Documentos de Académico
Documentos de Profesional
Documentos de Cultura
contenido
Thomas Oberthür
Director Regional, Programa del
Sudeste Asiático, IPNI. Regional
Director IPNI Southeast Asia Program,
toberthur@ipni.net
Resumen
La industria de la palma de aceite se encuentra en un punto de inlexión. Lo sucedido durante los últi-
mos dos decenios de crecimiento espectacular, apoyado en la adquisición de tierras no se prolongará por
siempre. Los propietarios de las plantaciones afrontan hoy no solamente una falta de tierras adecuadas
sino también el deterioro del valor del aceite de palma, la ambigüedad de la productividad, la escasez de
mano de obra y una imagen pública deslucida. La industria debe encontrar un nuevo asidero, diseñar
mejores procesos y hacer más con menos. Debe forjar un nuevo futuro para el aceite de palma como
elemento creíble de contribución a la seguridad alimentaria, energética y ambiental, tanto a nivel local
como global. La promesa de la Inteligencia de Plantaciones (IP) radica en implementar e impulsar este
cambio a través de la generación y el análisis de las grandes bases de datos (Big Data). La producción
de aceite de palma es una actividad rica en datos pero pobre en información. La industria hace acopio
de grandes cantidades de datos pero muy pocos se analizan para mejorar la gestión. Sin embargo, los
Revista Palmas Vol. 37 No. Especial, pp. 235-242, Tomo I, 2016, ISSN 0121- 2923 235
datos encierran la clave para desarrollar mejores prácticas agronómicas, asignar mejor los recursos y
tomar mejores decisiones de gestión. La IP es un proceso de aprendizaje adaptativo basado en el análisis
de grandes bases de datos de desempeño del cultivo para lograr una mayor productividad. Algunos
factores como el clima y el suelo no se pueden controlar, mientras que otros como la fertilización y los
protocolos de cosecha se pueden manipular. La experiencia del Instituto Internacional de Nutrición
Vegetal (IPNI) sugiere que adoptar la IP es algo relativamente sencillo para las plantaciones comerciales.
Entre los beneicios se cuentan una evaluación exacta del desempeño, el rendimiento sobre la inversión
y la identiicación de los obstáculos que impiden una producción eiciente.
Abstract
he oil palm industry is at an inlection point. he last two decades of spectacular growth through
unrestricted land acquisition can not go on forever. Plantation owners now face not only a lack of
suitable land but also declining value, yield ambiguity, labor shortage, and a lack luster public ima-
ge. he industry needs to ind a new footing. Devise better processes. Do more with less. It needs
to develop a new future for oil palm as a credible contributor to local and global food, energy, and
environmental security. he promise of Plantation Intelligence (PI) is about implementing and accele-
rating this change, through Big Data generation and analysis. Oil palm production is a data-rich but
information-poor activity. he industry collects vast amounts of data but relatively little is analyzed
to improve management. he data itself holds the key to better agronomic practices, better resource
allocation, and better management decisions. Plantation Intelligence is an adaptive learning process
based on the analysis of a large data base of crop performance data to achieve better yield. Some of
these factors cannot be controlled, such as climate and soil, while others can be manipulated, such
as fertilization and harvesting protocols. IPNI’s experience suggests that it is fairly straight forward
for commercial plantations to adopt PI. Among the beneits: an accurate assessment of performance,
return-on-investment, and obstacles to eicient production.
In this paper we introduce the concept of PI, and then demonstrate how it is used to better understand
oil palm response to fertilizer, and the factors interacting with it, in order to identify and implement
strategies for nutrient management that enhances a plantation’s overall performance.
236 Revista Palmas Vol. 37 No. Especial, pp. 235-242, Tomo I, 2016
más importante de aceites vegetales (Fry, 2010). La Inteligencia de la Plantación como
mayoría de los aumentos de la producción de pal-
soporte para el manejo de las
ma de aceite durante los últimos años se ha asociado
con el incremento del área sembrada y hay preocu- plantaciones
pación acerca de cómo aumentar la productividad
para satisfacer las exigencias futuras (Corley, 2009). El Programa del ipni en el Sudeste Asiático (seap)
El único medio posible para cumplir con las metas ha desarrollado un enfoque de gestión basado en las
de producción sin invadir las tierras de bosque es Mejores Prácticas de Manejo (mpm) a in de reducir
aumentar la productividad de las plantaciones ac- la brecha de productividad entre las distintas plan-
tuales e incorporar tierras degradadas con rendi- taciones de palma adulta (Witt & Donough, 2007) en
mientos aceptables. concordancia con los principios de la Mesa Redonda
de Aceite de Palma Sostenible (rspo). Se han demos-
Sin embargo, hay dudas respecto de si se pueden
trado resultados exitosos en diversas plantaciones de
lograr los mayores rendimientos y si hay capacidad
gran escala. Un estudio hecho en seis plantaciones
para mejorar la productividad de las tierras degra-
de aceite de palma reveló un promedio de aumento
dadas hasta un nivel aceptable. Corley (1998) ha
en un lapso de cuatro años de 4,6 a 25,6 %. La mejor
propuesto una posible productividad teórica de >18 t/
plantación produjo un promedio de más de 30 t de rff
ha de aceite por año. La progenie seleccionada ha pro-
por año por hectárea, y la menos productiva tuvo un
ducido 12,2 t de aceite de palma crudo (apc) por
rendimiento de más de 20 t. El mejor bloque produjo
hectárea por año (Rajanaidu et al., 1990) y las pal-
un promedio anual de 36,2 t de rff durante un pe-
mas individuales han producido el equivalente de
ríodo de cuatro años. La mayor producción anual de
13,6 t de apc por hectárea por año (Sharma & Tan,
uno de los bloques comerciales fue de 38,2 t de rff
1999). Donough (2010) ha reportado rendimientos
en Kalimantan, lo cual equivale a una producción
de aceite cercanos a 20 t de apc por hectárea por año
de apc de más de 7,6 t (a una tasa supuesta de ex-
a partir de mediciones efectuadas en una plantación
tracción de 20 %). Durante cuatro años, dos planta-
comercial totalmente maduro. Se calcula que la pro-
ciones superaron anualmente las 6 t de apc, y una
ductividad máxima de aceite que se puede obtener a
plantación alcanzó 5,7 t.
escala comercial es de 10 a 11 t de apc por hectárea
por año (Breure, 2003). Una plantación de la Malay- Si bien ha sido muy exitoso, el desarrollo del mé-
sian ioi Corporation Berhad produjo un promedio todo de las mpm también reveló la complejidad de su
de 38 t de RFF/ha/año, con un rendimiento esti- implementación. Según Kaydos (1999), la deinición
mado de aceite de más de ocho t por hectárea por de sostenibilidad es la capacidad de cambiar los pro-
año (Donough et al., 2006). Las plantaciones más cesos en respuesta a los factores impulsores del cam-
eicientes de Indonesia producen más de seis t de bio. Esos factores son muy impredecibles debido a
apc por hectárea por año (Donough, 2010). A estos la complejidad de las fuerzas económicas, sociales y
niveles de productividad será posible satisfacer la políticas que los generan. A in de lograr incremen-
demanda futura de aceite de palma a partir del área tos sostenibles de producción es necesario armoni-
actual en producción y de posibles desarrollos nue- zar múltiples mpm con condiciones ambientales muy
vos en tierras degradadas marginales. Infortunada- heterogéneas. Además, las empresas que se encuen-
mente, a nivel de Indonesia los promedios quinque- tran en situaciones ambientales semejantes pueden
nales de 3,30; 3,92; 3,41; 3,47; 3,56 y 3,64 t de apc manejar sus plantaciones con ilosofías comerciales
por hectárea indican muy poco o ningún aumento diferentes, lo cual crea aún mayor complejidad. Sin
de la productividad, y la existencia de una brecha embargo, es vital adaptarse para aumentar la produc-
entre el promedio de las plantaciones (faostat, tividad. Proponemos que se requieren procesos com-
2011). Por tanto, la posibilidad de cerrar la brecha plementarios para desplegar unas mpm sostenibles
de productividad dependerá en gran medida de las y exitosas. Las empresas que se adaptan cambiando
innovaciones introducidas como consecuencia del fundamentalmente los procesos son más exitosas a
mejoramiento continuo de las prácticas de manejo. largo plazo que las que se adaptan cambiando sola-
238 Revista Palmas Vol. 37 No. Especial, pp. 235-242, Tomo I, 2016
c) La mayor tensión por cumplir con las presiones das que se pueden llevar posteriormente a la práctica
ambientales y sociales cuando los actores exter- mediante las mpm existentes. Las mpm se pueden im-
nos pueden restringir el espacio operativo dis- plementar directamente o someterse a prueba en un
ponible en el que los productores puedan tomar experimento a escala de inca a in de lograr una conir-
decisiones estratégicas. mación adicional de su efectividad (Figura 1).
d) Consolidación del área de producción, lo cual se La producción de palma de aceite es una actividad
traduce en presiones para los operadores para ex- rica en datos pero pobre en información. La industria
traer más de la tierra y de los recursos laborales recopila grandes cantidades de datos pero son muy po-
existentes a in de satisfacer a los inversionistas y a cos los que se analizan para mejorar la gestión. Esta fal-
otras partes interesadas. ta de análisis se traduce en oportunidades perdidas. La
“variación no gestionada” en las plantaciones de palma
de aceite representa un medio para reclamar esas opor-
Mecánica y proceso de la tunidades perdidas a in de innovar a través de la ip,
Inteligencia de Plantaciones puesto que son los datos los que encierran la clave para
mejorar las prácticas agronómicas, asignar mejor los
La ip es un proceso adaptativo de aprendizaje basado en recursos y tomar mejores decisiones de gestión. La ip
el análisis de una gran base de datos de desempeño del puede mejorar las habilidades de los gerentes al aclarar
cultivo encaminado a lograr mayor productividad. Los los efectos de los diversos insumos y vencer los sesgos
gerentes participantes aprenderán a manejar diversos naturales de criterio. Las intervenciones recomenda-
factores que afectan la productividad. La ip ilustra la va- das más prometedoras se pueden implementar fácil
riación del desempeño del cultivo y de los factores que e inmediatamente porque (a diferencia de los experi-
afectan el desempeño. Algunos de esos factores como mentos tradicionales de laboratorio) un experimen-
el clima y el suelo no se pueden controlar, mientras que to a escala de inca se puede hacer como parte de la
otros se pueden manipular, como los protocolos de fer- operación de rutina de una plantación comercial, con
tilización y de cosecha. Los análisis de la base de datos mínima perturbación de las actividades diarias. Con el
producen un portafolio de intervenciones recomenda- tiempo, a medida que se agregan datos nuevos, el ge-
Figura 1. La Inteligencia de
Opcional: Plantaciones es una herramienta
Cambie
Organice los datos analítica que examina los datos
decisiones inciertas
con el
de rendimiento existentes y los procesos de
existentes para su
ESTADO DE
VISUALIZACIÓN
producción como base para
EXPERIMENTOS A
ESCALA
desarrollar y/o desplegar ideas
nuevas e innovaciones para
toda una plantación en un lugar
específico.
Cuantifique
Genere indicadores
los cambios de
de rendimiento y
rendimiento para
métricas para el
DECISIONES
ANÁLISIS
gerenciales
Cree opciones
de intervención
específica para la
EVALUACIÓN del
rendimiento
240 Revista Palmas Vol. 37 No. Especial, pp. 235-242, Tomo I, 2016
Se necesitan 30 meses desde el momento en que se grandes áreas comerciales y apoya las inferencias sobre
determina el sexo de la lorescencia de una palma de el desempeño futuro. El análisis arroja luces sobre las
aceite y el momento en que se cosecha un racimo ma- respuestas al fertilizante, las cuales aplican directamente
duro (Breure, 2003). Por tanto, para el cálculo de la a las áreas y a la escala en la cual se toman las decisiones
respuesta en productividad a los fertilizantes se debe sobre los fertilizantes. Se puede extrapolar fácilmente a
relacionar la productividad en rff con el fertilizante áreas más grandes. El análisis toma en consideración las
aplicado durante el período de desarrollo del racimo. fuentes individuales de variación a cada paso, algo que
Tomamos en cuenta el período de seis meses entre los gerentes comprenden fácilmente.
la polinización y la cosecha: la productividad en rff
La principal debilidad del método es su especiici-
no responde al fertilizante aplicado en los seis meses
dad. No se pueden generalizar los resultados con cer-
previos a la cosecha, es decir, desde la polinización
teza más allá de las áreas analizadas. La conianza en los
hasta la madurez. Sin embargo, los rendimientos de
resultados se basa en la variación del producto en rela-
rff sí responden al fertilizante aplicado durante los
ción con la variación de los insumos. En las operaciones
dos años transcurridos entre la diferenciación sexual
comerciales, los insumos variables no tienen por objeto
y la polinización. Por tanto, la productividad en rff
aportar máxima claridad sino generar utilidades. Este
durante cualquier año calendario se relaciona con la
procedimiento les brinda a los operadores cálculos di-
suma de 50 % de los nutrientes aplicados en ese año,
rectos de la respuesta a los fertilizantes en áreas grandes,
la cual toma en consideración los seis meses previos a
sin costos adicionales aparte del análisis. Con base en
la cosecha, 100 % en el año anterior y 50 % en el año
los resultados, los gerentes pueden optar por aplicar más
anterior a ese. De esta forma, sumamos el fertilizante
fertilizante a los bloques de mejor desempeño. También
aplicado durante los dos años anteriores a la polini-
pueden explorar si están justiicadas las inversiones
zación, la cual ocurre seis meses antes de la cosecha.
como las hechas en drenaje para lograr una producti-
vidad mayor y más estable. En caso de que la gerencia
Resumen de los resultados decida que no es rentable mejorar los bloques de mal
presentados en la Conferencia desempeño, otra alternativa podría ser aplicar menos
fertilizante. Los gerentes tendrán que reexaminar la pro-
Brindamos un procedimiento para analizar los da- gramación de la mano de obra para tomar en considera-
tos comerciales de las plantaciones de palma de aceite ción las respuestas esperadas al uso del fertilizante. Qui-
para identiicar la relación entre el uso de fertilizante zá deban concentrar más mano de obra costosa y difícil
y la productividad en rff. Hasta donde sabemos, es de conseguir en los bloques más productivos.
la primera vez que se han utilizado datos de la planta-
ción para identiicar la respuesta al fertilizante a escala Agradecimientos
comercial. Hay datos disponibles para todas las planta-
ciones comerciales. Consideramos que este análisis po- Los resultados reportados son producto de un pro-
dría convertirse en elemento central de las plantaciones yecto de colaboración que se encuentra en marcha
de palma de aceite que monitorizan constantemente el entre el Programa de ipni en el Sudeste Asiático, Wil-
desempeño. El análisis complementa los experimentos mar International Limited e ijm Plantations Berhad,
convencionales de lotes. Explica las observaciones en con fondos de ipni y Canpotex Limited.
Referencias
Breure, C J. (2003). The search for yield in oil palm: Basic principles. In: Oil palm – management for
large and sustainable yields (Fairhurst&Härdter, eds). IPNI.
Brown, B., Court, D., McGuire, T. (2014). Views from the front lines of the data-analytics revolution.
McKinsey Insight Publication, March 2014. Available at: http://www.mckinsey.com/insights/
business_technology/views_from_the_front_lines_of_the_data_analytics_revolution
242 Revista Palmas Vol. 37 No. Especial, pp. 235-242, Tomo I, 2016