Traducido del inglés al español - www.onlinedoctranslator.

com

Computadoras y Electrónica en la Agricultura xxx (xxxx) xxx–xxx

Listas de contenidos disponibles enCiencia Directa

Computadoras y Electrónica en la Agricultura

revista Página de inicio:www.elsevier.com/locate/compag

papeles originales

Planificación de la producción de las cadenas de suministro en la industria porcina.

Esteve Nadal-Roiga,⁎, Lluís M. Plà-Aragonèsa,b, Antonio Alonso-AyusoC

aDepartamento de Matemática, Universitat de Lleida, c/Jaume II, 73, 25003 Lleida, España
bCentro de Investigación Agrotecnio, Universitat de Lleida, Av. Rovira Roure, 191, 25198 Lleida, España
CETS Ingeniería Informática, Universidad Rey Juan Carlos, C/Tulipán s/n, 28933 Móstoles, Madrid, España

INFORMACIÓN DEL ARTÍCULO ABSTRACTO

Palabras clave: Este artículo presenta un modelo de planificación de la producción para gestionar el sistema de producción de hatos porcinos que opera
Planeación de producción como una Cadena de Suministro Porcino (PSC). El modelo está formulado como una programación lineal entera mixta (MILP)
SCM porcino
multiperíodo. El sistema de producción puede representar un gran agricultor, una empresa privada o una cooperativa que gestiona
MILP varias explotaciones que funcionan según el llamado sistema de tres sitios (granjas de cerdas, de cría y de engorde; estas últimas bajo
Producción porcina
gestión integral). El modelo está pensado para un uso práctico y se ilustra con un estudio de caso basado en un caso real en Cataluña
(España). El modelo ayuda a los gerentes de PSC a la hora de tomar decisiones al brindar una visión general para planificar la producción
a lo largo del tiempo. El objetivo es maximizar los ingresos totales calculados por el importe total de las ventas al matadero menos los
costes de producción. Estos últimos dependen del sistema de alimentación, la atención médica y veterinaria, la mano de obra y el
transporte. Los resultados prácticos incluyen un calendario de traslados de animales entre granjas, gestión de lotes y entregas al
matadero desde las granjas de engorde, número de viajes y tasa de ocupación de todas las instalaciones. Los cuellos de botella en el
proceso de producción en cuanto al flujo de animales, el rendimiento y las capacidades a lo largo del PSC se detectaron de antemano, lo
que permitió a la empresa reaccionar en consecuencia. Luego, como se descubrió que tres granjas de engorde eran redundantes, la tasa
de ocupación de las granjas podría mejorarse en un 22% comprando lechones adicionales. Estimamos un precio de compra máximo de
70,15 euros por lechón beneficioso para la empresa.

1. Introducción
Durante las últimas décadas, la industria porcina ha evolucionado mucho en los
países occidentales, especialmente en Europa (Rodríguez et al., 2014). La preocupación
por el medio ambiente, la calidad de los alimentos y el bienestar animal son los nuevos
retos de este sector. Como resultado, el perfil de la granja típica está cambiando de una
empresa familiar, de pequeña escala e independiente a una en la que las empresas más
grandes están más estrechamente alineadas con los procesos de producción y
distribución porcina. Las empresas modernas integran sus operaciones en una
estructura de cadena de suministro porcino (CSP) mediante el uso de vínculos de
coordinación vertical más estrechos (Vorst y otros, 2007; Rodríguez-Sánchez et al., 2012).
Además, la estructura de PSC, en conjunto con el sistema de producción de tres sitios (es
decir, sistemas que involucran tres fases representadas por granjas de cerdas, cría y
engorde), tiene ventajas competitivas y de control sanitario debido a la especialización y
coordinación de los agentes dentro de la cadena. Esta organización ayuda a diversificar el
número de granjas especializadas, facilita la integración en empresas más grandes,
reduce el riesgo de enfermedades y la incertidumbre y crea valor (Taylor, 2006; Pérez et
al., 2009). Sin embargo, estas estructuras del PSC generan nuevos problemas. Por lo
tanto, las nuevas decisiones deben ser tomadas en cuenta por los administradores a
nivel del PSC en lugar de a nivel de finca para coordinar y
mejorar el rendimiento global del PSC (Taylor, 2006; Pérez et al., 2010). En este contexto,
decisiones como la planificación del flujo de animales a través de las instalaciones de
alojamiento a lo largo del tiempo, la programación de los traslados de una granja a otra,
cuándo y cómo vender los animales al matadero, la gestión óptima de los lotes de cerdos
de engorde y el tipo de granjas y su ubicación ahora merecen la pena. atención de las
empresas de la cadena de suministro porcino. Las empresas de PSC deben asignar
recursos y tiempo para resolver estas cuestiones adecuadamente. Debido a la relativa
novedad de esas estructuras, la mayoría de las empresas realizan estas tareas basándose
en la experiencia de los gerentes o celebrando reuniones periódicas donde las decisiones
se toman por consenso. El enfoque para programar las transferencias es
mayoritariamente manual o con un soporte rudimentario de hojas de cálculo, no capaces
de representar toda la dinámica del PSC, y menos aún la posibilidad de mejorar o
pronosticar la eficiencia general de los sistemas. Esta situación representa un desafío
para nuevas aplicaciones de propuestas de investigación operativa para resolver
problemas reales en la industria porcina (Plà et al., 2014) y al que se dirige este trabajo.
La literatura sobre modelos de toma de decisiones en la industria porcina
revela que la mayoría de los estudios solo han considerado problemas específicos
en operaciones agrícolas individuales (Pla, 2007) o relacionados con un solo
agente del PSC (Rodríguez et al., 2014). Por ejemplo, (Pla, 2007) revisó los modelos
de gestión de rebaños de cerdas y observó que

⁎Autor correspondiente.
Correos electrónicos:enr1@alumnes.udl.cat (E. Nadal-Roig),lmpla@matematica.udl.cat (LM Plà-Aragonès),antonio.alonso@urj.es (A. Alonso-Ayuso).

https://doi.org/10.1016/j.compag.2018.08.042
Recibido el 27 de diciembre de 2017; Recibido en forma revisada el 20 de julio de 2018; Aceptado el 30 de agosto de
2018 0168-1699/ © 2018 Elsevier BV Todos los derechos reservados.

Cite este artículo como: Nadal-Roig, E., Computers and Electronics in Agriculture, https://doi.org/10.1016/j.compag.2018.08.042
E. Nadal-Roig et al.
El problema de reemplazo de cerdas es el problema más común que se abordó. Se
han publicado artículos relevantes sobre la optimización del reemplazo de cerdas
utilizando una variedad de técnicas de modelado, como programación lineal,
programación dinámica y modelos jerárquicos de Markov (Plà et al., 2009; Huirne
et al., 1993; Jalvingh y otros, 1992; Kristensen, 1988; Rodríguez et al., 2011). Los
modelos propuestos anteriormente consideran un horizonte temporal infinito y
parámetros homogéneos en el tiempo. Los gerentes suelen tomar decisiones a
corto y mediano plazo y requieren flexibilidad para hacer frente a los cambios a lo
largo del tiempo, representados mejor en un marco de horizonte temporal finito.
Los estudios sobre otras instalaciones individuales como granjas de engorde,
son escasos pero están presentes en la literatura (Ohlmann y Jones, 2011; Morel y
otros, 2012). Algo similar ocurre con los papeles que consideran fincas
pertenecientes a dos o tres fases. Por ejemplo, (Van Der Gaag y otros, 2004)
presentó uno de los primeros modelos de PSC, pero sólo con fines epidémicos: el
análisis de la propagación de Salmonella a lo largo de la cadena, mientras que (
Khamjan y otros, 2013) presentó un modelo de PSC para Tailandia pero
enfatizando la recolección y transporte de cerdos engordados al matadero y
respondiendo a las necesidades particulares de ese sector nacional. el papel de
Rodríguez et al. (2009)se centró en una sola granja de cerdas, pero consideró
algunas limitaciones destinadas a coordinar la granja de cerdas en una cadena de
suministro de cerdos. Poco a poco van apareciendo propuestas con la integración
de modelos que adoptan la visión global del proceso productivo. En este contexto,
(Plà y Romero, 2008) propusieron un primer modelo de programación lineal
entera mixta para controlar el flujo de animales en una estructura de sistema de
tres sitios, pero sin tener en cuenta las restricciones de transporte. El modelo
propuesto por estos autores fue posteriormente reformulado porNadal-Roig y Plà
(2014)tener en cuenta el transporte y el flujo de los animales a través de las
diferentes instalaciones. Sin embargo, el nuevo modelo descuidó algunos
aspectos operativos importantes para la toma de decisiones prácticas: una
ventana de tiempo de comercialización para entregar los cerdos engordados al
matadero (según las fluctuaciones en el precio de venta); el valor comercial de las
canales mediante un sistema de recompensa basado en la magro, el espesor de la
grasa dorsal y el peso; gestión de lotes en lugar de producción continua; y
finalmente, ubicación y ocupación de las instalaciones.
Así, el objetivo de este trabajo es ampliar el alcance del modelo preliminar en
Nadal-Roig y Plà (2014)haciéndolo útil en la práctica. El nuevo modelo realista
propuesto se probó con una empresa de producción porcina española que forma
parte del banco de datos oficial de cerdos español BD-Porc y está ubicada en
Cataluña (noreste de España). Por lo tanto, los principales objetivos de este
artículo son (1) considerar un modelo PSC con nuevas capacidades de planificación
de la producción basadas en la ventana de tiempo de comercialización, precios de
venta, instalaciones y gestión de lotes (2) para resaltar la complejidad del modelo
matemático resultante y proponer caminos para lograr tiempos de resolución
computacional razonables.
El resto del documento está organizado de la siguiente manera: en la Sección2Se
presenta una descripción detallada del proceso de producción porcina considerado en
este trabajo. Sección3presenta la formulación del modelo PSC, mientras que el análisis
del desempeño y los resultados del modelo se presentan en la Sección4. Finalmente, las
principales conclusiones y el trabajo futuro se describen en la Sección5.
2. El sistema de producción porcina como PSC
La producción porcina como PSC se estructura en tres fases (maternidad, cría
y engorde), englobando diferentes agentes o granjas, principalmente granjas de
cerdas, cría y engorde (Figura 1). Esta situación corresponde principalmente a
empresas privadas verticalmente integradas propietarias de la totalidad o la
mayoría de las fincas o a cooperativas de productores asociados, propietarios de
una o varias fincas. En todos los casos, se supone que el PSC opera según reglas
generales dadas por un único administrador de la cadena de suministro de cerdos
y seguidas por todos los ganaderos. Por ejemplo, las decisiones tomadas a nivel
del PSC pueden incluir el régimen de alimentación, suministro de medicamentos,
asistencia de veterinarios o zootecnistas, control de entrada y salida de animales
de las instalaciones, entregas y transporte al matadero, etc. En cada fase ,
2
Computadoras y Electrónica en la Agricultura xxx (xxxx) xxx–xxx
Se consideran un conjunto de fincas especializadas con características,
instalaciones y ubicación propias. La primera fase se centra en la producción de
lechones en granjas de cerdas, la segunda fase se centra en la crianza de lechones
en granjas de recría, mientras que la tercera y última fase se centra en granjas de
engorde, preparando a los cerdos para su entrega al matadero. Los cerdos
permanecen un número determinado de semanas en todas estas granjas (fases)
con el fin de asegurar un correcto crecimiento, alcanzando un peso mínimo al final
de cada fase, en condiciones de sanidad y bienestar. El transporte entre las
granjas para las diferentes fases es necesario y complica la planificación y
coordinación de la producción. Hay tres tipos de origen para la recogida de los
animales (cerdas, granjas de cría y engorde) y tres tipos de destinos naturales para
la entrega de los animales (por ejemplo, de las cerdas a las granjas de cría, de las
granjas de cría a las de engorde y de las granjas de engorde al matadero). Los
traslados entre fincas se realizan por camión, muchas veces contratado a un
tercero por la empresa PSC. La capacidad de los camiones depende del peso de
los animales y está sujeta a las normas de bienestar animal de la UE.
Los lechones de cuatro semanas, destetados y con más de siete kilos de peso vivo, se
envían desde las granjas de cerdas a las de cría durante un número concreto de
semanas, que oscila entre cuatro y ocho. Los cerdos criados que pesan entre 20 y 30 kg
de peso vivo se trasladan a granjas de engorde. La última fase finaliza con el envío de los
cerdos al matadero una vez que han alcanzado un peso comercializable (alrededor de
100 kg), lo que se espera que suceda entre 15 y 18 semanas después de iniciar la fase de
engorde. Las granjas tradicionales de cerdas y engorde operaban con un flujo continuo
de animales ocupando las instalaciones todo el tiempo. Sin embargo, la industria porcina
hoy en día opera bajo gestión por lotes. La gestión de lotes en granjas de cerdas consiste
en asegurar un número de partos semanales por cerda mediante la agrupación de las
cerdas en lotes. Cerdas de un mismo lote se sincronizan en la misma etapa reproductiva.
La gestión de lotes en las granjas de engorde, también conocida como sistema todo
dentro, todo fuera (AIAO), funciona de manera diferente que en las granjas de cerdas.
Bajo la gestión de AIAO, una unidad de engorde se llena y se vacía mediante lotes de
cerdos. Entre lotes, la instalación está vacía y disponible para limpieza y desinfección. La
gestión de lotes es una de las mejores prácticas para prevenir la propagación de
enfermedades (Ohlmann y Jones, 2011). El PSC se caracteriza por que el producto empuja
a lo largo de la cadena en lugar de ser arrastrado por la demanda, por lo que el
matadero aparece como un cuello de botella cuando el mercado no puede absorber toda
la producción. Por esta razón, muchas empresas porcinas tienden a poseer mataderos o
establecer acuerdos formales para mitigar la falta de demanda (es decir, el exceso de
producción). El precio de venta de los cerdos engordados suele basarse en un precio de
referencia acordado semanalmente por los compradores/vendedores (productores/
mataderos) en los mercados de subastas, como Mercolleida en España. Los mataderos
de la UE también aplican descuentos o primas adicionales por magro o espesor de grasa
dorsal y peso de la canal que representan las preferencias del mercado. La clasificación
de las canales es obligatoria en los mataderos de la UE según el Reglamento (CEE) nº
1208. Es el llamado sistema de clasificación SEUROP que se utiliza para fijar el sistema de
recompensas de cada matadero.
3. Formulación matemática de un PSC general
En esta sección presentamos el modelo de programación lineal entera mixta que
representa un PSC integrado verticalmente para determinar la planificación óptima de las
transferencias de cerdos a través del PSC durante un período de tiempo finito.
Índices y conjuntos
∈ t, horizonte temporal (en semanas), =1,…,t. fincas
h∈h, pertenecientes al PSC,h=1,…,h. División inconexa =
dehB∪hR∪hF:
granjas en tres fases (sitios), el conjunto de granjas de Bser
cerdas, Rel conjunto de explotaciones de cría y el Fel
conjunto de explotaciones de engorde.
mi∈mi, Periodo de crecimiento en semanas,mi=1,…,mi. Colocar representa el
Ciclo productivo en semanas de un cerdo comercial desde el
parto hasta el sacrificio. =miB∪miR∪miF:Partición inconexa del
ciclo productivo en cada fase, es decir, semanas dedicadas por
E. Nadal-Roig et al. Computadoras y Electrónica en la Agricultura xxx (xxxx) xxx–xxx

Figura 1.Estructura del proceso de producción porcina.

cerdos en diferentes instalaciones, siendoB= {1,…,miB}el conjunto de yt,h,mi, variable entera utilizada para el inventario de cerdos de edadmi∈
semanas correspondientes al período de lactancia (desde el mihal (final de) semana∈ten la granjah∈h.
B
nacimiento hasta el destete de los lechones),R= {miB+1,…,miR}conjunto t,h,h′, Variable entera utilizada para el inventario de lechones por semana.
de semanas correspondientes al periodo de crianza (desde el destete ∈ttransferido de la granjah∈hBcosecharh′ ∈hR. Variable entera
R
hasta el inicio del engorde) yF= {miR+1,…,miF}Conjunto de semanas t,h,h′, utilizada para el inventario de cerdos criados por semana.
correspondientes al periodo de engorde. ∈ttransferido de la granjah∈hRcosecharh′ ∈hF. Variable
F
F,Semanas de ventana de tiempo de marketing,mi=W.,…,miF,al final de
mi∈miW. t,h,mi, entera utilizada para el inventario de cerdos por edad.
el período de engorde donde los cerdos pueden ser entregados al F⊆miFtransferido de la granjah∈hFal matadero en
mi∈miW.
matadero (W.F⊆miF). semana∈t.
s∈SS, estado fisiológico de una cerda,s=1,……,S. t,h,
norteA variable entera para controlar el número de viajes por semana∈t
para transportar animales saliendo de la granjah∈hFal matadero.
nortet,h,h′, variable entera para controlar el número de viajes por semana∈t
para transportar lechones de una fase a otra siendoh∈hBy h′ ∈hR,
oh∈hRyh′ ∈hF.
Parámetros λt1,h, variable binaria utilizada para el control de lotes, siendoλ1 t,h=1cuando

granjah∈hFtiene cerdos mayores de edadmi=mir+1,yλ1 t,h=0otro-

ENh,mi, inventario inicial de cerdos de edadmi∈mien la granjah∈h. inteligente.

kh, capacidad de vivienda de la fincah∈h. λt2,h, variable binaria utilizada para el control de lotes, siendoλ2 t,h=1cuando
LSh,t, Tamaño de camada al parto en granja de cerdas.h∈hBpor semana∈t. granjah∈hFtiene cerdos mayores de edadmi∈miF⧹{miR+1},yλ2 t,h=0
CPt,mi, costo unitario por semana∈ty edadmi∈mipor lechón incluyendo de lo contrario.
alimentación, medicamentos, atención médica, amortización de cerdas
y costes asociados e indirectos. 3.1. Función objetiva
Connecticut, Costo unitario de transporte por kilómetro y por
Dh,h′, camión. distancia de la granjah∈hcosecharh′ ∈h. La función objetivo(1)representa el beneficio total descontado en euros
DhA, distancia de la granjah∈hal matadero. durante el horizonte temporal ∈tpara ser maximizado.
knh, Capacidad, expresada en términos de número de animales
transportados, para camiones que salen de la granja.h∈hB∪hRa otra ⎡
kph, finca. Capacidad, expresada en términos de número de animales
máximo ∑ λt⎢∑ SVz
t t,h,S + ∑ ∑PAGt,mi tut,hF,mi
t∈t ⎢⎣h∈hB h∈hF mi
∈miW.
F
transportados, para camiones que salen de la granja.h∈hFal matadero.
valor esperado de un cerdo de edadmi∈mien el período∈t. Este precio ⎛ ⎛
− ⎜∑ ∑Dh,h′nortet,h,h′
PAGt,mi

se estima teniendo en cuenta una distribución de peso y porcentaje de ∑CPt,miyt,h,mi+Connecticut⎜∑

⎝h∈h mi∈mi ⎝h∈hB h′∈hR
magro para cerdos producidos enPlà-aragonés et al. (2013)y
diferentes calidades de canal (contenido magro y peso de canal) para
A⎞⎞⎤
los cerdos enviados al matadero. + ∑ ∑ Dh,h′nortet,h,h′+ ∑ Dh,anortet,h⎟⎟⎥ +λt ∑ ∑PAGt,miyt,h,ee
SVt, valor de rescate de las cerdas sacrificadas por semana∈t, en el último h∈hR h′∈hF h∈hF ⎠⎠⎥ ⎦ h∈h ∈mi

estado reproductivoS∈SS. (1)

pag
s',s,
h probabilidades de transición de cerdas des′asen granja de
Los ingresos se calculan a partir de dos fuentes: cerdas improductivas (en
cerdas h∈hB, cons',s∈SS.
estado fisiológicoS)procedentes de granjas de cerdas y de cerdos procedentes de
SFh,mi, factor de supervivencia para cerdos de edadmi∈mi,estimado como la
granjas de engorde, que son trasladados semanalmente al matadero. Cabe
proporción promedio de cerdos que sobreviven en la granjah∈hde
señalar que las granjas de engorde solo pueden entregar cerdos al matadero
una semana a otra. Nota: este factor depende dehincorporar
durante una ventana de comercialización, una vez que suficientes cerdos en la
diferentes elementos, como el tipo de finca, ubicación, etc. factor de
granja hayan alcanzado el peso comercializable. La ventana de comercialización
λt, descuento a la semana∈tpara tener en cuenta el valor del dinero en el
permite al administrador ser flexible con el momento de entrega de los animales
tiempo.
al matadero. El costo tiene en cuenta dos términos: almacenamiento y transporte.
El coste de la ganadería se calcula teniendo en cuenta el número de cerdos de
cada explotación y su edad. El costo de transporte se calcula por fase con el costo
unitario de transporte,Connecticut, en euros por kilómetro, el número de
desplazamientos necesarios para transportar los animales (entre granjas o hasta
Variables de decisión
el matadero) y la distancia entre origen y destino. Finalmente, para representar la
actividad del sistema más allá del final del horizonte temporal considerado, se
zt,h,s, Variable entera utilizada para el inventario de cerdas en el
valora económicamente el inventario de las granjas al final del horizonte temporal.
estado fisiológico.s∈SSy granjah∈hBen la semana∈t.

3
E. Nadal-Roig et al. Computadoras y Electrónica en la Agricultura xxx (xxxx) xxx–xxx

3.2. Restricciones crecimiento para la fase, se eliminan todos al mismo tiempo. Por esta razón, la restricción
(14)establece que los lechones enviados a granjas de cría no pueden exceder el número
total de lechones destetados (es decir, de edadmiB) y restricción
∑ zt,h,s⩽kh ∀h∈hB,t∈t
(15)establece que el número de cerdos que inician la fase de engorde no puede exceder
s∈SS (2)
el número de cerdos que terminan la fase de cría. Los lechones transferidos entre

zt,h,s =∑pagh s',szt,h,s′ ∀h∈hB,t∈t,s∈SS granjas continúan el proceso de crecimiento en una nueva fase, en una nueva granja
s′∈SS (3) según las limitaciones.(16) y (17).
Restricciones(18)–(20)Calcule el número de viajes necesarios para transportar
yt,h,1=∑LSh,tzt,h,s ∀h∈hB,t∈t los animales, teniendo en cuenta la capacidad de cada camión. Restricciones(18) y
s∈SS (4)
(19)Calcule el número de viajes necesarios para transportar los lechones entre las

∑yt,h,mi⩽kh ∈miR ∀h∈hR,t∈t granjas. Los animales enviados al matadero pesan más que los que se trasladan
(5) entre granjas, por lo que pueden ser necesarias diferentes capacidades de
camiones. El número de viajes desde las granjas de engorde al matadero se
1
yt,h,miR +1⩽k hλ t,h ∀h∈ hF,t∈ t (6) calcula con restricción(20).

∑ yt,h,mi⩽khλt,h 2 ∀h∈hF,t∈t
4. Experimentos computacionales
∈miF:mi>urgencias+1 (7)

λt1,h + λt2,h⩽1 ∀h∈hF,t∈t (8) 4.1. Caso de estudio

y0,h,mi=ENh,mi
yt,h,mi+1=SFh,miyt−1,h,mi
yt,h,mi+1=SFh,miyt−1,h,mi
∀h∈h,mi∈mi
∀h∈hB,t∈t,mi∈miB:mi<miB
∀h∈hR,t∈t,mi∈miR:mi<miR
(9) El modelo(1)–(20)Se aplicó a un caso real, correspondiente a una mediana
empresa típica del sector porcino español. La empresa gestionó en 2015 nueve
(10) granjas de cerdas, 22 de cría y 131 de engorde. En este experimento un factor de
descuento constanteλtSe consideró =1 en todo el horizonte temporal. El listado de
(11)
fincas y sus principales características (inventario inicial, capacidad, etc.) está

∀h∈ hF, t∈t, mi∈miF⧹mi disponible enhttps://cv.udl.cat/x/tv3LMk. En este caso, los cerdos permanecen en
yt,h,mi+ 1 =SFh,mi yt−1,h,mi W.F (12)
las granjas de cerdas durante cuatro semanas, seis semanas en las granjas de
yt,h,mi+1+tut,h,mi
F =SFh,miyt−1,h,mi ∀h∈hF,t∈t,mi∈miF:mi<miW.
F recría y un máximo de 18 semanas en las granjas de engorde para completar el
proceso de engorde. La ventana horaria de comercialización en las granjas de
(13)
engorde oscila entre la semana 15 y la 18 del periodo de engorde. El modelo
∑ tut,hB,h′=yt,h,EB ∀h∈hB,t∈t supone que las granjas de cerdas operan en un estado estacionario en el que la
′∈hR (14) estructura del rebaño está en equilibrio. En consecuencia, la producción de
lechones se deriva del número de partos semanales. La productividad de las
∑ tut,hR,h′=yt,h,urgencias ∀h∈hR,t ∈t cerdas está entre 24 y 28 lechones por cerda al año dependiendo de cada granja.
′∈hF (15)
Las cerdas se sacrifican después de 9 partos y se venden al matadero. Las cerdas

yt,h,EB+1= ∑ tut−1,
B h',h ∀h∈hR,t∈t:t>1
sacrificadas son reemplazadas por cerdas primerizas recién compradas. El coste

h′∈hB (dieciséis)
semanal por cerda se fija en 4,85 euros e incluye alimentación, inseminación,
medicamentos, atención médica, amortización de compras y otros gastos
yt,h,urgencias+1
= ∑ tut−1,
R h',h ∀h∈hF,t∈t:t>1 relacionados. Este costo se incurre por cerdo como costo variable y productivo en
h′∈hR (17) la primera etapa del proceso productivo donde intervienen las granjas de cerdas.

B
El coste semanal de los animales en crecimiento, es decir, los lechones, la cría y los
t,h,h′⩽knhnortet,h,h′ ∀h∈hB,h′ ∈hR,t∈t (18) cerdos de engorde fue de 2.061, 2.926 y 4.820 euros respectivamente. Un solo
R camión trasladó 700 lechones de las granjas de cerdas a las de cría y de éstas a las
t,h,h′⩽knhnortet,h,h′ ∀h∈hR,h′ ∈hF,t∈t (19)
de engorde, pero como máximo sólo 240 de las granjas de engorde al matadero.

∑tuF t,h,mi ht,h

⩽kp sustantivo, masculino—A ∀h∈hF,t∈t
El coste unitario de transporte se fijó en 1 euro/km para todo el proceso

∈miF (20) productivo. Se consideró un horizonte temporal de 52 semanas (un año). Los
precios están tomados de los datos históricos del año 2015 publicados por
La capacidad de las granjas de cerdas se toma como el número de cerdas en Mercolleida, la principal lonja de porcino española ubicada en Lleida (Figura 2). En
lugar de lechones en restricción.(2), ya que los lechones son alimentados por la los ensayos preliminares, no se consideraron penalizaciones por sacrificio ni
cerda hasta el destete. Esta capacidad es conocida de antemano y constante para bonificaciones por contenido magro y peso de la canal.
todo el horizonte temporal. Restricción(3)representar la dinámica del rebaño de
cerdas modelada como un proceso de decisión de Markov como se describe enPlà
et al. (2009). Restricción(4)modela la relación entre el número de lechones nacidos
vivos, el número de cerdas y el tamaño medio de camada. Restricciones(5) impone
una capacidad limitadakhpara las granjas de cría, mientras que las limitaciones
(6)–(8)limitar el aforo en las granjas de engorde, teniendo en cuenta la
gestión del AIAO. Restricciones(9)arregla el inventario inicial ENh,mial
inicio del horizonte de planificación.
Los cerdos que se alimentan en granjas pasan de una etapa a la siguiente semana
tras semana. Suponemos que todos los cerdos se alimentan según el mismo régimen y
crecen en consecuencia según su edad. Por lo tanto, el inventario refleja esta situación
cambiante a lo largo del horizonte temporal considerado y debe actualizarse
semanalmente. Restricciones de inventario(10)–(13)se establecen para cada granja y fase
de la cadena de suministro. El número de semanas de cada fase (cerda, recría y engorde)
viene definido porB,miRyFrespectivamente. El número de lechones que se trasladarán a
las granjas de cría o de engorde deberá introducirse esa misma semana. Posteriormente,
Figura 2.Precio en euros por kilo de peso vivo pagado por el matadero.
tras completar el esperado

4
E. Nadal-Roig et al. Computadoras y Electrónica en la Agricultura xxx (xxxx) xxx–xxx

tabla 1 Tabla 2
Tamaño del modelo MILP(1)–(20). Muestra de 10 granjas de engorde con (1) el tamaño de lote según la estrategia de
la empresa; (2) la cantidad de lotes creados a lo largo del horizonte temporal; (3) el
variables #
tamaño promedio del lote; (4) comparación entre el tamaño de lote inicial y los
Binario 13.624
Continuo 581,182 sugeridos por el modelo; y (5) comparación entre el tamaño promedio de lote
Restricciones 444,222 creado y la capacidad de la granja.
Coeficientes distintos de cero 1.452.267
Engordante Granja Inicial # lotes Promedio % %
Granja Capacidad Lote creado Tamaño del lote Dif. 2 Dif. 1
(1) tamaño (2) (3) &3 &3
El modelo se implementó con el lenguaje de modelado IBM ILOG OPL y
se resolvió utilizando CPLEX v12.7 en una CPU Pentium 4 a 2,1 GHz y 16 Gb 15 1.200 228 1 1.200 526 100
14 200 82 3 200 244 100
de RAM. Se utilizó Microsoft Excel para el almacenamiento de datos tanto
197 360 310 2 360 116 100
para los parámetros de entrada como de salida debido a su facilidad de uso 313 200 116 1 200 170 100
y flexibilidad al administrar los datos y la fácil vinculación a CPLEX que ofrece 114 1.208 582 3 1.079 185 89
IBM ILOG. 168 2.834 865 3 1.606 186 57
296 1.040 595 3 1.017 171 98
216 312 271 1 312 115 100
4.2. Resultados y discusión 188 2,996 1,196 2 1.171 98 39
140 1.280 1.063 3 1.224 115 96
El tamaño del modelo propuesto.(1)–(20)se muestra entabla 1. Se ignoró
la naturaleza entera de las variables de inventario debido a la poca
fueron consideradas fincas no estratégicas. Esas granjas se utilizaron cuando
información que aportaban y los beneficios en cuanto a tiempos
otras granjas no eran lo suficientemente grandes para albergar el número de
computacionales para resolver el modelo. El modelo se resolvió en 2,3 h con
cerdos disponibles. Otras granjas no fueron reutilizadas durante el horizonte
un GAP de 0,5 (que representa GAP para la diferencia entre el mejor objetivo
temporal indicado después de limpiar el stock inicial. El modelo mostró que el 27%
entero y la mejor solución encontrada).
y el 33% de las explotaciones de cría y engorde respectivamente se encontraban
El modelo representó una producción de 6.585 lechones por semana. El coste
en esta situación. Por ejemplo, la granja #11 fue considerada estratégica por la
de producción reportado en las granjas de cerdas (incluido el coste de cerdas y
empresa por su ubicación, ocupación (97%) y los lotes creados que son 800 cerdos
lechones) fue de 17,35 euros por lechón y el coste medio total por cerdo enviado
(la capacidad total de la granja). Tres explotaciones en total (una de cría y dos de
al matadero fue de 75,19 euros. El beneficio fue de 52,8 euros por cerdo vendido
engorde) no se volvieron a utilizar después de liberar su inventario inicial y, por lo
al matadero. Las decisiones relativas al transporte de cerdos solían ser tomadas
tanto, podrían considerarse inactivas.
por la empresa con el objetivo de transferir los cerdos a cualquier granja
También se observó la tasa de ocupación de las granjas de engorde y
disponible sin tener en cuenta los costes de transporte ni ninguna coordinación
dependió de los lotes creados según la política de gestión de lotes. El
del transporte. Esas decisiones solían tomarse en reuniones periódicas basadas en
comportamiento del modelo tendió a ajustar el tamaño de los lotes a la capacidad
inventarios reales con el objetivo de asignar todos los cerdos a todas las granjas
de las granjas, reduciendo así los costos de transporte. En la fase de engorde, el
disponibles. Generalmente no se había considerado la ubicación de las fincas u
número de lotes creados por el modelo representó el 90% de la capacidad de la
otra estrategia para llenar las fincas para hacer más eficiente el proceso
granja. El 9% de las granjas de engorde reportaron una utilización inferior al 90%.
productivo. En contraste con esta práctica, el modelo ha demostrado que la
Por lo tanto, esas explotaciones se consideraron no estratégicas.Tabla 2 Se
capacidad global de las granjas nunca fue desbordada y la ocupación promedio
muestra una muestra de 10 granjas de engorde comparando el inventario inicial
respectiva fue del 74% y 73% para las granjas de cría y engorde respectivamente
correspondiente a los lotes existentes al inicio del horizonte temporal con los lotes
(75% y 74% para las granjas de cría y engorde respectivamente cuando Se
propuestos por el modelo y su tamaño promedio durante el horizonte temporal
consideró manejo continuo, es decir sin manejo por lotes en granjas de engorde).
finito considerado. Las divergencias entre los lotes creados por el modelo y el lote
Fig. 3muestra la ocupación global por semana de las granjas de cría y engorde. En
inicial evidenciaron varias ineficiencias de la empresa a la hora de llenar las
las granjas de recría la ocupación se mantuvo constante tras el traslado del stock
granjas de engorde (por ejemplo, los lotes creados en las granjas 14, 15 y 296,
inicial de lechones a las granjas de engorde. Por el contrario, en las granjas de
entre otras, demuestran que se puede aumentar la rentabilidad en la gestión de
engorde el stock varió significativamente, principalmente por el efecto de la
lotes). . Por otro lado, hay otras granjas de engorde que el modelo no utiliza a
ventana de comercialización. Esta es una práctica común en la industria. Por
plena capacidad, como por ejemplo la granja 15, 313 y 216, debido a que su
ejemplo, en la semana 16, el precio por cerdo aumentó significativamente. Las
ubicación estaba más alejada respecto al resto.
granjas de engorde suelen incrementar su stock las semanas previas y enviar el
mayor número de cerdos posible cuando el precio por cerdo es más alto.
Figura 4muestra el mismo conjunto de fincas expresando el inventario a
lo largo del tiempo de forma gráfica. Inventario de lotes al inicio del
Explotaciones de cría y engorde con una ocupación global inferior al 70%

Fig. 3.Ocupación global de granjas (en verde) versus capacidad global en (a) granjas de cría (b) granjas de engorde. (Para la interpretación de las referencias al color en la leyenda de esta
figura, se remite al lector a la versión web de este artículo).

5
E. Nadal-Roig et al. Computadoras y Electrónica en la Agricultura xxx (xxxx) xxx–xxx

Figura 4.Lotes iniciales creados por la empresa (en naranja) y lotes creados por el modelo (en verde) en granjas de engorde incluyendo el número de animales, origen y camiones
necesarios para el transporte en las primeras 24 semanas del horizonte temporal. (Para la interpretación de las referencias al color en la leyenda de esta figura, se remite al lector a la
versión web de este artículo).

horizonte temporal son los de color naranja y los siguientes sugeridos por el Tabla 3
modelo en verde. Se muestra un periodo correspondiente a las primeras 24 Ejemplo de cronograma de transporte desde granjas de cerdas a granjas de cría en la semana 1.

semanas. Como se observa, las fincas 15 y 188 no fueron utilizadas en este Origen Destino # Excursiones # animales
período. Sin embargo, el modelo maximizó la ocupación de las fincas 14,
197, 313, 114, 296 y 140. La importancia de esas fincas se explica por la falta 4 14 1 300
132 132 1 372
de períodos inactivos y el número máximo de lotes creados.
4 140 1 205
Los análisis de estas fincas brindaron información valiosa a la empresa para
14 140 1 546
planificar su estrategia de producción. De esta forma, la empresa puede detectar 17 140 1 74
granjas infrautilizadas y aumentar el número de cerdos, lo que se traduce en una 15 15 2 1.223
mayor producción y una mejor tasa de ocupación. Como consecuencia, el coste 8 137 1 595
18 137 1 575
por cerdo producido se reduce con una asignación eficiente de recursos.
294 5 1 232
Una de las decisiones más prácticas es planificar cómo, cuántos y 9 5 2 740
cuándo se deben transportar los animales. El modelo era capaz de crear un 4 1 1 301
cronograma de transporte semanal. El cronograma debía ser enviado al 132 1 1 203
tercero encargado del transporte, informándole sobre la cantidad de 4 127 1 35
17 128 2 1,179
animales a trasladar, los viajes requeridos, el origen y destino con un costo
de transporte previamente acordado. El cronograma permite informar a los Totales 17 6.580
agricultores sobre la cantidad de animales que se seleccionarán para el
transporte.Tabla 3Se muestra un ejemplo del cronograma con origen
(granjas de cerdas), destino (granjas de cría) y los animales a transportar en 85% en explotaciones de recría y engorde respectivamente. Como el margen de
la primera semana del horizonte temporal. beneficio por cerdo producido fue de 52,8 euros, el precio máximo de compra de
Finalmente, el modelo demostró que la empresa contaba con fincas con una lechones sería de 70,15 euros para operar a pleno rendimiento. El número total de
tasa de ocupación inferior a uno en todas las fases. Por esta razón, el modelo se lechones adicionales a comprar sería de 1.494.
utilizó para explorar los beneficios tentativos para la empresa que opera a plena
capacidad y determinar los requisitos de capacidad en diferentes fases. Para ello, y 5. Conclusiones
para analizar futuros cuellos de botella, se introdujo una granja de cerdas ficticia
capaz de producir suficientes lechones para alcanzar la capacidad general del En este artículo se formula un modelo de planificación de la producción para una
sistema. Una vez resuelto, el modelo reportó una producción mayor a la esperada cadena de suministro porcino basado en un problema lineal entero mixto para el proceso
(8.079 vs 6.585 lechones por semana). En consecuencia, la ocupación global de producción porcina. El modelo fue probado utilizando datos reales de una empresa
también se vio afectada con un incremento hasta el 97% y española.

6
E. Nadal-Roig et al.
En primer lugar, planteamos la importancia de las nuevas capacidades
del modelo, como la ventana de comercialización y el uso de gestión por
lotes (AIAO), como algunas de las prácticas comunes en las granjas de
engorde para la industria. Luego, se demostró que el modelo es capaz de
apoyar y ayudar a los gerentes a tomar decisiones respecto de dónde,
cuándo y cuántos cerdos deben transportarse en un período de una
semana; los lotes a crear, planificar el transporte semanal de animales y
evaluar el grado de ocupación de cada explotación para valorar la capacidad
productiva global.
Describimos el uso del modelo para realizar simulaciones, lo cual es útil para
explorar decisiones como la adición o eliminación de granjas en el sistema de una
cartera de granjas disponibles, la transformación del uso de las granjas (por
ejemplo, de engorde a cría o viceversa), Replanificación de la producción,
coordinación de traslados y ubicación de fincas. Los problemas en el proceso de
producción relacionados con el flujo de animales, el rendimiento y las capacidades
a lo largo del PSC se detectaron de antemano, lo que permitió a la empresa
reaccionar en consecuencia. Luego, se descubrió que la fase de cría era el cuello
de botella en el sistema actual y que la tasa de ocupación de la granja podría
mejorarse en un 22% comprando lechones adicionales. Se consideró beneficioso
para la empresa un precio de compra máximo de 70,15 euros por lechón. Otras
alternativas serían adquirir granjas de cría o transformar granjas de engorde en
granjas de cría.
Por último, la empresa consideró como puntos fuertes otros beneficios
intangibles del modelo, como reuniones más cortas o menos tiempo perdido en la
reprogramación de la producción. El modelo también se puede adaptar a
diferentes sistemas de producción multigranja y multisitio debido a su flexibilidad
a la hora de configurar los parámetros.
Agradecimientos
Los autores agradecen el apoyo de Batallé SA y en particular de
Josep Reixach por facilitar los datos y ayudar en el desarrollo de este
proyecto. Esteve Nadal-Roig y Lluis M. Plà agradecen el apoyo
financiero del Programa Español de Investigación TRA2013-48180-C3-P
y del programa CYTED para el apoyo a la red temática BigDSS-Agro
(P515RT0123). Antonio Alonso-Ayuso desea agradecer el apoyo
financiero del Programa Español de Investigación MTM2015-63710-P.
Referencias
Huirne, RBM, Dijkhuizen, AA, van Beek, P., Hendriks, THB, 1993. Dys estocástico
Programación dinámica para apoyar las decisiones de reemplazo de cerdas. EUR. J. Ópera. Res. 67 (2),
161-171.https://doi.org/10.1016/0377-2217(93)90059-V.
Jalvingh, AW, Dijkhuizen, AA, van Arendonk, JAM, 1992. Probabilístico dinámico
Modelización de la reproducción y gestión de reposición en granjas de cerdas. Aspectos generales y
descripción del modelo. Agrícola. Sistema. 39 (2), 133-152.https://doi.org/10.1016/
Computadoras y Electrónica en la Agricultura xxx (xxxx) xxx–xxx
0308-521X(92)90105-W.
Khamjan, S., Piewthongngam, K., Pathumnakul, S., 2013. El plan de adquisición de cerdos contiene
Considerando el crecimiento de los cerdos y la distribución de tamaños. Computadora. Ing. de Indiana. 64 (4),
886–894.https://doi.org/10.1016/j.cie.2012.12.022.
Kristensen, AR, 1988. Procesos jerárquicos de Markov y sus aplicaciones en reemplazo.
modelos de mentalidad. EUR. J. Ópera. Res. 35 (2), 207–215.https://doi.org/
10.1016/0377-2217(88)90031-8.
Morel, PCH, Sirisatien, D., Wood, GR, 2012. Efecto del tipo de cerdo, costos y precios, y
Restricciones dietéticas en la especificación de nutrientes dietéticos para una máxima rentabilidad en
piaras de cerdos de engorde y engorde: un enfoque teórico. Ciencia ganadera. 148 (3), 255–267.
https://doi.org/10.1016/j.livsci.2012.06.015.
Nadal-Roig, E., Plà, LM, 2014. Herramienta de planificación multiperíodo para la producción porcina multisitio
sistemas. J.Anim. Ciencia. 92 (9), 4154–4160.https://doi.org/10.2527/jas.2014-7784. Ohlmann, J., Jones,
P., 2011. Un modelo de programación entera para una comercialización óptima de la carne de cerdo.
Ana. Ópera. Res. 190 (1), 271–287 URL 10.1007/s10479-008-0466-3 nhttp://
search.ebscohost.com/login.aspx?direct=true&db=bth&AN=65832709&site=ehost-
live.
Pérez, C., Castro, RD, Furnols, MF, 2009. La industria porcina: una perspectiva de la cadena de suministro.
Comida británica J. 111 (3), 257–274.https://doi.org/10.1108/00070700910941462.
Pérez, C., Castro, RD, Simons, D., Giménez, G., 2010. Desarrollo de oferta ajustada
cadenas: un estudio de caso del sector porcino catalán. Gestión de Cadena de Suministro: Int. J. 15 (1),
55–68.https://doi.org/10.1108/13598541011018120.
Plà, LM, 2007. Revisión de modelos matemáticos para la gestión de granjas de cerdas. doi:https://
doi.org/10.1016/j.livsci.2006.09.003.
Plà, D., Romero, LM, 2008. Planificación de la producción ganadera intensiva moderna: El caso de
El sector porcino español. Taller Internacional en OR. La Habana. Cuba. Plà-Aragonés, LM,
Rodríguez-sánchez, SV, Rebillas-loredo, V., 2013. Un número entero mixto
Modelo de programación lineal para la entrega óptima de cerdos engordados al matadero.
J. Aplica. Operar. Res. 5 (4), 164-175.
Plà, LM, Faulin, J., Rodríguez, SV, 2009. Una formulación de programación lineal de un semi-
Modelo de Markov para el diseño de instalaciones porcinas. J. Operar. Res. Soc. 60 (5), 619–625.https://
doi.org/10.1057/palgrave.jors.2602599.
Plà, LM, Sandars, DL, Higgins, AJ, 2014. Una perspectiva sobre los programas de investigación operativa
Aspectos para la agricultura. J. Operar. Res. Soc. 65 (7), 1078–1089.https://doi.org/10.
1057/jors.2013.45.
Rodríguez, SV, Albornoz, VM, Plà, LM, 2009. Una programación estocástica en dos etapas
Modelo para programar reposiciones en granjas de cerdas. En: ARRIBA, vol. 17, págs. 171–189. doi:
https://doi.org/10.1007/s11750-009-0087-2.
Rodríguez, SV, Jensen, TB, Pl??, LM, Kristensen, AR, 2011. Reemplazo óptimo
Políticas y valor económico de las observaciones clínicas en rebaños de cerdas. Ciencia
ganadera. 138 (1-3), 207–219.https://doi.org/10.1016/j.livsci.2010.12.026.
Rodríguez, SV, Plà, LM, Faulin, J., 2014. Nuevas oportunidades en investigación de operaciones para
mejorar la eficiencia de la cadena de suministro de carne de cerdo. Ana. Ópera. Res. 219 (1), 5–23.https://doi.org/
10.1007/s10479-013-1465-6.
Rodríguez-Sánchez, SV, Plà-Aragonés, LM, Albornoz, VM, 2012. Modelado táctico
Decisiones de planificación a través de un modelo de optimización lineal en granjas de cerdas. Ciencia
ganadera. 143 (2-3), 162-171.https://doi.org/10.1016/j.livsci.2011.09.006.
Taylor, DH, 2006. Consideraciones estratégicas en el desarrollo de un suministro agroalimentario ajustado
cadenas: un estudio de caso del sector porcino del Reino Unido. Gestión de Cadena de
Suministro: Int. J. 11 (3), 271–280.https://doi.org/10.1108/13598540610662185.URLhttp://
www. emeraldinsight.com/10.1108/13598540610662185 nhttp://orca.cf.ac.uk/2898/
nhttp://www.emeraldinsight.com/doi/abs/10.1108/13598540610662185. Van
Der Gaag, MA, Vos, F., Saatkamp, HW, Van Boven, M., Van Beek, P., Huirne,
RBM, 2004. Un modelo de simulación de transición de estado para la propagación de Salmonella en la
cadena de suministro de carne de cerdo. EUR. J. Ópera. Res. 156 (3), 782–798.https://doi.org/10.1016/
S0377-2217(03)00141-3.
Vorst, J., da Silva, C., Trienekens, J., 2007. Gestión de la cadena de suministro agroindustrial:
Conceptos y aplicaciones. Organización de las Naciones Unidas para la Alimentación y la
Agricultura, Roma, Gestión, Comercialización y Finanzas Agrícolas, 17.