). Managing quality heterogeneity in the mango
supply chain: evidence from Costa Rica. Trends in Food Science & Technology. 20. 168-179.
doi: 10.1016/j.tifs.2009.01.059
Correa, L. (2012). Modelo de simulación bajo sistemas de producción y mercadeo para el cultivo
de mango en Anolaima y Girardot. (tesis de pregrado). Universidad Piloto de Colombia, Bogotá,
Colombia.
Özkır, V. & Baslıgil, H. (2013). Multi-objective optimization of closed-loop supply chains in
uncertain environment. Journal of Cleaner Production. 41. 114-125. doi:
10.1016/j.jclepro.2012.10.013
Campo, F. (2012). Plan creación de empresa para la producción, exportación, logística y
comercialización de plátano y mango. (tesis de pregrado). Corporación Universitaria Lasallista
Ciencias Administrativas y Agropecuarias, Caldas, Antioquia.
Aroca, J. & León, L. (2017). Plan de exportación de gelatina de mango al mercado de Reino
Unido. Revista Observatorio de la Economía Latinoamericana. Recuperado de
http://www.eumed.net/cursecon/ecolat/ec/2017/mango.html
Balocha, M; Bibi, F. & Jilani M. (2011). Quality and shelf life of mango (Mangifera indica L.)
fruit: As affected by cooling at harvest time. Scientia Horticulturae. 130. 642-646. doi:
10.1016/j.scienta.2011.08.022

77
Malik, S; Kumari, A. & Agrawal, S. (2015). Selection of locations of collection centers for
reverse logistics using GTMA. Materials Today: Proceedings. 2. 2538 – 2547. doi:
10.1016/j.matpr.2015.07.199
Gomes, M; Barbosa, A. & Novais, A. (2010). Simultaneous design and planning of supply
chains with reverse flows: A generic modelling framework. European Journal of Operational
Research. 203. 336–349. doi: 10.1016/j.ejor.2009.08.002
Aung, M. & Chang, Y. (2014). Temperature management for the quality assurance of a
perishable food supply chain. Food Control. 40. 198-207. doi: 10.1016/j.foodcont.2013.11.016
Perdana, T. (2012). The Triple Helix Model for Fruits and Vegetables Supply Chain
Management Development Involving Small Farmers in Order to Fulfill the Global Market
Demand: a Case Study in “Value Chain Center (VCC) Universitas Padjadjaran”. Procedia -
Social and Behavioral Sciences. 52. 80 – 89. doi: 10.1016/j.sbspro.2012.09.444
Palacio, E. (s.f.). Sobre el direccionamiento estratégico y sus componentes [Mensaje en un blog].
Recuperado de http://haztuplandenegocios.com/blog/sobre-el-direccionamiento-estrategico-y-
sus-componentes/
Alvarado, J. (2012). Situación actual y perspectiva de la cadena de productiva del Mango en
Colombia. Recuperado
de http://www.asohofrucol.com.co/archivos/biblioteca/biblioteca_217_Situaci%C3%B3n%20act
ual%20y%20perspectivas%20de%20la%20cadena%20Productiva%20del%20Mango%20en%20
Colombia.pdf

Ramírez, A. (2008). Una función de producción agregada para la economía colombiana:

características e interacción entre el trabajo calificado, el trabajo no calificado y el capital, 1994–
2005. Ecos de Economía. 26. 41- 70.

Sierralta, R. A. (2009). Negociaciones y teoría de los juegos. Lima, Perú: Fondo Editorial de la
Pontificia Universidad Católica del Perú.
Centro de pensamiento social. (2016). Retos y oportunidades del sector agrícola en
Colombia. Recuperado
de http://www.centrodepensamientosocial.org/index.php/noticias/item/194-retos-y-
oportunidades-del-sector-agricola-en-colombia

Desperdicio de verduras y frutas subió 16% en 30 años. (2016, abril). Portafolio. Recuperado
de http://www.portafolio.co/economia/gobierno/desperdicio-verduras-frutas-subio-16-30-anos-
493779

78
 ANEXO 1.

Tabla 3. Composición nutricional promedio de la pulpa del mango.

Fuente: Elaborada por Wall, (2015

ANEXO 2.

Ilustración 1. Mango Tommy Atkins Ilustración 2: Mango de azúcar.

79
 ANEXO 3: Tabla 10. Histórico de precios de los tipos de Mango de la región

Precio
Año Producción Común Chancleta Reina Tommy Azúcar Pdn/Hect Costo/Hect
prom.
2000 12212 496 495 481 1207 ND 670 9410 493
2001 12365 603 598 447 1119 ND 692 9510 488
2002 12185 568 576 436 1229 ND 702 9370 495
2003 13708 395 395 316 673 ND 445 9500 489
2004 14141 637 631 448 1226 ND 736 9800 474
2005 14279 549 527 342 774 ND 548 9800 474
2006 14419 896 813 613 1433 ND 939 10110 459
2007 16797 866 800 686 1575 ND 982 10117 459
2008 18408 891 888 803 1306 ND 972 10116 459
2009 20534 928 887 1037 1420 ND 1068 10690 434
2010 27052 1070 1074 1058 1799 ND 1250 11930 389
2011 25334 1369 1358 1469 2122 ND 1580 11080 419
2012 24192 1046 1043 1484 1576 ND 1287 11270 412
2013 25489 1014 1009 1785 1678 ND 1372 11640 399
2014 24448 1100 1268 1342 1966 2687 1673 11350 409
Fuente: Datos basados en la plataforma DANE

ANEXO 4: Tabla 14. Relación del escenario de precios real y el ideal, con incrementos en la
oferta

Distr
Cantidad Real Ideal Diferencia Peso Acumulado Valor esp
Normal
2000 8 2008 2000 3999900 3999900 0,99831073 3993143
3000 68 1946 1878 5633550 9633450 0,99703819 5616864
4000 128 1884 1756 7023000 16656450 0,99495807 6987591
5000 188 1822 1634 8168250 24824700 0,99166489 8100167
6000 249 1760 1512 9069300 33894000 0,98661527 8947910
7000 309 1698 1389 9726150 43620150 0,97911601 9523029
8000 369 1636 1267 10138800 53758950 0,96832919 9817696
Cournot 9000 429 1575 1145 10307250 64066200 0,95330177 9825920
10000 489 1513 1023 10231500 74297700 0,93302538 9546249
11000 550 1451 901 9911550 84209250 0,90652738 8985091
12000 610 1389 779 9347400 93556650 0,87298831 8160171
13000 670 1327 657 8539050 102095700 0,83187287 7103404
14000 730 1265 535 7486500 109582200 0,78305548 5862345
15000 790 1203 413 6189750 115771950 0,72691706 4499435
16000 851 1141 291 4648800 120420750 0,66439092 3088621
17000 911 1079 168 2863650 123284400 0,59694139 1709431

80
Equilibrio 18000 971 1017 46 834300 124118700 0,5264701 439234
19000 1031 956 76 1439250 1439250 0,45515831 655087
20000 1091 894 198 3957000 5396250 0,38526649 1524499
21000 1152 832 320 6718950 12115200 0,31892162 2142818
22000 1212 770 442 9725100 21840300 0,25792521 2508348
Consumi-
23000 1272 708 564 12975450 34815750 0,20361057 2641939
dor
24000 1332 646 686 16470000 51285750 0,15676747 2581960
25000 1392 584 808 20208750 71494500 0,11763925 2377342
26000 1453 522 930 24191700 95686200 0,08598366 2080091
27000 1513 460 1053 28418850 124105050 0,06117938 1738648
28000 1573 398 1175 32890200 156995250 0,0423551 1393068
29000 1633 337 1297 37605750 194601000 0,0285186 1072463
30000 1693 275 1419 42565500 237166500 0,0186683 794626
31000 1754 213 1541 47769450 284935950 0,01187644 567331
32000 1814 151 1663 53217600 338153550 0,00734076 390657
33000 1874 89 1785 58909950 397063500 0,00440707 259620
34000 1934 27 1907 64846500 461910000 0,00256927 166608
0,99949745 0
Fuente: Elaboración de los autores con datos basados en la plataforma DANE

ANEXO 5: Tabla 19. Estrategias de equilibrio.

Estrategia Equilibrío 10%

Mes Oferta Precio Grafica 12. Precio de equilibrio
0 18000 1017
1 18330 1363 Precio Equilibrio 10%
y = 0,0002e0,0009x
2 18530 1625 2500
3 18656 1812 2000
4 18736 1940
1500
5 18786 2027
1000
6 18819 2084
7 18840 2123 500

8 18854 2148 0
17800 18000 18200 18400 18600 18800 19000
9 18863 2164
10 18869 2174
11 18872 2181
12 18875 2186
Fuente: Elaboración de los autores con datos de Vensim

81
Tabla 20. Estrategia del productor.

Estrategia Productor 10%

Mes Oferta Precio
0 9000 1575
1 9165 2110
2 9265 2516 Gráfica 13. Precio productor.
3 9328 2805
4 9367 3005
Precio Productor 10%
5 9393 3139
4000
6 9409 3229
3000 y = 0,0002e0,0017x
7 9420 3288
2000
8 9427 3326
9 9431 3351 1000

10 9434 3368 0
8900 9000 9100 9200 9300 9400 9500
11 9436 3379
12 9437 3386
Fuente: Elaboración de los autores con datos de Vensim

Tabla 21. Estrategia del consumidor.

Estrategia del consumidor

Mes Oferta Precio
0 23000 708
1 23421 949 Gráfica 14. Precio consumidor.
2 23678 1131
3 23838 1261 Precio Consumidor 10%
2000
4 23940 1351
5 24005 1411 1500 y = 0,0001e0,0007x
6 24047 1451
7 24074 1478 1000

8 24091 1495
500
9 24103 1507
10 24110 1514 0
11 24115 1519 22500 23000 23500 24000 24500

12 24118 1522
Fuente: Elaboración de los autores con datos de Vensim

82
 ANEXO 6.

Tabla 23. Producción vs consumo en los dpto. Seleccionados

PRODUCTOR / PRODUCCIÓN
SUCRE SANTANDER ATLANTICO GUAJIRA
CONSUMIDOR /DEPTO
CUNDINAMARCA 90790,2964
TOLIMA 77231
MAGDALENA 24848
BOLIVAR 18462
CORDOBA 16135
ATLANTICO 12819 12819
ANTIOQUIA 7635,5
CESAR 6988
CALDAS 3300
CAUCA 2898,4
HUILA 1794,5
GUAJIRA 1621 1621
VICHADA 1120
SUCRE 994 994
VALLE DEL CAUCA 885
NARIÑO 656,5
SANTANDER 501 501
NORTE DE SANTANDER 260
BOYACÁ 81
CASANARE 48
TOTAL CONSUMO (TON) 4.576,48 10.966,66 13.270,37 5.338,36
TOTAL PRODUCCIÓN 994 501 12.819,00 1.621,00
DIFERENCIA 3.582,48 10.465,66 451,37 3.717,36

83