Evaluación de la eficiencia relativa de los sistemas de

Evaluación de la eficiencia relativa de los sistemas de producción porcícolas del departamento de

Cundinamarca, utilizando análisis envolvente de datos (DEA)

Andres Camilo Correa Nuñez

Universidad Nacional de Colombia

Facultad de Ciencias Económicas

Bogotá, Colombia

2019

Evaluación de la eficiencia relativa de los sistemas de producción porcícolas del departamento de

Cundinamarca, utilizando análisis envolvente de datos (DEA)

Andres Camilo Correa Nuñez

Tesis de investigación presentada como requisito parcial para optar al título de:

Magíster en Administración

Directora:

Ph.D, Ingeniera Industrial. Gloria Isabel Rodríguez Lozano

Línea de Investigación:

Gestión de Operaciones

Universidad Nacional de Colombia

Facultad de Ciencias Económicas

Bogotá, Colombia

2019

Disfruta de tus éxitos lo mismo que de tus

planes

Mantén el interés en tu propia carrera, por

humilde que sea

Ella es un verdadero tesoro en el cambiar de

los tiempos.

Fragmento Desiderata

Agradecimientos

A Dios.

A la profesora Gloria Isabel Rodríguez y el profesor Jairo Humberto López por su

acompañamiento.

Al recurso humano del proyecto “Asociación de Buenas Prácticas Pecuarias con Factores

de Calidad de Carne de Cerdo Producida en el Departamento de Cundinamarca y Zona

Rural de Bogotá D.C.”

A mi mamá, a ti, al grupo de oración, a mis amigos de la universidad, del barrio y del

colegio.

Y al Corredor Tecnológico Agroindustrial Bogotá Cundinamarca Derivado 2.

Resumen y Abstract IX

Resumen

El análisis de eficiencia en el sector agropecuario se basa a menudo en modelos de

soporte para la toma de decisiones porque orientan sobre cuáles son los principales

factores de producción y dan lineamientos para resolver los problemas evidenciados. En

esta investigación se caracterizaron los sistemas de producción porcícolas mediante la

metodología de análisis por agrupamientos, se seleccionaron 50 variables cualitativas y

se construyeron 9 índices que miden el grado de tecnificación de las granjas. Como

resultado se obtuvieron 4 agrupamientos: granjas de cría, levante y ceba, ciclo completo

y ciclo completo especializado; las granjas de este último grupo son las que realizan las

mejores prácticas de gestión productiva basados en los índices de importancia obtenidos.

Adicionalmente, se realizó la evaluación de la eficiencia relativa de los sistemas de

producción porcinos del departamento de Cundinamarca mediante la metodología DEA,

con un modelo VRS orientado a las salidas, se utilizaron las DMU´s levante-ceba, y ciclo

completo ya que estas tienen el mismo objetivo productivo. La eficiencia relativa de las

DMU´s ciclo completo fue de 77,57% y de las DMU´s levante y ceba fue de 75,78%. Así

mismo, se analizó cuáles granjas realizaban prácticas ambientales para el manejo de

excretas, por medio de las variables de salida ambientales “fertilizante producido (kg)” y

“valor venta fertilizante ($/kg)”, los resultados demuestran que el 62,16% de las DMU´s de

ciclo completo y el 41,79% de las DMU´s de levante y ceba realizan procesos para mitigar

el impacto ambiental de los sistemas de producción porcícolas. Con los resultados

obtenidos se destaca la importancia de establecer procesos sostenibles para el manejo

adecuado de insumos y la mitigación de los residuos (productos) en los sistemas de

producción porcinos como una estrategia para mejorar la eficiencia relativa de este sector.

Palabras clave: Gestión de operaciones; Eficiencia técnica; Análisis envolvente de

datos; Cerdos

X Evaluación de la eficiencia relativa de los sistemas de producción porcícolas del

departamento de Cundinamarca, utilizando análisis envolvente de datos (DEA)

Abstract

The efficiency analysis in agriculture is often based on support models for decision-making

because they guide on which are the main factors of production and address to solve the

problems detected. In the current investigation, pig production systems were characterized

by the group analysis methodology, 50 qualitative variables were selected and 9 indexes

were constructed to measure the technification level of the farms. As a result, 4 groupings

were obtained: farrow to feeder, feeder to finish, farrow to finish and specialized farrow to

finish; the farms of this last group are those that perform the best practices of productive

management based on the importance indexes obtained. In addition, the evaluation of the

relative efficiency of the pig production systems of the department of Cundinamarca was

carried out by the DEA methodology, with a VRS model oriented to the outputs, the feeder

to finish and farrow to finish DMUs were used, since these systems have the same

productive objective. The relative efficiency of the farrow to finish DMU´s was 77.57% and

for the feeder to finish DMU´s it was 75.78%. Likewise, it was analyzed which farms carried

out environmental practices for excreta management, through the environmental output

variables “fertilizer produced (kg)” and “fertilizer sales value ($ / kg)”, the results show that

62.16% of the farrow to finish DMU´s and 41.79% of the feeder to finish DMU´s carry out

processes to mitigate the environmental impact of the systems of pig production. The

results obtained highlight the importance of establishing sustainable processes for the

proper management of inputs and the mitigation of waste (products) in pig production

systems as a strategy to improve the relative efficiency of this sector.

Keywords: Operation management; Technical efficiency; Data envelopment analysis

(DEA); Pigs

Contenido XI

Contenido

Pág.

Resumen ........................................................................................................................... IX

Lista de figuras ............................................................................................................... XIII

Lista de tablas ............................................................................................................... XIV

Introducción ...................................................................................................................... 1

Justificación ...................................................................................................................... 4

Pregunta de investigación ............................................................................................... 5

Objetivos ............................................................................................................................ 5

1. Marco teórico ............................................................................................................. 7 La eficiencia en la gestión de operaciones ....................................................... 7

1.1.1 Enfoque funcional ................................................................................... 7 1.1.2 Enfoque conductista ............................................................................... 8 1.1.3 Enfoque científico ................................................................................... 9 1.1.4 Enfoque de sistemas ............................................................................ 10 1.1.5 Investigación de operaciones (IO) ........................................................ 11

Eficiencia ......................................................................................................... 15 Eficiencia técnica ............................................................................................ 17 Eficiencia asignativa ........................................................................................ 19 Eficiencia técnica orientada a las entradas y orientada a las salidas ............. 21 Medición de la eficiencia ................................................................................. 22 Análisis envolvente de datos (DEA) ................................................................ 24 Modelos de análisis envolvente de datos ....................................................... 28

1.8.1 Modelo CCR o CRS ............................................................................. 28 1.8.2 Modelo BCC o VRS .............................................................................. 30 1.8.3 Orientación de los modelos .................................................................. 33 1.8.4 Orientaciones del modelo CCR o CRS ................................................ 34 1.8.5 Orientaciones del modelo BCC o VRS ................................................. 36

Sector porcícola mundial ................................................................................. 39 Características generales de los sistemas de producción porcinos en

Colombia .................................................................................................................... 45 DEA en el sector agropecuario y porcícola ..................................................... 50

2. Metodología .............................................................................................................. 57 Origen y área de estudio ................................................................................. 57

XII Evaluación de la eficiencia relativa de los sistemas de producción porcícolas del


Recolección y sistematización de datos ......................................................... 59 Caracterización de los sistemas productivos porcinos ................................... 61 Metodología DEA ............................................................................................ 64

3. Resultados ............................................................................................................... 67 Caracterización de los sistemas productivos porcinos del departamento de

Cundinamarca ........................................................................................................... 67 Medición y análisis de la eficiencia relativa .................................................... 78

3.2.1 Resultados DMU´s sistema ciclo completo .......................................... 79 3.2.2 Resultados DMU´s sistema levante y ceba ......................................... 87

4. Conclusiones y recomendaciones ......................................................................... 97 Conclusiones .................................................................................................. 97 Recomendaciones .......................................................................................... 99

A. Anexo: Encuesta de caracterización de sistemas de producción porcina ...... 103

Bibliografía .................................................................................................................... 115

Contenido XIII

Lista de figuras

Pág. Figura 1-1. Función de producción ................................................................................... 16

Figura 1-2. Eficiencia técnica ............................................................................................ 19

Figura 1-3. Línea de isocoste y eficiencia asignativa. ....................................................... 20

Figura 1-4. Eficiencia técnica orientada a las salidas y a las entradas. ............................ 22

Figura 1-5. Comparación método DEA y regresión. ......................................................... 25

Figura 1-6. Frontera de producción CCR eficiente. .......................................................... 30

Figura 1-7. Frontera de producción BCC eficiente. ........................................................... 32

Figura 1-8. Frontera de producción CCR y BCC eficientes. ............................................. 33

Figura 1-9. Modelo CCR orientado a las entradas. ........................................................... 35

Figura 1-10. Modelo CCR orientado a las salidas. ........................................................... 36

Figura 1-11. Modelo BCC orientado a las entradas. ......................................................... 37

Figura 1-12. Modelo BCC orientado a las salidas. ............................................................ 38

Figura 1-13. Sacrificio porcino en Colombia entre el año 2015 y 2019. ........................... 44

Figura 1-14. Consumo por persona año de carne de cerdo en Colombia entre el año 2015

y 2018. .............................................................................................................................. 44

Figura 1-15. Modelo de la Cadena Cárnica Porcina en Colombia. ................................... 49

Figura 2-1. Mapa de los municipios del departamento de Cundinamarca vinculados a la

investigación ..................................................................................................................... 59

Figura 3-1. Calidad de los agrupamientos ........................................................................ 69

Figura 3-2. Tamaño de los agrupamientos ....................................................................... 70

Contenido XIV

Lista de tablas

Pág.

Tabla 1-1. Modelo CCR orientado a las salidas y entradas, formulación primal y dual ... 35

Tabla 1-2. Modelo BCC orientado a las salidas y entradas, formulación primal y dual ... 36

Tabla 1-3. Producción mundial de carne perspectivas agrícolas 2016-2025 .................. 39

Tabla 1-4. Consumo mundial de carne por persona año perspectivas agrícolas 2016-

2025 .................................................................................................................................. 40

Tabla 1-5. Producción, consumo y consumo por persona de carnes entre países

miembro de la OCDE ........................................................................................................ 41

Tabla 1-6. Inventario de animales y predios porcinos en Colombia desde el año 2016 a

2018. ................................................................................................................................. 45

Tabla 1-7. Comparativo sistemas de producción porcina en Colombia .......................... 46

Tabla 3-1. Orientación productiva de las granjas porcícolas registradas en 3 regiones de

Cundinamarca y Zona rural de Bogotá D.C. ..................................................................... 68

Tabla 3-2. Nivel de importancia de los índices en los agrupamientos ............................. 70

Tabla 3-3. Clasificación de los índices o entradas según su importancia dentro de los

agrupamientos .................................................................................................................. 71

Tabla 3-4. Resumen del modelo DEA-VRS orientado a las salidas ................................ 79

Tabla 3-5. Índices de eficiencia relativa para sistemas de producción ciclo completo. ... 80

Tabla 3-6. Estadística descriptiva del modelo DEA-VRS orientado a las salidas DMU´s

ciclo completo ................................................................................................................... 81

Tabla 3-7. Rangos de eficiencia relativa y número de DMU´s por rango. ....................... 82

Tabla 3-8. Estadística resumen de la eficiencia relativa alta para DMU´s ciclo completo

.......................................................................................................................................... 83

Tabla 3-9. Estadística resumen de la eficiencia relativa media para DMU´s ciclo

completo ........................................................................................................................... 84

Tabla 3-10. Estadística resumen de la eficiencia relativa baja para DMU´s ciclo completo

.......................................................................................................................................... 86

Tabla 3-11. Índices de eficiencia relativa para sistemas de producción levante y ceba. 87

Tabla 3-12. Estadística descriptiva del modelo DEA-VRS orientado a las salidas DMU´s

levante y ceba. .................................................................................................................. 88

Tabla 3-13. Rangos de eficiencia relativa y número de DMU´s por rango. ..................... 89

Tabla 3-14. Estadística resumen de la eficiencia relativa alta para DMU´s levante y ceba

.......................................................................................................................................... 90

Contenido XV

Tabla 3-15. Estadística resumen de la eficiencia relativa media para DMU´s levante y

ceba .................................................................................................................................. 91

Tabla 3-16. Estadística resumen de la eficiencia relativa baja para DMU´s levante y ceba

.......................................................................................................................................... 93

Tabla 3-17. DMU´s ciclo completo eficientes por región del departamento de

Cundinamarca ................................................................................................................... 94

Tabla 3-18. DMU´s levante y ceba eficientes por región del departamento de

Cundinamarca ................................................................................................................... 94

Introducción

En la era actual la competencia en los mercados mundiales y las mayores expectativas de

los consumidores han obligado a las empresas a invertir y centrar su atención en la

necesidad de tener una mayor eficiencia en las operaciones. El pensamiento moderno de

gestión aboga por la colaboración entre diferentes actores y la capacidad de respuesta

ante las necesidades del mercado como un impulso adicional hacia una estrategia

competitiva adecuada. Recientemente, el interés de hacer gestión en la industria

agroalimentaria ha ido creciendo, tanto en países desarrollados como en desarrollo,

tomando conciencia de que una coordinación, integración y gestión exitosa de los procesos

determinará finalmente su éxito competitivo (Van der Vorst, Jack G.A.J. da Silva, Carlos A.

Trienekens, 2007).

La premisa básica de la teoría de la producción neoclásica es que cada productor es

completamente eficiente. Sin embargo, la realidad podría ser diferente, ya que, dada la

tecnología y las cantidades de entradas, la producción de salidas a menudo es menor de

la que se esperaba, de ahí la presencia de la ineficiencia que conduce a una menor

producción (ingresos), o un mayor costo y, en consecuencia, una menor ganancia.

Mirándolo desde un ángulo diferente, la ineficiencia es un desperdicio de recursos y, por

lo tanto, es costoso tanto para un productor individual como para la sociedad en general.

Dado que la ineficiencia es un desperdicio de recursos, los entes gubernamentales a

menudo incentivan a los productores a mejorar su desempeño y penalizan a los

productores que son ineficientes en los diferentes sectores económicos agropecuario,

enérgico, servicios, entre otros (S C Ray, Kumbhakar, y Dua, 2015).

2 Introducción

El análisis de eficiencia en la política agropecuaria se basa a menudo en modelos de

soporte como los modelos de programación matemática (no paramétricos, no estocásticos)

o modelos econométricos (estocásticos, paramétricos). Estos modelos son muy útiles

como apoyo en la toma de decisiones porque brindan una orientación sobre cuáles son las

principales factores de producción y dan lineamientos de cómo es posible resolver los

problemas evidenciados. La frontera de producción determinista es un enfoque en el que

todas las observaciones están en un lado de la frontera y todas las desviaciones de la

frontera se atribuyen a la ineficiencia. El enfoque más popular para calcular la eficiencia es

técnica no paramétrica del análisis de envolvente de datos (DEA) basado en las

herramientas de programación lineal (Silva, Mendes, & Santos, 2013).

Esta tesis de investigación se desarrolló en el marco del proyecto Corredor Tecnológico

Agroindustrial Bogotá-Cundinamarca Derivado 2 (CTAD2), cuyo objetivo fue “Desarrollar

actividades de investigación, desarrollo tecnológico e innovación rural en el sector

agropecuario y agroindustrial que permita mejorar las condiciones de seguridad alimentaria

y nutricional, incrementar los niveles de productividad y competitividad y fortalecer las

economías campesinas y el abastecimiento de alimentos de Bogotá y Cundinamarca a

través de mecanismos de transferencia de tecnología”. Para lo cual se trabajó en los

siguientes dos aspectos: aumentar el nivel de implementación de resultados de

investigaciones realizadas para la cadena agropecuaria en este caso la porcícola, y

desarrollar metodologías eficientes para el cierre de “brechas tecnológicas” en el sector

agropecuario, con el fin de garantizar estructuras productivas eficientes en materia de

productividad, calidad y especialmente de desarrollo tecnológico.

Esta investigación está dividida en cuatro capítulos, en el primero se expone el marco

teórico comenzando por los enfoques seminales de la gestión de operaciones,

posteriormente se definen los conceptos de eficiencia y sus derivados, se describe la

metodología de análisis envolvente de datos (DEA) junto con el modelo desarrollado por

Charnes, Cooper y Rhodes (CCR o también denominado CRS (Constant Returns to

Scale)) y el modelo Banker, Charnes y Cooper (BCC o también llamado VRS (Variable

Returns to Scale)), con sus respectivas orientaciones a los insumos y a los productos. A

continuación se hace una breve descripción del sector porcícola mundial y nacional, para

finalizar el capítulo con estudios DEA en el sector agropecuario.

Introducción 3

En el segundo capítulo se desarrolla la metodología teniendo en cuenta el origen y área

de estudio, los métodos de recolección y sistematización de la información, la

caracterización de los sistemas de producción porcinos en el departamento de

Cundinamarca y la metodología DEA.

El tercer capítulo se compone de los resultados encontrados en la investigación en cuanto

a la caracterización de los sistemas de producción porcinos y los resultados obtenidos del

análisis y medición de la eficiencia para esos mismos sistemas de producción. Y en el

cuarto capítulo se encuentran las conclusiones y recomendaciones.

4 Introducción

Justificación

La medición y el monitoreo de la eficiencia de producción de las granjas porcinas es

importante con miras a hacer los ajustes apropiados para la mejora de la producción en la

agrocadena porcícola. Al determinar y luego analizar las granjas eficientes como puntos

de referencia, las granjas ineficientes pueden determinar qué cambios en el uso de los

recursos son necesarios para aumentar su rendimiento general y, en última instancia, su

rentabilidad. En la revisión de literatura realizada previa a esta investigación no se encontró

ningún trabajo realizado en Colombia, para el sector porcícola que involucre el análisis de

eficiencia ni relativa, ni económica, ni ambiental de la producción de carne de cerdo.

En otros subsectores del agro colombiano, se destacan estudios de medición de eficiencia

en el área pecuaria, el trabajo realizado por Gamarra (2004) denominado “Eficiencia

técnica relativa de la ganadería doble propósito en la Costa Caribe”; así mismo el de

Oviedo y Rodríguez (2011) llamado “Medición de la eficiencia técnica relativa de las fincas

asociadas a Coounión en Guasca Cundinamarca”; y finalmente el trabajo “Medición de la

eficiencia relativa de fincas ganaderas con servicio de asistencia técnica” realizado por

Contreras y Rodríguez (2017).

El presente trabajo busca caracterizar la cadena de producción de carne de cerdo y

contribuir a la identificación de determinados sistemas de producción eficientes a partir del

Introducción 5

análisis de eficiencia relativa o análisis envolvente de datos (Data Envelopment Analisys

(DEA), que podrían ser modelos a seguir para establecer planes de acción con las

instituciones de apoyo, públicas y privadas del sector agropecuario, buscando aprovechar

y atacar aquellas potencialidades y limitaciones que en el tema de productividad posee el

campo colombiano.

Pregunta de investigación

¿La medición y el análisis de la eficiencia relativa de los sistemas de producción porcícolas

puede ayudar a mejorar la competitividad y la productividad de la agroindustria del

departamento de Cundinamarca?

Objetivos

Objetivo general

Evaluar la eficiencia relativa de los sistemas de producción porcinos del departamento de

Cundinamarca mediante la metodología Data Envelopment Analysis DEA, con el fin de

determinar las mejores prácticas pecuarias y la forma como a partir de esto se podría

mejorar la productividad y competitividad dentro de la agrocadena porcícola.

6 Introducción

Objetivos específicos

Caracterizar los sistemas de producción porcícolas del departamento de

Cundinamarca.

Medir la eficiencia relativa de los sistemas de producción porcícolas del

departamento de Cundinamarca mediante DEA.

Identificar los sistemas de producción porcícola más eficientes, para aprovechar y

atacar aquellas potencialidades y limitaciones que ostentan cada uno de los

sistemas de producción porcícolas en el tema de productividad posee la

agrocadena de la carne de cerdo en el departamento de Cundinamarca.

Analizar y proponer acciones enfocadas hacia la gestión de los recursos y de los

productos para lograr el mejoramiento de los sistemas de producción porcícolas.

1. Marco teórico

La eficiencia en la gestión de operaciones

La gestión del proceso de trasformación de cualquier producto o servicio en una forma

eficiente y eficaz es tarea de la administración de operaciones en cualquier tipo de

organización. Para producir esos bienes o prestar los servicios se requiere una inversión

de capital, adquirir insumos, uso de maquinaria, tecnología y talento humano (Adam y

Ebert, 1991; Schroeder, Goldstein, y Rungtusanatham, 2011). Krajewki y otros (2008)

definen la administración de operaciones como el diseño, dirección y control sistemático

de los procesos que trasforman los insumos en productos o servicios para clientes internos

y externos.

A lo largo de la historia se han desarrollado diversos enfoques para explicar las funciones

de la administración de operaciones:

1.1.1 Enfoque funcional

Está fundamentado en la planeación, organización, dirección, coordinación y control de las

actividades de una organización. Este enfoque hace énfasis en la estructura y el

funcionamiento como medios para incrementar la eficiencia en las organizaciones lo cual

está basado en la teoría clásica de la administración la cual, dentro de los principales

autores está: Henry Fayol (1841-1925) fue el primero en sistematizar el comportamiento

8 Evaluación de la eficiencia relativa de los sistemas de producción porcícolas del


administrativo de las empresas, dividió en seis grupos las funciones esenciales de toda

organización sin importar su tamaño (Villalobos, Altahona, y Herrera, 2006):

Operaciones técnicas: relacionadas con la producción de bienes y servicios.

Operaciones comerciales: relacionadas con la compra, venta e intercambio.

Operaciones financieras: relacionadas con la búsqueda y gerencia de capitales.

Operaciones de seguridad: relacionadas con la protección y preservación de los

bienes y las personas.

Operaciones contables: relacionadas con los inventarios, registros, balances,

costos y estadísticas.

Operaciones administrativas: relacionadas con la planeación, organización,

dirección, coordinación y control.

Fayol (1981) menciona que la función administrativa cuenta con catorce principios que se

aplican con mayor frecuencia en todas las organizaciones, estos son: la división del trabajo,

la autoridad, la disciplina, la unidad de mando, la unidad de dirección, la subordinación de

los intereses particulares al interés general, la remuneración, la centralización, la jerarquía,

el orden, la equidad, la estabilidad del personal, la iniciativa, y la unión del personal.

1.1.2 Enfoque conductista

El enfoque conductista se fundamenta en las relaciones humanas, tiene en cuenta las

relaciones y del comportamiento interpersonales de la organización. Dentro de los

principales autores está: Max Weber (1864-1920) quien formuló la teoría de las estructuras

de autoridad la cual postulaba que las actividades de las organizaciones se basaban en

relaciones de autoridad, y describió un tipo ideal de organización llamado burocracia, este

sistema se caracterizaba por la división del trabajo, jerarquía definida, reglas y normas

detalladas y relaciones interpersonales. Las características puntuales de la estructura

burocrática ideal de Weber son: especialización laboral, jerarquía de autoridad, selección

formal, reglas y normas formales, impersonalidad y orientación profesional (Robbins,

2004).

1. Marco teórico 9

Dentro del enfoque conductista también está Mary Parker Follet (1868-1933) quien se

encuentra aún vigente debido a sus ideas humanistas en factores como la motivación, el

liderazgo, el poder y la autoridad. Follet consideraba que las organizaciones se deben

basar en la ética grupal más que la individual, el potencial de los individuos se materializa

a través del trabajo en grupo. El trabajo del gerente es armonizar y coordinar los esfuerzos

de los grupos de trabajo, la relación entre el gerente y los trabajadores debe ser una

sociedad apoyada en la capacidad y conocimientos de autoridad generados por el

liderazgo del gerente dentro del grupo de subordinados. También se encuentra Chester

Banard (1886-1961) quien al igual que Follet considera que las organizaciones están

compuestas por personas que establecen relaciones sociales, y que la principal función de

los gerentes es comunicar y estimular a sus subordinados, sin embargo, agregó que, los

administradores deben observar también el entorno de la organización para conservar un

estado de equilibrio, ya que toda organización depende de inversionistas, proveedores,

clientes y otras entidades externas, por lo tanto cualquiera que sea la eficiencia de la

producción de una organización, si el administrador no consigue un suministro de insumos

adecuado y no encuentra mercado para los productos o servicios producidos pone en

peligro la supervivencia de la organización (Robbins, 2004).

1.1.3 Enfoque científico

La administración científica, y de hecho toda la administración en general, se ha dedicado

a la creación de bienes o servicios, búsqueda de capitales, y generación de dividendos.

Para quienes controlan la industria (patrones) la administración les sirve para producir

capitales, y para los empleados la administración sirve para obtener mejores salarios. Sin

embargo, al tener como objetivo la creación de bienes y servicios útiles, la administración

científica no sirve al capital, ni al trabajo como tal, sino al consumidor de estos bienes y

servicios. Su objeto no es la escasez sino la abundancia, no los precios altos sino los

precios bajos. La filosofía económica de la gestión científica, por lo tanto, es la máxima

producción al mínimo costo. La técnica de gestión científica es la técnica de producción

eficiente y económica en términos de utilidad neta. Una aceptación de esta doctrina

económica, fue la revolución mental que Taylor buscó en el pensamiento tanto del capital

como del trabajo (Anderson, 1939).



La máxima prosperidad para patrones y empleados solo se logra como resultado de la

máxima productividad de una organización, mediante el desarrollo de cada trabajador a su

estado de máxima eficiencia, para lo cual es necesario que cada trabajador realice la labor

adecuada a su capacidad natural, de la forma más eficiente posible (Taylor, 1981).

En la búsqueda de encontrar la “mejor manera” de organizar el trabajo basándose en las

observaciones Taylor desarrolló cuatro principios de administración científica:

Formular una ciencia para cada elemento del trabajo de un individuo. Reemplazo

de métodos empíricos.

Selección de personal, y después capacitar para formar al trabajador de tal forma

que desarrolle su máximo nivel de eficiencia.

Cooperación entre trabajadores para aumentar la productividad, ya que

antiguamente los intereses de patrones y empleados eran antagónicos.

División del trabajo y la responsabilidad equitativamente entre la administración y

los trabajadores.

1.1.4 Enfoque de sistemas

Está fundamentado en el uso de datos y técnicas cuantitativas (estadística, algoritmos)

para la toma de decisiones que faciliten el logro de los objetivos a través de la construcción

de modelos matemáticos. Los administradores de operaciones son principalmente

tomadores de decisiones dentro de un sistema de producción o de operación a través de

las funciones de la planeación que comprende todas las actividades que generan un curso

de un proceso, el control que se encarga de asegurarse que el desempeño global de la

organización suceda de acuerdo a lo planeado, y la organización que implica todas las

actividades que originan una estructuración de procesos y niveles de responsabilidad

(Adam y Ebert, 1991).

Los recientes avances en la gestión de operaciones han facilitado el desarrollo y la

aplicación de herramientas y técnicas en una amplia variedad de entornos. Además, la

disponibilidad de datos permite que los investigadores de gestión de operaciones puedan

1. Marco teórico 11

cerrar la brecha entre los modelos tradicionales y los enfoques modernos (Vijai, Somayaji,

Swamy, y Aital, 2017).

Este enfoque tiene en cuenta la toma de decisiones a partir de procesos de toma, selección

y utilización de la información con el fin de diseñar los lineamientos para mejorar la toma

de decisiones por parte de los administradores de operaciones. También se debe

considerar la identificación de los límites de la organización y su relación con el ambiente

externo, y al mismo tiempo que las interrelaciones entre los subsistemas internos de la

organización, para crear enfoques para predecir y explicar el comportamiento interno y

externo de la compañía. Por último se debe realizar una cuantificación de problemas y

decisiones para optimizar el conjunto de situaciones que se den dentro de la organización

con esto se pueden elaborar reglas y métodos para la toma de decisiones administrativas

(Adam y Ebert, 1991).

Sin embargo, lo anterior no garantiza el éxito operativo de la organización ya que, un

problema relacionado es que en la medida que aumentan la complejidad y la

especialización de las organizaciones es más difícil asignar los recursos disponibles a los

diferentes procesos de la manera más eficaz para la organización como un todo. Este tipo

de problemas y la necesidad de encontrar la mejor forma de resolverlos crearon el

ambiente propicio para el surgimiento de la investigación de operaciones (IO) (Ariza y

García, 2015).

1.1.5 Investigación de operaciones (IO)

El objetivo de la IO es la conducción y la coordinación de procesos en una organización.

La IO incluye un enfoque similar al que se aplica en las áreas científicas establecidas,

además está basada en la administración científica, y se utiliza para explorar los diversos

problemas que deben ser enfrentados. Una característica de la IO es que intenta encontrar

una mejor solución para el problema en cuestión dentro de muchas soluciones que pueden

considerarse como las mejores, teniendo en cuenta que el estudio de cada problema debe

llevar consigo de ser necesario todas las áreas funcionales de la organización y su solución

debe ser congruente con los objetivos generales de la misma (Hillier y Lieberman, 2010).



En muchas ocasiones los gerentes han dependido casi por completo de su propia intuición

para solucionar los problemas que se presentan dentro de la organización, teniendo en

cuenta que la intuición está basada en experiencias pasadas, la retroalimentación de

resultados obtenidos y esta desprovista de un proceso analítico. Dado lo anterior, la

recomendación es que los tomadores de decisiones dentro de la organización establezcan

procesos de modelación de un “mundo simbólico”, abstrayendo los aspectos más

relevantes del problema real, para construir un modelo cuantitativo que represente la

situación (Epen, Gould, Schmid, Moore, y Weatherford, 2000).

Una vez el modelo ha sido construido, se deben analizar los resultados que provengan

exclusivamente de él y posteriormente relacionarlos con la situación real tomando en

cuenta factores que se hayan suprimido durante la fase de atracción. Con este conjunto

de resultados y análisis, más la experiencia e intuición del gerente entra en juego el juicio

administrativo lo cual conduce a la toma mejores decisiones, y aporte de conocimiento que

conllevan aun proceso de aprendizaje dentro de la organización (Epen y otros., 2000).

En la IO no se cuenta con una técnica general única para resolver todos los modelos que

puedan surgir en la práctica. En su lugar, el tipo y complejidad del modelo matemático

determina la naturaleza del método de solución por eso es útil contar con una taxonomía,

y una forma de organizar los datos para que se pueda ver el bosque antes de meterse en

él y de que los propios árboles impidan verlo, para lo cual los modelos se clasifican en

determinísticos y probabilísticos.

Los modelos determinísticos son aquéllos donde se supone que todos los datos

pertinentes se conocen con certeza. Es decir, en ellos se supone que cuando el modelo

sea analizado se tendrá disponible toda la información necesaria para tomar las decisiones

correspondientes, éstos pueden manejar situaciones complejas en las que hay muchas

decisiones y restricciones. En los modelos probabilísticos, o estocásticos, algunos

elementos no se conocen con certeza. Es decir, en los modelos probabilísticos se

presupone que algunas variables importantes, llamadas variables aleatorias, no tendrán

valores conocidos antes de que se tomen las decisiones correspondientes, y que ese

desconocimiento debe ser incorporado al modelo. Estos modelos tienden a reportar su


mayor utilidad cuando intervienen en ellos muchas entradas inciertas y hay pocas

restricciones (Epen y otros., 2000).

Utilizando los métodos determinísticos o probabilísticos, la investigación de operaciones

permite mediante técnicas especializadas en una determinada área, con el fin de

comprenderla, analizarla, encontrar las soluciones óptimas a los problemas originados en

la actividad de la empresa, además de simular las diversas políticas, con lo cual se limitan

los riesgos de decisión y se contribuye a aumentar la productividad (Ariza y García, 2015).

La toma de decisiones es un aspecto esencial en la administración de operaciones.

Algunas decisiones son estratégicas y tienen consecuencias a largo plazo, también se

toman decisiones tácticas que son más estructuradas y rutinarias, con consecuencias a

corto plazo. La administración de operaciones a nivel de decisiones estratégicas es la

encargada de diseñar nuevos procesos, desarrollar de nuevas cadenas de valor que

relacionan a los clientes y proveedores externos con los procesos internos de la empresa.

También son los responsables de realizar la medición de los indicadores clave de

desempeño. En cuanto a decisiones tácticas la administración de operaciones participa en

el mejoramiento de procesos, mediciones de desempeño, administrar y planificar

proyectos, generar planes de producción, elección de personal, administrar inventarios e

insumos. Todas estas decisiones tienen un impacto estratégico porque afectan la eficiencia

de los procesos y productividad de la empresa (Krajewski y otros., 2008).

Rodríguez (2011), Schroeder y otros (2011) mencionan cinco conceptos clave, que al ser

sincronizados de modo adecuado con las demás funciones de la organización, la

administración de operaciones puede considerarse exitosa, los cuales son:

Proceso: este concepto establece las decisiones relacionadas con las instalaciones

usadas para la elaboración de un producto o servicio, como el manejo de personal

y las buenas prácticas de manufactura. Varias de estas decisiones se toman a largo

plazo y que requieren grandes inversiones de capital, por lo tanto, es importante

que el proceso de diseño de instalaciones y compra de maquinaria vaya de la mano

con la estrategia a largo plazo de la organización. Este es un proceso de mejora

continua para lo cual requiere la cooperación de la mano de obra y las ideas de



todos los trabajadores. La función de operaciones es la que maneja a más recurso

humano y activos físicos que cualquier otra de la empresa.

Calidad: estas decisiones afectan la calidad de los bienes o servicios que se

producen para el interior y el exterior de la organización. La calidad debe estar en

todos los procesos de producción y debe incorporar a los administradores de todas

las funciones de la empresa con el fin de establecer las especificaciones de nuevo

productos, procesos o servicios.

Capacidad: las decisiones de capacidad van enfocadas al suministro la cantidad

adecuada de recursos en el momento y sitio adecuados. También está determinada

por decisiones a largo y a corto plazo; las primeras tienen que ver con el tamaño

de la infraestructura y equipos adquiridos por la empresa; las decisiones a corto

plazo se relacionan con dos aspectos: capacidad y mano de obra. En cuanto a la

capacidad se debe planificar la subcontratación de espacios o alquiler de

maquinaria extra. En cuanto a la mano de obra se deben gestionar nuevas tareas,

trabajos específicos y turnos extra con el fin de garantizar la demanda de productos

y mantener una fuerza laboral estable.

Inventario: las decisiones de inventario deben prever las incertidumbres de la

demanda de productos o servicios, para lo cual se emplean sistemas de control de

inventarios que deben garantizar la compra de insumos, proceso de producción,

inventario de producto terminado, y el flujo de materiales dentro de la empresa.

Fuerza de trabajo: esta administra el recurso humano de manera productiva y

humana, incluye la selección, contratación, capacitación, supervisión,

compensación y despido del personal.

Como se ha indicado, la administración de operaciones es un elemento fundamental en la

toma de decisiones dentro de las organizaciones, y mediante la investigación de

operaciones se pueden aplicar modelos cuantitativos utilizando algoritmos matemáticos

precisos. Se debe tener en cuenta que los modelos son una representación limitada de la

realidad y que brindan una concepción matemática optima a quien toma las decisiones, ya

que este último generalmente desea maximizar ganancias, rendimiento, eficiencia o

efectividad, o minimizar costos o tiempo (Epen y otros., 2000; Hillier y Lieberman, 2010)


Eficiencia

Los indicadores son datos o información que sirven para conocer si la empresa avanza

hacia una mejoría o no. Los indicadores de desempeño de los procesos en una

organización permiten al administrador de operaciones ponderar la productividad actual de

un proceso y cómo cambia con el tiempo, la comparación de indicadores productivos entre

una empresa y otra se le denomina benchmarking (Chase y Jacobs, 2010).

Regularmente se tiende a confundir la eficiencia con la eficacia, esta última es cuando una

organización cumple o supera un objetivo preestablecido, sin embargo, el inconveniente

de tomar la eficacia como medida del rendimiento es que esta se basa únicamente en los

resultados de las salidas (productos) y no tiene relación con las cantidades de entradas

(insumos) utilizadas para producir la salida observada (Ray y Chen, 2015).

La medida de rendimiento más comúnmente utilizada y también la más fácil de entender

es la productividad, la cual es una medición de desempeño de las economías, industrias,

empresas y procesos. La productividad es la proporción entre el valor de los productos

dividido entre los valores de los insumos (Krajewski y otros., 2008; Ray y Chen, 2015).

𝑃𝑟𝑜𝑑𝑢𝑐𝑡𝑖𝑣𝑖𝑑𝑎𝑑 =𝑠𝑎𝑙𝑖𝑑𝑎𝑠

𝑒𝑛𝑡𝑟𝑎𝑑𝑎𝑠 (1)

Para medir la productividad se debe referir a la productividad total de los factores, los

cuales son todos los factores que involucran el proceso de producción. La productividad

solo es una medida absoluta de rendimiento de los factores de producción, basada en un

conjunto de posibilidades con las cuales es posible construir la frontera de producción, esta

frontera de producción es el número de salidas máximas alcanzables según el número de

entradas utilizadas. De otra parte la eficiencia indica si una organización está operando

sobre o por debajo de la frontera de producción, si opera sobre la frontera de producción

es una organización eficiente, si se encuentra por debajo de la frontera de producción la

organización es ineficiente (Coelli, Prasada Rao, O’Donnell, y Battese, 2005).



El análisis de la productividad y la eficiencia están intrínsecamente vinculados. La

definición teórica de la eficiencia existe desde Koopmans T.C. quien la definió como las

posibilidades de producción para las cuales no es posible aumentar ninguna salida sin

aumentar simultáneamente cualquier entrada (Solow, 1952).

Posteriormente Farrell (1957) desarrolló índices de eficiencia basados en insumos, con

dos factores de producción, para producir un solo producto, en condiciones de

rendimientos constantes a escala; suponiendo que se conoce la función de producción

eficiente; es decir, la salida de una empresa perfectamente eficiente se podría obtener de

cualquier combinación de entradas. Posteriormente y a partir del trabajo desarrollado por

Farrell se generaron diversos tipos de eficiencias denominadas “eficiencia técnica”,

“eficiencia asignativa” y “eficiencia global” con el fin de medir y evaluar la "productividad

total de los factores" (Charnes, Cooper, Golany, Seiford, y Stutz, 1985; Førsund, 2018).

Según Hassen y otros (2017), la función de producción explica la relación técnica o física

entre la producción y los insumos. Específicamente, muestra la salida máxima que se

puede obtener de un conjunto dado de entradas. Los insumos son tasas de uso de

recursos y salida es la tasa de producción durante un período de tiempo específico. Sean

(x1, x2 ... xn) las entradas utilizadas en la producción de la salida y. La función de

producción se puede escribir como:

yi = f (x1, x2,……. .nn) (2)

La función de producción es el límite de un conjunto factores de producción. En la Figura

1-1 donde una entrada x se usa para producir una sola salida y el conjunto de producción

Q denota el conjunto de producción técnicamente factible (y, x), es decir, Q = (y, x). La

región bajo la curva y = f (x) en la Figura 1-1 representa el conjunto de producción.

Figura 1-1. Función de producción


. Fuente: (Hassen y otros., 2017)

Las combinaciones de producción que maximizan y para una x dada o minimizan x para

una y dada son combinaciones técnicamente eficientes y constituyen el límite del conjunto

de producción Q = (y, x). Así, la función de producción y = f (x) es el conjunto de

combinaciones técnicamente eficientes, y todas las combinaciones técnicamente

ineficientes pertenecen al área bajo la curva de la frontera de posibilidades de producción

(Hassen y otros., 2017).

Eficiencia técnica

Como está establecido en la literatura, el crecimiento de la productividad se puede

descomponer en cambio tecnológico y eficiencia técnica (ET). Específicamente, la ET

puede interpretarse como una medida relativa de la capacidad de gestión para una

tecnología determinada. En otras palabras, los avances en ET se derivan de mejoras en

la toma de decisiones, que a su vez están relacionadas con una gran cantidad de variables

que incluyen conocimiento, experiencia y educación (Bravo-Ureta y otros., 2007)

La eficiencia técnica (ET) está definida como la capacidad que tiene una unidad de

producción, para obtener el máximo nivel de producto a partir del óptimo uso en las

cantidades de insumos (Farrell, 1957). También se puede entender como la combinación

factible de recursos y productos, en la cual es imposible aumentar algún producto o reducir



algún recurso sin reducir simultáneamente al menos un producto o aumentar al menos otro

recurso, entendidos ambos como unidades físicas (Tolosa, 2013).

Según Førsund (2018), Farrell propuso un método para estimar una frontera de mejores

prácticas envolviendo los datos con una función lineal no paramétrica, imponiendo

isoquantes convexas con pendiente negativa y retornos constantes a escala (CRS). Esta

fue la forma de estimar una función de producción, la cual puede no ser la mejor si lo único

que se requiere es estimar una frontera, pero que "se eligió simplemente como la mejor

medida de eficiencia técnica". Para tener claridad en los conceptos, es necesario mostrar

gráficamente un ejemplo: La Figura 1-2 representa la producción de cuatro unidades

productivas (A, B, C, D), las cuales usan dos entradas (x1 y x2), y generan una salida (y).

Posteriormente está graficada la isocuanta SS´ que representa la frontera eficiente

construida a partir de las diferentes combinaciones posibles de valores de insumos, que

permitirían obtener una determinada cantidad de producto (Tolosa, 2013).

Las unidades productivas A y C se encuentran sobre la isocuanta SS´, por lo tanto son

técnicamente eficientes, mientras que las unidades productivas B y D por estar por encima

del área de la frontera eficiente son consideradas unidades técnicamente ineficientes, esto

indica que pueden reducir los valores de sus insumos para obtener la misma cantidad de

producto (Coelli y otros., 2005).

La ineficiencia de la unidades productivas B y D está dada por la distancia entre B´B y D´D

respectivamente. Si una unidad productiva tiene eficiencia técnica igual a 1, es

técnicamente eficiente, mientras que las unidades productivas que tengan valores

menores a 1 son técnicamente ineficientes (Hassen y otros., 2017). Tomando como

ejemplo el caso de la unidad productiva B. la eficiencia técnica se define como la distancia

relativa a la frontera eficiente manteniendo la salida constante, pero reduciendo el uso de

entradas proporcionalmente para alcanzar el punto B´ en la frontera, y está dada por la

siguiente expresión (Førsund, 2018; Parra, 2010):

𝐸𝑇𝐵 =𝑂𝐵´

𝑂𝐵 (3)


Figura 1-2. Eficiencia técnica

Fuente: Parra (2010) y Tolosa (2013).

Eficiencia asignativa

Se necesita una medida en la cual una unidad productiva aparte de utilizar los diversos

factores de producción en las mejores proporciones, también deben tener en cuenta la

relación del uso de los factores de producción con los costos de producción (Farrell, 1957).



Figura 1-3. Línea de isocoste y eficiencia asignativa.

Fuente: (Tolosa, 2013).

En la Figura 1-3 se ha graficado la línea de isocoste PP´. Esta línea representa la frontera

eficiente económica de producción, y su pendiente está dada por la relación de precios

entre los insumos x1 y x2. De acuerdo al enfoque dado por la eficiencia de precio, será

considerada como eficiente toda unidad que esté en capacidad de mantener los costos de

producción sobre la línea de isocoste. Como se puede ver en la Figura 1-3, solo la unidad

C cumple con esta condición por lo que es la única que se considera eficiente (Parra,

2010).

Si la unidad productiva A quisiera alcanzar la eficiencia en precio, deberá reducir los costos

de producción en que incurre en la distancia A´´ a A. Entonces la eficiencia asignativa de

la unidad productiva A es el cociente entre la distancia desde A a A´´, así 0A´´/0A. Al igual

que la eficiencia técnica, la eficiencia asignativa sólo toma valores entre 0 y 1, siendo

cualquier valor diferente de 1 una medida de ineficiencia asignativa (Farrell, 1957; Førsund,

2018; Tolosa, 2013).


En general en este modelo, la eficiencia técnica puede definirse como la capacidad de la

unidad productiva para producir al máximo rendimiento dado un conjunto de insumos y

tecnologías disponibles. La eficiencia asignativa mide el éxito de la unidad productiva al

elegir las proporciones de insumos óptimos, es decir, donde la proporción de productos

para cada par de entradas es igual a la relación de sus precios en el mercado. El modelo

de función de frontera original introducido por Farrell (1957) utiliza la unidad eficiente

isoquanta para medir la eficiencia económica y para descomponer esta medida en

eficiencia técnica (ET) y eficiencia asignativa (EA). En el marco de Farrell, la eficiencia

económica (EE) es una medida de rendimiento general y es igual a:

EE = ET x EA (4)

Eficiencia técnica orientada a las entradas y orientada a las salidas

Según Kumbhakar y Wang (2015), la gestión de la producción es técnicamente ineficiente

si un nivel más alto de salidas es técnicamente alcanzable para las entradas utilizadas

(medida orientada a las salidas), o si el nivel de salida observado puede producirse

utilizando menos entradas (medida orientada a la entradas).

En la Figura 1-4, f (x) es la frontera de producción y el punto A es un punto de producción

ineficiente ya que se ubica debajo de la frontera de producción. Esa ineficiencia se puede

observar de dos formas: la primera es ver que con el nivel de entradas (x), se pueden

producir más salidas. La distancia AB muestra la cantidad de salida que se está perdiendo

debido a la ineficiencia técnica, y constituye la base a partir de la cual se puede medir la

ineficiencia técnica orientada hacia las salidas.

La segunda forma de ver por qué el punto A es ineficiente es reconocer que se puede

producir el mismo nivel de salidas (y) utilizando menos entradas, lo que significa que la

producción actual puede tener lugar en la frontera al reducir el uso de entradas. La

distancia entre AC representa la cantidad en la que se pueden reducir las entradas sin

reducir la salidas. Dado que este movimiento está asociado con la reducción de entradas,



la distancia horizontal AC constituye la base para medir la ineficiencia técnica orientada a

entradas.

Figura 1-4. Eficiencia técnica orientada a las salidas y a las entradas.

Fuente: (Kumbhakar y Wang, 2015)

En la Figura 1-4 se muestra que las estimaciones de eficiencia están condicionadas por

tecnología dada (frontera de producción). Una combinación de entradas y salidas puede

parecer ineficiente para una tecnología, pero podría ser eficiente con respecto a otro tipo

de tecnología. La implicación para el análisis empírico es que, al estimar las eficiencias

técnicas de diferentes organizaciones, es importante que se estimen con respecto a la

tecnología común.

Medición de la eficiencia

La medición de la eficiencia productiva se ha desarrollado durante las últimas décadas

para convertirse en una línea de investigación importante dentro de los campos de la

economía, la ciencia de la administración y la investigación de operaciones (Førsund,

2018).


La metodología de la función de frontera se ha convertido en una herramienta ampliamente

utilizada en el análisis de producción aplicada debido principalmente a su consistencia la

función de producción, ganancia o costo (es decir, con la noción de maximización o

minimización) (Bravo-Ureta y otros., 2007).

El análisis de eficiencia está compuesto por dos componentes: la frontera de eficiencia y

la función de distancia. Hay varias opciones para estimar los modelos de frontera de

eficiencia. Primero, los métodos se pueden dividir en métodos paramétricos y no

paramétricos y segundo lugar, los modelos de frontera pueden ser deterministas o

estocásticos (Kuosmanen y Kuosmanen, 2009).

En cuanto a los métodos paramétricos, éstos emplean las formas funcionales pre-

especificadas de las fronteras de producción (o fronteras de costos, funciones de distancia,

etc.). La estimación de los parámetros de interés se puede realizar econométricamente

(por medio de mínimos cuadrados ordinarios (MCO), máxima verosimilitud u otras técnicas

similares) o empleando programación matemática (programación lineal, programación

cuadrática entre otras posibilidades). Lo importante es que los parámetros estimados

pueden llevar diversos tipos de información: contribución de diferentes insumos, tipos de

costos, forma de las distribuciones de los puntajes de eficiencia, etc. Los métodos de

fronteras paramétricas más usados son el análisis de fronteras estocásticas (SFA por sus

siglas en ingles) y MCO. Por otro lado, están los métodos de frontera no paramétricas, los

cuales no requieren una especificación a priori de la forma funcional subyacente. De hecho,

a menudo se asume que estas fronteras son lineales por partes (o localmente lineales).

Como ejemplo de técnicas no paramétricas están el análisis de envolvente de datos (DEA

por sus siglas en ingles), análisis envolvente de datos estocástico semi-no-paramétrico

(StoNED por sus siglas en inglés) (Balezentis, 2014).

En cuanto a los modelos estocásticos de frontera, estos dividen la distancia total entre una

observación y una frontera en partes estocásticas, por lo tanto, generalmente se obtienen

puntuaciones de eficiencia más altas. Sin embargo, se requieren ciertas suposiciones con

respecto a la distribución subyacente de los puntajes de eficiencia. Como ejemplo de

fronteras estocásticas incluyen SFA, y StoNED. Los modelos deterministas, por otro lado,

atribuyen la distancia total entre una observación y una frontera a la ineficiencia o al ruido

aleatorio. En consecuencia, los puntajes de eficiencia pueden ser subestimados gracias a



la influencia de los valores atípicos. Los modelos deterministas (desde el punto de vista

del análisis de eficiencia) son modelos MCO, mínimos cuadrados ordinarios corregidos

(MCOC), DEA, free disposal hull (FDH). (Bravo-Ureta y otros., 2007).

Análisis envolvente de datos (DEA)

El análisis envolvente de datos (DEA) es una herramienta cuantitativa y analítica con un

enfoque "orientado a los datos" para evaluar el desempeño de un conjunto de entidades,

firmas, organizaciones, empresas, etc., que para el caso se denominan Unidades de Toma

de Decisiones (DMU por sus siglas en inglés), que convierten múltiples entradas en

múltiples salidas (Cooper, Seiford, y Zhu, 2011; Santos, Negas, y Santos, 2013).

El DEA es un modelo de programación lineal, que establece una medida de eficiencia

relativa de un conjunto de DMU’s y determina el grado de desempeño de estas unidades

durante el proceso de transformación de insumos en productos, esto basado en la medida

universal de productividad.

Lo esencial es que las DMU’s tengan control sobre sus operaciones y que sean

comparables: que realicen esencialmente la misma tarea utilizando insumos (entradas)

similares para producir resultados (salidas) similares y que operen en condiciones

ambientales similares (Joro y Korhonen, 2015).

Durante los últimos 40 años se ha aceptado el DEA como una herramienta para medir

eficiencia y productividad dentro del campo de la ciencia e investigación de operaciones

en diferentes tipos de entidades (sin fines de lucro, gubernamentales, privadas, etc.) en

diferentes áreas de aplicación como son: energía, industria, banca, educación, salud, entre

otros en varios países (Emrouznejad y Yang, 2018).

El análisis envolvente de datos (DEA) se basa en técnicas de programación matemática.

La característica principal de los métodos DEA es que no requieren la especificación de

una forma funcional para la tecnología como es el caso de los modelos paramétricos. Sin

embargo, un inconveniente importante de estos métodos es que son deterministas y, por


lo tanto, se ven afectados por observaciones extremas. Otra característica de los métodos

DEA es la sensibilidad potencial de los puntajes de eficiencia al número de observaciones

así como a la dimensionalidad de la frontera (Bravo-Ureta y otros., 2007).

Formalmente, DEA es una metodología dirigida a las desviaciones en el nivel superior en

la frontera de producción, en lugar de las tendencias centrales ajustadas en un plano de

regresión a través del centro de los datos como en las regresiones estadísticas (ver Figura

1-5). Por ejemplo, se puede considerar medir la eficiencia de una entidad comparada con

otra o, más precisamente, decir que una DMU es más eficiente que otra DMU. Esto se

logra de manera directa por DEA sin requerir suposiciones y variaciones explícitamente

formuladas que se requieren con otros tipos de modelos, como los modelos de regresión

lineal y no lineal (Cooper y otros., 2011).

La mayor ventaja del DEA es su flexibilidad, en el sentido de que impone condiciones

menos restrictivas sobre la tecnología de referencia (forma de la función de producción) y

también en cuanto a que se adapta a contextos multiproducto y multidisciplinario, incluso,

de ausencia de precios, con relativa sencillez (Olesen & Petersen, 2016). Otra ventaja del

DEA es que permite relacionar simultáneamente múltiples entradas con múltiples salidas,

pudiendo identificar cuales entradas (recursos-inputs) están siendo ineficientes (Charnes,

Cooper, y Thrall, 1991).

Figura 1-5. Comparación método DEA y regresión.

Fuente: Tomado de Rodriguez (2011)



La eficiencia relativa en DEA concuerda con la siguiente definición: una DMU se debe

calificar como totalmente (100%) eficiente con base en la evidencia disponible, si y solo si

el rendimiento de otras DMU no muestra que algunas de sus entradas o salidas pueden

mejorarse sin empeorar algunas de sus otras entradas o salidas. Se debe tener en cuenta

que esta definición evita la necesidad de recurrir a valores, suposiciones o ponderaciones

que se seleccionan a priori y se supone que reflejan la importancia relativa de las diferentes

entradas o salidas. También evita la necesidad de especificar explícitamente las relaciones

formales que se supone que existen entre las entradas y las salidas. Sin embargo, este

tipo básico de eficiencia, denominado “eficiencia técnica” en economía, puede extenderse

a otros tipos de eficiencia cuando se tienen datos como precios, costos unitarios, etc., y

están disponibles para su uso con DEA (Cooper y otros., 2011).

Se puede establecer que el objetivo fundamental del DEA es medir la eficiencia y la

productividad de un conjunto de unidades que toman decisiones (DMU´s) mediante

indicadores; estos indicadores se pueden establecer tanto para las unidades que resulten

eficientes (iguales a 100%), como para las ineficientes con valores menores a 100%. En

este sentido, Rodríguez (2003) expresa que la finalidad del DEA es llegar a establecer,

dentro de un conjunto de DMU's cuales de ellas conforman el conjunto de unidades

eficientes (gráficamente se ubican en la superficie envolvente) y cuales son aquellas que

necesitan mejorar su desempeño (aquellas que no hacen parte de la frontera). Esto implica

que a nivel gerencial los beneficios de utilizar esta herramienta se puede observar en:

El establecimiento de un único indicador para cada unidad bajo estudio, contando

con una plataforma de estudio de múltiples entradas y múltiples salidas.

La identificación de las unidades ineficientes no solo en la determinación de esta

calidad, sino adicionalmente en el valor de esa ineficiencia (en términos

porcentuales).

La toma de decisiones para la reasignación de recursos teniendo como base los

resultados de los indicadores de eficiencia.

El establecer objetivos de eficiencia claros, concretos y medibles para cada unidad

bajo estudio.

El mejorar el proceso de toma de decisiones, puesto que se tiene una mejor

información respecto al comportamiento de cada unidad.


El llegar a determinar en qué cantidad podría reducirse el consumo de recursos sin

que suponga una disminución en los niveles de producción.

El llegar a establecer en cuanto podría aumentar la producción de cada ítem sin

necesidad de incurrir en mayores consumos de recursos.

El modelo DEA recoge en un solo índice el conjunto de salidas de las DMU´s. Esto se

denomina índice de output virtual y, de forma simultánea, un índice de inputs virtual. Luego

combina en una sola relación el conjunto de factores utilizados en proceso productivo

mediante un sistema de ponderaciones y genera un valor para cada DMU. Este último

valor demuestra el nivel de eficiencia y asume valores entre 0 y 1, de tal manera que el

nivel 1 o 100% significa que una o más unidades son eficientes respecto al conjunto

estudiado; las demás DMU tomaran valores entre 0 (0%) y menores a 1, estas unidades

serán consideradas ineficientes. Entre más cercano a 0 sea el valor de una DMU, esta será

más ineficiente que las que indiquen valores cercanos a 1 (Rodríguez, 2011).

Como aspectos negativos de la metodología DEA, Rodríguez (2011) menciona que, al ser

una metodología de tipo determinístico la unidad ineficiente solo esta determinada por la

distancia entre la frontera ineficiente y su ubicación. También se pueden presentar casos

donde el resultado del índice de eficiencia no evalué todo el conjunto de entradas y salidas

debido a que toma valores extremos en la relación entradas versus salidas generando

DMU´s superiores al resto.

En el ámbito de la gestión de operaciones se conoce que los recursos son escasos, por lo

tanto, siempre se busca utilizarlos de la mejor manera. Para lo cual se tienen dos opciones;

la primera es mantener las salidas y disminuir el número de recursos utilizados, la segunda

es, aumentar las salidas con el mismo nivel de recursos que se están utilizando. Dado lo

anterior DEA permite manejar esta dos situaciones orientando los modelos a las salidas o

a las entradas (recursos) (Rodríguez, 2011).



Modelos de análisis envolvente de datos

1.8.1 Modelo CCR o CRS

El primer modelo DEA en publicarse fue desarrollado por Charnes, Cooper, y Rhodes

(1978) y se denominó modelo CCR por las siglas de los apellidos de los autores,

actualmente se conoce como modelo CRS por su nombre en inglés Constant Returns to

Scale, y en español es conocido como retornos constantes de escala.

Cooper y otros., (2011) asumieron que para la formulación matemática se parte de la

consideración de un conjunto compuesto por n DMU´s, denotadas como DMU (j=l, . .. ,n);

las cuales utilizan recursos xij (i=l, ... ,m) y generan s outputs yrj (r=1, ... ,s). Si los

multiplicadores ῡi, ūr, asociados con i entradas y r salidas respectivamente son conocidos

teniendo en cuenta la teoría convencional beneficio/costo que es la base para la medida

estándar de la productividad; entonces la eficiencia ēj de DMUj se puede expresar como la

proporción (relación) de los pesos de las salidas y los pesos de las entradas, así:

∑ ū𝑟𝑦𝑟𝑗𝑟∑ ῡ𝑖𝑥𝑖𝑗𝑖

⁄

Charnes y otros., (1978) propusieron derivar apropiadamente los multiplicadores para que

cada DMU obtenga la solución particular al problema de programación no-lineal.

Específicamente si la DMU0 está bajo estudio, este modelo da la solución del problema de

programación fraccional para la medida de eficiencia técnica de esa DMU0:

𝑒𝑜 = max ∑ 𝑢𝑟𝑦𝑟0𝑟∑ 𝑣𝑖𝑥𝑖0𝑖

⁄

Sujeto a:

∑ 𝑢𝑟𝑦𝑟𝑗𝑟 − ∑ 𝑣𝑖𝑥𝑖𝑗 ≤ 0, para todo 𝑗𝑖 (5)

𝑢𝑟 , 𝑣𝑖 ≥ ℇ, para todo 𝑟, 𝑖

Donde ℇ es un valor no-arquimidian designado estrictamente positivo.

Posteriormente Charnes y otros., (1978) restringieron esta variable simplemente como no

negativa (ℇ = 0), la imposición de ser un valor positivo (ℇ > 0) fue introducida en el siguiente


trabajo (Charnes, Cooper, y Rhodes, 1981), en este trabajo aplicaron la teoría de

programación fraccionaria de tal manera que interpretaron el siguiente modelo de

programación lineal:

𝑒𝑜 = max ∑µ𝑟𝑦𝑟0

𝑟

Sujeto a:

∑𝑣𝑖𝑥𝑖0 = 1

𝑖

∑ µ𝑟𝑦𝑟𝑗 − ∑ 𝑣𝑖𝑥𝑖𝑗 ≤ 0, ∀𝑗𝑖𝑟 (6)

µ𝑟 , 𝑣𝑖 ≥ ℇ para todo 𝑟, 𝑖

Por dualidad, el siguiente problema es equivalente al problema de programación lineal

(Santos y otros., 2013):

min 𝜃0 − ℇ (∑𝑠𝑟+ + ∑𝑠𝑖

−

𝑖𝑟

)

Sujeto a:

∑𝜆𝑗 𝑥𝑖𝑗 + 𝑠𝑖− = 𝜃0𝑥𝑖0,

𝑗

𝑖 = 1,… ,𝑚

∑ 𝜆𝑗 𝑥𝑟𝑗 − 𝑠𝑟+ = 𝑦𝑟0,𝑗 𝑟 = 1,… , 𝑠 (7)

𝜆𝑗 , 𝑠𝑖−, 𝑠𝑟

+ ≥ 0, ∀𝑖, 𝑗, 𝑟

𝜃0 sin restricción.

El problema (6) se conoce como la envolvente o problema primordial, y (7) el multiplicador

o problema dual. El espacio de restricción de (7) define el conjunto de posibilidades de

producción T (Cook y Seiford, 2009; Rodríguez, 2011), es decir:

𝑇 = {(𝑋, 𝑌)| 𝑋 ≥ ∑𝜆𝑗𝑋𝑗 , 𝑌 ≤

𝑗

∑𝜆𝑗𝑌𝑗 , 𝜆𝑗 ≥ 0

𝑗

}

En la Figura 1-6 se muestra la frontera de posibilidades de producción generada por la

aplicación del modelo CCR para el caso de una entrada y una salida.



Figura 1-6. Frontera de producción CCR eficiente.

Fuente: Adaptado de Cook y Seiford (2009); Cooper y otros., (2011) y Rodríguez (2011)

1.8.2 Modelo BCC o VRS

Este modelo aparece posteriormente al CCR, es también conocido como modelo VRS

(Variable Returns to Scale). Banker, Charnes, y Cooper (1984) desarrollaron el modelo

BCC. Este modelo agrega una variable adicional (u0) al numerador, lo cual permite cambios

en los rendimientos variables de escala, esta variable adicional hace posible efectuar

evaluaciones de retornos a escala (constantes, crecientes y decrecientes) (Rajiv D Banker,

Cooper, Seiford, y Zhu, 2011; Cook y Seiford, 2009), es decir, cuando hay aumento

equitativo en todas las entradas y provoca un aumento más que proporcional en todas las

salidas a lo largo de la frontera de producción, prevalecen los rendimientos a escala

crecientes. De manera similar, los rendimientos a escala decrecientes se mantienen

cuando el aumento proporcional en los productos es inferior al aumento proporcional en

los insumos. En el caso de rendimientos constantes a escala, las salidas y entradas

aumentan (o disminuyen) en la misma proporción a lo largo de la frontera de producción

(Ray y Chen, 2015).


El modelo de relación BCC difiere de (5), por medio de una variable adicional, es decir:

𝑒0∗ = max [∑𝑢𝑟𝑦𝑟0 − 𝑢0

𝑟

] / ∑𝑣𝑖 𝑥𝑖0

𝑖

Sujeto a:

∑𝑢𝑟𝑦𝑟𝑗 − 𝑢0 −

𝑟

∑𝑣𝑖 𝑥𝑖𝑗 ≤ 0, 𝑗 = 1,… , 𝑛

𝑖

𝑢𝑟 ≥ ℇ, 𝑣𝑖 ≥ ℇ, ∀𝑖, 𝑟 (8)

𝑢0 no está restringida en signo

Con su equivalente en programación lineal:

𝑒0∗ = max ∑µ𝑟𝑦𝑟𝑜 − µ0

𝑟

Sujeto a:

∑𝑣𝑖 𝑥𝑖0

𝑖

= 1

∑ µ𝑟𝑦𝑟𝑗 − µ0 − 𝑟 ∑ 𝑣𝑖 𝑥𝑖𝑗 ≤ 0, 𝑗 = 1,… , 𝑛𝑖 (9)

µ𝑟 ≥ ℇ, 𝑟𝑖 ≥ ℇ, ∀𝑖, 𝑟

µ0 irrestricta

Con su dual:

min 𝜃0 − ℇ (∑𝑠𝑖− + ∑𝑠𝑟

+

𝑟𝑖

)

Sujeto a:

∑𝜆𝑗 𝑥𝑖𝑗 + 𝑠𝑖− = 𝜃0𝑥𝑖0,

𝑗

𝑖 = 1,… ,𝑚

∑ 𝜆𝑗 𝑥𝑟0 − 𝑠𝑟+ = 𝑦𝑟0,𝑗 𝑟 = 1,… , 𝑠 (10)

∑𝜆𝑗 = 1

𝑗

𝜆𝑗 , 𝑠𝑖−, 𝑠𝑟

+ ≥ 0, ∀𝑖, 𝑗, 𝑟

𝜃0 irrestricta



Se observa que (10) difiere de (7) en que tiene una restricción de adicional de convexidad

λj, es términos ∑ 𝜆𝑗 = 1𝑗 (Cook y Seiford, 2009; Rodríguez, 2011).

En la Figura 7 se observa el caso de VRS para una entrada y una salida, la frontera está

compuesta por la DMU A, C, E y H, las unidades B, D, G y F son ineficientes

Figura 1-7. Frontera de producción BCC eficiente.

Fuente: Adaptado de Cook y Seiford (2009); Joro y Korhonen (2015) y Rodríguez (2011)

Analizando los dos modelos se debe plantear que la DMU0 que está designada como

eficiente por el modelo CCR, entonces también será designada como eficiente por el

modelo BCC. Los modelos CCR y BCC difieren solo porque este último tiene la restricción

adicional ∑ 𝜆𝑗 = 1𝑗 . Por lo tanto, se mantiene la siguiente relación:

𝜃𝐶𝐶𝑅∗ − ℇ (∑𝑠𝑖

−∗ + ∑ 𝑠𝑟+∗

𝑠

𝑟=1

𝑚

𝑖=1

) ≤ 𝜃𝐵𝐶𝐶∗ − ℇ (∑𝑠𝑖

−∗ + ∑𝑠𝑟+∗

𝑠

𝑟=1

𝑚

𝑖=1

)

Donde las expresiones a la izquierda y derecha de la desigualdad, respectivamente,

designan valores óptimos para el objetivo de los modelos CCR y BCC (Rajiv D Banker y

otros., 2011). Lo anterior se representa en la Figura 1-8 integrada por las fronteras de

producción CCR y BCC para un conjunto de DMU´s. La frontera del modelo BCC eficiente

está conformada por las unidades A, C, E, y H; las unidades ineficientes son B, D, G, y F.


Se observa en el segmento A hasta C, pero sin incluir el punto C constituye retornos de

escala crecientes, en el segmento (C-E) tiene retornos de escala constantes (estos puntos

forman parte de ambas fronteras de producción CCR y BCC), por último el segmento E

(sin incluir E) hasta H tiene retornos de escala decrecientes. Es decir todas las DMU´s

CCR eficientes también son BCC eficientes, pero no todas las DMU´s BCC eficientes son

necesariamente CCR eficientes (Cook & Seiford, 2009; Joro & Korhonen, 2015; Rodríguez,

2011).

Figura 1-8. Frontera de producción CCR y BCC eficientes.


1.8.3 Orientación de los modelos

Hay dos alternativas a considerar para medir la eficiencia relativa de una DMU que utiliza

un paquete de entradas (inputs) y produce el paquete de salidas (outputs), para esto se

usan los modelos CCR y BCC con un enfoque orientado a las salidas, que busca aumentar

las salidas sin intervenir los valores de las entradas; o se usa un enfoque con orientación

a las entradas, el cual trata de reducir las entradas para cada DMU sin variación en las

salidas, hasta que en cualquiera de los dos modelos y según su orientación se llegue a la

frontera de producción eficiente (Cooper y otros., 2011).

Teniendo en cuenta que se trabaja con n DMU´s que se quieren evaluar y que cada una

de ellas usan variadas cantidades de m diferentes recursos (inputs) para producir s



diferentes salidas (outputs). Específicamente: DMUj consume Xj = {xij} cantidades de

entradas (i = l, ... , m) y produce Yj = {Yrj} cantidades de salidas (r = l , ... , s). Adicionalmente

se asume que xij > 0 y Yij > 0. La matriz s x n de salidas es denotada como Y. La matriz m

x n de entradas es denotada por X. Por lo tanto para lograr que una DMU ineficiente se

convierta en eficiente se realiza una proyección sobre la envolvente; dicha proyección será

denotada por (�̂�0, �̂�0), y dependerá del modelo empleado y más exactamente de la

orientación del modelo (Rodríguez, 2011).

Entonces DMU0 es CCR y BCC eficiente si ℇ > 0 tal que los valores optimos de

q0*=Z0*=𝜔0 ∗=1; de lo contrario, DMU0 es ineficiente. Si la unidad es CCR eficiente,

también es BCC eficiente, pero no al contrario.

θ: variable proporcional escalar de reducción aplicada a todos las entradas de la DMU0

para mejorar eficiencia.

ℇ: constante infinitesimal no-arquimidia, permite la minimización sobre θ.

𝑠+, 𝑠−: Variables de holgura.

1⃗ : Vector de unos.

1.8.4 Orientaciones del modelo CCR o CRS

Los modelos CCR orientados a entradas y salidas y sus modelos duales se resumen en la

Tabla 1-1. En la literatura de DEA, la formulación primal se denomina modelo multiplicador

(M) y la formulación dual como modelo envolvente (E). Se debe considerar que en el

modelo orientado a las entradas, el valor óptimo de θ en el modelo de envoltura es un

puntaje de eficiencia. En cambio, en la orientación de salida, el puntaje de eficiencia se

obtiene como un recíproco de σ en el óptimo (=1/σ). Teniendo en cuenta que, por lo

general, se obtienen diferentes puntuaciones de eficiencia al utilizar un modelo orientado

a la entrada y un modelo orientado a la salida. Sin embargo, la eficiencia de una DMU se

puede resolver con cualquier modelo.


Tabla 1-1. Modelo CCR orientado a las salidas y entradas, formulación primal y dual

CCR orientado a las entradas (CCRM) CCR orientado a las entradas (CCRE)

max µ, v 𝜔0 = µT Y0

Sujeto a:

vT X0 = 1

µT Y − vT X ≤ 0

−µT ≤ − ℇ ∙ 1⃗⃖

−vT ≤ − ℇ ∙ 1⃗

min θ, 𝜆, 𝑠+, 𝑠− Z0 = θ − ℇ ∙ 1⃗ 𝑠+ − ℇ ∙ 1⃗ 𝑠−

Sujeto a:

Yλ − 𝑠+ = Y0

θX0 − Xλ − 𝑠− = 0

𝜆, 𝑠+, 𝑠− ≥ 0

CCR orientado a las salidas (CCRM) CCR orientado a las salidas (CCRE)

min µ, v q0 = vT X0

Sujeto a:

µT Y0 = 1

µT Y − vT X ≥ 0

µT ≥ − ℇ ∙ 1⃗

vT ≥ − ℇ ∙ 1⃗

maxφ, 𝜆, 𝑠+, 𝑠− Z0 = φ − ℇ ∙ 1⃗ 𝑠+ − ℇ ∙ 1⃗ 𝑠−

Sujeto a:

φY0 − Y𝜆 + 𝑠+ = 0

Xλ + 𝑠− = X0

𝜆, 𝑠+, 𝑠− ≥ 0


En la Figura 1-9 se muestra gráficamente el desplazamiento de las DMU´s ineficientes

hacia la frontera de producción, cuando se minimizan las entradas y se mantienen las

salidas

Figura 1-9. Modelo CCR orientado a las entradas.

Fuente: Adaptado de Cooper y otros; y Rodríguez (2011).



La Figura 1-10 muestra cómo se optimizan las salidas de las DMU´s sin afectar las

entradas en el modelo CCR.

Figura 1-10. Modelo CCR orientado a las salidas.

Fuente: Adaptado de Cooper y otros; y Rodríguez (2011).

1.8.5 Orientaciones del modelo BCC o VRS

Tabla 1-2. Modelo BCC orientado a las salidas y entradas, formulación primal y dual

BCC orientado a las entradas (BCCM) BCC orientado a las entradas (BCCE)

max 𝜇, v 𝜔0 = µT Y0 + u0

Sujeto a:

vT X0 = 1

µTY − vTX + u0 ≤ 0

−µT ≤ − ℇ ∙ 1⃗

−vT ≤ − ℇ ∙ 1⃗

u0 libre en signo

min θ, 𝜆, 𝑠+, 𝑠− Z0 = θ − ℇ ∙ 1⃗ 𝑠+ − ℇ ∙ 1⃗ 𝑠−

Sujeto a:

Yλ − 𝑠+ = Y0

θX0 − Xλ − 𝑠− = 0

1⃗ 𝜆 ≥ 1

𝜆, 𝑠+, 𝑠− ≥ 0


BCC orientado a las salidas (BCCM) BCC orientado a las salidas (BCCE)

min µ, v, v0 q0 = vT X0 + v0

Sujeto a:

µT Y0 = 1

−µTY + vTX + vo1⃗ ≥ 0

µT ≥ ℇ ∙ 1⃗

vT ≥ ℇ ∙ 1⃗

v0 libre en signo

maxφ, 𝜆, 𝑠+, 𝑠− Z0 = φ − ℇ ∙ 1⃗ 𝑠+ − ℇ ∙ 1⃗ 𝑠−

Sujeto a:

φY0 − Y𝜆 + 𝑠+ = 0

Xλ − 𝑠− = X0

1⃗ 𝜆 = 1

𝜆, 𝑠+, 𝑠− ≥ 0

Fuente: Adaptado de Rodríguez (2011); y Joro y Korhonen (2015).

En la Figura 1-11 se muestra gráficamente el desplazamiento de las DMU´s ineficientes

hacia la frontera de producción, cuando se minimizan las entradas y se mantienen las

salidas.

Figura 1-11. Modelo BCC orientado a las entradas.

Fuente: Tomado de Rodríguez (2011).

La Figura 12 muestra cómo se optimizan las salidas de las DMU´s sin afectar las entradas

en el modelo BCC.



Figura 1-12. Modelo BCC orientado a las salidas.

Fuente: Tomado de Rodríguez (2011).

Mediante una revisión sistemática de literatura en las bases de datos Scopus y Web of

Science (WOS) del listado de recursos electrónicos de la biblioteca de la Universidad

Nacional de Colombia se formularon ecuaciones de búsqueda con las siguientes palabras

clave: "Technical efficiency", "Technical efficiency" AND "Data envelopment analysis" y

"Technical efficiency" AND "Data envelopment analysis" AND “farms”. Posteriormente

refinó la búsqueda limitando hacia las áreas de: administración, ciencias económicas,

investigación de operaciones, ciencias de gestión, negocios, política económica agrícola,

estudios ambientales, ingeniería agrícola, ciencias sociales interdisciplinarias, probabilidad

estadística, ciencias veterinarias, ciencia y tecnología de los alimentos, ciencia y tecnología

sostenible.

Por lo anterior, los estudios realizados en los últimos años utilizando la metodología DEA,

estos se basan en sostenibilidad ambiental y social, a través metodologías como son

modelos de DEA tradicionales, incluidos los modelos CCR y BCC, índice de productividad

Malmquist basado en la DEA, red DEA de dos etapas, eficiencia cruzada, supereficiencia,

marco de evaluación de factores contextuales de dos etapas que primero obtiene

puntuaciones de eficiencia a través del análisis de la DEA y luego las relaciona con

diversos factores contextuales, benchmarking, bootstrap y bootstrapping. Y los principales

campos de aplicación son; la agricultura, banca, manufactura, energía, las cadenas de


suministro, el transporte, logística, y las políticas públicas (Emrouznejad y Yang, 2018; H.

Zhou, Yang, Chen, y Zhu, 2018).

Sector porcícola mundial

La producción mundial de carne ha venido en aumento durante los últimos años; la carne

de cerdo es la más producida a nivel mundial. La producción de carne de cerdo para el

año 2018 fue de 121.533,06 millones de toneladas y se proyecta producir 123.044,59

millones de toneladas (Mt) para el año 2019, seguida de la carne de pollo y bovina con

120.886,06Mt y 72.239,42Mt respectivamente Tabla 3 (OECD/FAO, 2016). La producción

mundial de carne aumentará en casi 40 Mt para el año 2026 y el crecimiento seguirá siendo

impulsado principalmente por la producción avícola que aumenta de 119 Mt a 132 Mt

(+13%), así como por la producción de carne de cerdo que crecerá de 121 Mt a 128 Mt

(+10%). Toda la producción anterior será jalonada por cuatro países productores de carne

China, Unión Europea, Estados Unidos y Brasil, ya que se estima que estos cuatro países

representen el 78% de la producción mundial de carne en el año 2019 (OECD/FAO, 2017).

Tabla 1-3. Producción mundial de carne perspectivas agrícolas 2016-2025

Commodity Año

2015 2016 2017 2018 2019

Carne de cerdo (cwe) 117.738,05 118.402,01 119.919,80 121.533,06 123.044,59

Carne de pollo (rtc) 112.981,34 115.192,35 117.629,86 119.321,35 120.886,06

Carne de bovino (cwe) 67.799,51 69.106,49 70.028,90 70.890,85 72.239,42

Carne de ovinos (cwe) 14.337,46 14.473,32 14.778,40 15.076,14 15.425,73

Total 312.856,36 317.174,17 322.356,96 326.821,41 331.595,79

Fuente: OECD-FAO Agricultural Outlook 2016-2025 (OECD/FAO, 2016).

En cuanto al consumo de carne de cerdo por persona año a nivel mundial este difiere

significativamente entre las distintas regiones del mundo, de acuerdo con costumbres

alimenticias y niveles de ingresos. Por lo anterior, el consumo de la carne de cerdo se

ubica en el segundo lugar con un valor de 12,49kg por persona año, después de la carne

de pollo con 13,86kg persona año (Tabla 1-4) (OECD/FAO, 2016). Sin embargo, se espera



que para los próximos años el consumo de carne de cerdo por persona aumente con mayor

fuerza en términos absolutos en el mundo desarrollado (+2.9kg por persona), facilitado por

la disminución de los precios. Mientras que en los países en desarrollo existe una brecha

creciente que amplía la disponibilidad en 1.4kg por persona. Este menor aumento se refleja

en parte por las restricciones en el nivel de ingresos, problemas en la cadena de suministro

en algunas zonas (por ejemplo, falta de infraestructura para una cadena de refrigeración),

y, en algunas regiones, preferencias alimentarias en las que la proteína se obtiene de

fuentes no cárnicas. En los países menos desarrollados se espera que sumen 0.3 kg por

persona, debido al lento crecimiento de su ingreso disponible. El consumo por persona de

carne de cerdo se mantendrá en un estable crecimiento en todo el mundo para la próxima

década, pero se espera un fuerte aumento en las regiones y países en los que dicho

producto es popular, como en América Latina, Filipinas, Tailandia y Vietnam (OECD/FAO,

2018).

Tabla 1-4. Consumo mundial de carne por persona año perspectivas agrícolas 2016-2025

Commodity Año

2015 2016 2017 2018 2019

Carne de pollo (rtc) 13,48 13,65 13,78 13,83 13,86

Carne de cerdo (cwe) 12,48 12,43 12,43 12,46 12,49

Carne de bovino (cwe) 6,43 6,49 6,50 6,51 6,56

Carne de ovino (cwe) 1,71 1,72 1,73 1,75 1,77


A partir del año 2013 la Organización para la Cooperación y el Desarrollo Económicos

(OCDE) decidió iniciar la discusión sobre la adhesión de Colombia a este grupo. Para

entrar a este grupo se establecieron hojas de ruta en diferentes áreas como fueron;

agricultura, comercio exterior, asuntos fiscales, competitividad, economía y desarrollo,

educación, gobernanza publica, política ambiental, ciencia y tecnología, desarrollo

territorial, entre otros. En septiembre de 2013, el Comité de Agricultura de la OCDE

[Documento C(2013)110/FINAL] estableció los términos, las condiciones y el proceso de

adhesión (OECD, 2015). Para el caso de la carne de cerdo entre los países miembros del


grupo de la OCDE, esta se ubica en el segundo lugar desde el año 2015 a 2019, para cada

una de las variables (producción, consumo y consumo por persona año) ver Tabla 1-5.

Tabla 1-5. Producción, consumo y consumo por persona de carnes entre países miembro de la OCDE

Commodity Año 2015 2016 2017 2018 2019

Variable

Carne de pollo

(rtc)

Producción

(Mt)

45.252,98 46.237,73 47.088,30 47.660,70 48.142,51

Carne de cerdo

(cwe) 41.644,57 41.963,61 42.061,55 42.393,43 42.749,59

Carne bovina

(cwe) 27.054,51 27.419,46 27.621,30 28.007,73 28.403,63

Carne ovina

(cwe) 2.700,56 2.622,67 2.633,02 2.649,86 2.688,09

Carne de pollo

(rtc)

Consumo

(Mt)

42.651,43 43.687,65 44.283,84 44.668,96 44.970,98

Carne de cerdo

(cwe) 39.103,66 39.398,78 39.391,81 39.636,81 39.921,52

Carne bovina

(cwe) 26.210,60 26.571,00 26.612,42 26.933,31 27.272,19

Carne ovina

(cwe) 2.003,00 2.002,77 2.001,51 2.001,93 2.007,46

Carne de pollo

(rtc)

Consumo

por persona

(kg)

28,58 29,12 29,38 29,50 29,56

Carne de cerdo

(cwe) 23,22 23,28 23,16 23,20 23,26

Carne bovina

(cwe) 13,97 14,09 14,04 14,15 14,26

Carne ovina

(cwe) 1,34 1,34 1,33 1,32 1,32


A partir de su ingreso a la OCDE, Colombia se comprometió a mejorar la productividad

agropecuaria. Una de las medidas más usadas de la productividad agropecuaria es la



productividad total de los factores (PTF). La PTF toma en cuenta todos los recursos de

tierra, mano de obra, capital y materiales empleados en la producción agrícola y los

compara con la cantidad total de producción agrícola y ganadera. Si la producción total

crece más rápido que los insumos totales, entonces la productividad total de los factores

de producción (es decir, la productividad total de los factores) está aumentando. La OCDE

en el año 2015 estimó que la mayor parte del crecimiento de la PTF en el sector

agropecuario se origina en el sector ganadero, especialmente en la cría de cerdos y aves.

En Colombia, al igual que en otros países de América Latina, parece que la PTF ha sido

impulsada por el cambio tecnológico mejorando la eficiencia productiva (OECD, 2015).

El bajo crecimiento en la productividad agropecuaria en Colombia ha sido consecuencia

de diversos factores; por mencionar algunos: el alto costo del transporte debido a la mala

infraestructura vial que conecta las regiones productoras con los centros de consumo y los

puertos lo que eleva los costos comerciales; la política agropecuaria basada en subsidios

e intervención de precios al consumidor, restando inversión a infraestructura, investigación

y desarrollo; y por último, históricamente la distribución desigual de la tierra y la ilegalidad

sobre la tenencia de la misma perjudica la creación de nuevas zonas de producción a gran

escala (Olaberría, 2017).

Por lo tanto, la OCDE recomienda establecer estrategias en tres aspectos: a) reducir los

costos de transporte mejorando o invirtiendo en nuevas carreteras, especialmente en las

vías terciarias; b) seguir mejorando la infraestructura logística la cual es la clave para el

comercio nacional e internacional, y c) la resolución del conflicto armado deberá permitir

el acceso a la tierras baldías y trabajo con comunidades rurales con el fin de abastecer la

demanda local de alimento e ir mejorando la productividad de las distintas regiones del

país (OECD, 2015).

El sector agropecuario colombiano es clave en términos de producto interno bruto (PIB),

su participación es de casi el 7%, cuatro veces mayor que el promedio de la OCDE (1,6%),

y más alto que en los grandes países de América Latina. Del mismo modo, el empleo en

el sector agropecuario supera el 16% del total en comparación con el 6% en la OCDE

(Olaberría, 2017).


Durante el año 2016 (enero – diciembre), el PIB agropecuario creció 2,0% respecto al año

2015. Para el año 2016, el valor agregado de la actividad económica “agricultura,

ganadería, caza, silvicultura y pesca” a la cual pertenece la porcicultura aumentó en 0,5%

comparado con 2015, explicado principalmente por el incremento de producción pecuaria

en 0,9% y cultivo de otros productos agrícolas en 0,6%. El valor agregado de la actividad

pecuaria se dio en mayor medida por el crecimiento en la producción de ganado porcino

en 10,4% (DANE, 2014; Perfetti del Corral, Prada Lombo, & Buitrago Hoyos, 2017).

Durante el año 2017 (enero – diciembre) el PIB agropecuario creció 1,8% respecto al

mismo periodo del año 2016. La actividad con mayor crecimiento fue “agricultura,

ganadería, caza, silvicultura y pesca”. Así mismo el valor agregado de esta rama aumentó

en 4,9% comparado con el mismo periodo de 2016, explicado principalmente por el

crecimiento de cultivo de otros productos agrícolas en 8,1% y en la actividad pecuaria,

caza y pesca en 4,1%, dado entre otros por el incremento en la producción de leche sin

elaborar en 11,0%; huevos con cáscara frescos en 7,9%; aves de corral en 5,7%; y ganado

porcino en 2,2%, en tanto la producción de ganado bovino disminuyó en 3,7% (DANE,

2018).

El PIB agropecuario creció 2,7% en el año 2018 respecto al año 2017. Para el año 2018,

el valor agregado de la “agricultura, ganadería, caza, silvicultura y pesca” creció 2,0%,

respecto al mismo periodo de 2017. Esta dinámica se explica por el aumento en los valores

de pesca y acuicultura, la cual creció en un 7,4% y la ganadería que creció en 3,6%. Para

este periodo no hay valores específicos en el ítem producción porcícola (DANE, 2019).

Aparte de las cifras anteriormente mencionadas, en Colombia hay otras entidades

encargadas de llevar los registros de producción porcícola las cuales son el Sistema

Nacional de Recaudo de la Asociación Porkcolombia – Fondo Nacional de la Porcicultura

(Porkcolombia – FNP) y del Instituto Colombiano Agropecuario (ICA). De acuerdo con

Porkcolombia (2017, 2019a) la producción de carne de cerdo en Colombia cerró el año

2018 con 409.789 toneladas (Tm), equivalente a 4.427.301 cabezas (cb) beneficiadas,

esta cifra equivale a un crecimiento del 8,7% respecto al año 2016 en el cual se

beneficiaron 4.070.372cb que representan 355.750Tm de carne de cerdo.



Figura 1-13. Sacrificio porcino en Colombia entre el año 2015 y 2019.

Adaptado de: Análisis de coyuntura del sector porcicultor del año 2018 y perspectivas 2019 (Porkcolombia, 2019a)

En cuanto al consumo de carne de cerdo esta siguió ganando terreno frente a otras

proteínas de origen animal, especialmente la de bovino.

Figura 1-14. Consumo por persona año de carne de cerdo en Colombia entre el año 2015

y 2018.

Adaptado de: Análisis de coyuntura del sector porcicultor del año 2018 y perspectivas 2019 (Porkcolombia, 2019a).

3.622.430

4.070.372 4.135.990 4.427.301

4.840.880

1.000.000

1.500.000

2.000.000

2.500.000

3.000.000

3.500.000

4.000.000

4.500.000

5.000.000

2015 2016 2017 2018 2019

Nú

mer

o d

e ca

bez

as

Año

Sacrificio porcino nacional

7,8

8,5

9,2

10,3

5

6

7

8

9

10

11

2015 2016 2017 2018

kg

po

r hab

itan

te

Año


Para el año 2018 Colombia contó con una población porcina de 5.507.374 de animales,

distribuidos en 239.199 predios, lo que refleja un incremento tanto de población como de

predios porcícolas (Tabla 1-6). Estos animales se encuentran localizados principalmente

en los departamentos de Antioquia (33,69%), Cundinamarca (9,78%), Córdoba (6,90%) y

Valle del Cauca (5,65%); en estos departamentos se concentra cerca del 56,02% de la

población porcina nacional. Esta información, aunada a los flujos de movilización y al

diagnóstico de enfermedades, se convierte en una herramienta esencial para el diseño de

los programas productivos y sanitarios que involucran a esta especie (ICA, 2019).

Tabla 1-6. Inventario de animales y predios porcinos en Colombia desde el año 2016 a 2018.

Departamento

Año 2016 Año 2017 Año 2018

Número de

animales

Número de

predios

Número de

animales

Número de

predios

Número de

animales

Número de

predios

Antioquia 1.753.388 23.656 1.733.529 20.817 1.855.405 18.698

Cundinamarca 517.939 21.639 484.888 15.487 538.678 9.086

Córdoba 157.516 26.549 367.737 40.552 380.210 41.397

Valle del Cauca 416.784 2.732 310.392 1.768 311.394 2.232

Otros 2.249.037 144.122 2.430.914 156.259 2.421.687 167.786

Total 5.094.664 218.698 5.327.460 234.883 5.507.374 239.199

Fuente: Tomado de Censo Pecuario Nacional desde 2016 a 2018. Instituto Colombiano Agropecuario (ICA)

(2017, 2018, 2019)

Características generales de los sistemas de producción porcinos en Colombia

En el “enfoque de sistemas de producción” para la investigación y extensión agropecuaria,

se considera que un sistema agropecuario comprende la totalidad de las decisiones de

producción y consumo tomadas en una finca-granja, tales como la selección de cultivos y

animales, por lo cual ninguna finca hace el mismo uso de recursos, ni tiene los mismos

problemas. Dado lo anterior cada administrador o dueño de la finca debe tomar decisiones

únicas para su sistema de producción. Habitualmente, se aplican metodologías como

sondeos, evaluación rápida o por ubicación geográfica para agrupar o intentar

homogenizar los sistemas de producción agropecuarios, estas metodologías establecen



principios, criterios, métodos y técnicas comunes para la tipificación agropecuaria, y para

especificar la clasificación tipológica y regional de la agricultura mundial (Köbrich, Rehman,

y Khan, 2003). Los sistemas de producción porcinos en Colombia se pueden caracterizar

y agrupar en la siguiente (Tabla 1-7).

Tabla 1-7. Comparativo sistemas de producción porcina en Colombia

Tecnificado Tradicional Traspatio

Los cerdos provienen de

casas genéticas nacionales

Animales adquiridos en

ferias o mediante selección

dentro de la misma granja

Cerdos criollos o con alta

variabilidad genética

Cuentan con un manejo de

registros sanitarios,

productivos y económicos

Se llevan algunos registros

productivos y sanitarios No se llevan registros

Comercialización directa de

los cerdos con los

comercializadores

mayoristas y/o minoristas

Comercialización a

intermediarios en plantas

de sacrificio o ferias

ganaderas

No se comercializan

(autoconsumo)

Control estricto de la

bioseguridad de la granja

Control parcial de la

bioseguridad de la granja No hay control

Alimentación a base de

concentrados comerciales y

premezclas con registro

sanitario, acorde a la etapa

productiva de los cerdos

Uso de concentrado

comercial y desechos de

cosechas para la

alimentación de los cerdos

Los cerdos son alimentados

con productos y residuos

agrícolas obtenidos en la

misma finca. Algunos son

alimentados con lavazas o

residuos de restaurantes,

hoteles, etc.

Infraestructura adecuada

para cada etapa productiva,

los cerdos se mantienen en

confinamiento procurando

generar un ambiente

controlado

Infraestructura para semi-

confinamiento. Se cuenta

con instalaciones para

algunas etapas productivas

Infraestructura rustica, con

materiales no adecuados, o

al aire libre.


Tecnificado Tradicional Traspatio

Implementación de buenas

prácticas porcícolas, de

bienestar animal, control de

plagas y roedores, aseo y

desinfección y manejo

ambiental de residuos, etc.

Se implementan algunas

buenas practicas porcícolas No se implementan normas

Agrupamiento de los cerdos

de acuerdo a su etapa

productiva (lactancia,

precebos, ceba, hembras

gestantes, hembras en

lactancia, macho

reproductor)

Agrupamiento de los cerdos

según la infraestructura que

hay y el número de

espacios

No hay agrupamiento

Fuente: (Cárdenas Rincón, 2012; Sierra Gómez y Cuesta Cantor, 2014)

Sumado a lo anterior y de acuerdo al objetivo productivo, las granjas porcícolas se

clasifican en (Cárdenas Rincón, 2012):

Granjas de cría: Sistemas de producción dedicados a la producción de lechones

con pesos entre los 5 – 30 kg (dependiendo del tipo de destete), para ser vendidos

a otros sistemas de producción dedicados al levante y ceba.

Granjas de levante y ceba: Sistemas de producción que adquieren cerdos

destetados o en precebo con un peso entre 20 – 30 kg los cuales se alimentan

hasta adquirir un peso final de 100 – 115 kg para sacrificio.

Granjas de ciclo completo: Las cuales integran los procesos de cría, levante y ceba,

el objetivo de este tipo de granjas es tener el control de todo el sistema desde el

nacimiento de los lechones hasta su salida a sacrificio. Habitualmente se cuenta

con áreas separadas para los periodos de gestación y lactancia de las hembras

reproductoras, y otra área para el engorde de los cerdos destinados a la

comercialización cuando logren un peso entre 100 – 115 kg.

En general el proceso inicia con la selección de la línea a utilizar en la reproducción (línea

materna o tipo carne) para la obtención de los lechones, donde es importante el control y

cuidado durante la gestación y el parto. Se considera que la etapa más crítica es la



lactancia, pues aquí el lechón desarrolla su sistema inmunológico y de la ganancia de peso

durante esta fase depende el crecimiento en las demás etapas productivas. Una vez los

lechones tienen el peso ideal empieza la edad de levante (precebo), donde lo primero que

se hace es homogeneizar por grupos los cerdos con condiciones corporales similares, se

desparasitan, se alojan en corrales para evitarles estrés y favorecer su buen desarrollo. La

etapa de levante concluye aproximadamente a los 112 días de edad, cuando los cerdos

ya han alcanzado un peso de 60kg. Finalmente, la última etapa de los sistemas productivos

porcinos es la de engorde donde se favorece el suministro de alimento concentrado de

acuerdo con las cantidades recomendadas. Esta etapa finaliza cuando los cerdos vivos

han alcanzado un peso entre 100 y 115 kilos, ideal para el sacrificio (Galindo y Ramirez,

2018).

Los sistemas de producción porcícola están en el eslabón primario de la Cadena Cárnica

Porcina, a continuación se hace una descripción de cómo está estructurada esta cadena

(Figura 1-15) (Castellanos Méndez y otros., 2011; Galindo y Ramirez, 2018):

Suministro de insumos: definidos como los actores encargados de proveer o

abastecer de los insumos necesarios para la producción primaria, principalmente.

En este eslabón entran los proveedores de genética, de alimento concentrado, de

medicamentos y vacunas, de equipos y utensilios, y demás proveedores para las

granjas porcícolas.

Producción primaria: son los sistemas de producción encargados de obtener los

cerdos destinados para el sacrificio porcino, procesamiento de carne de cerdo y

consumo por parte de los seres humanos. Como se mencionó antes aquí entran

los tipos de granjas según el objeto productivo, principalmente las de ciclo completo

y de levante y ceba. En este eslabón es clave el factor humano que trabaja en las

granjas.

Comercio de animales en pie: definidos como los actores encargados de

comercializar animales en pie, adquiridos directamente en los sistemas de

producción y comercializados, con segmentos posteriores de la cadena.

Sacrificio animal: lo integran los actores encargados ofrecer el servicio del sacrifico

de los animales (plantas de beneficio y frigoríficos), para su posterior

comercialización en canal o despostada.


Desposte: este eslabón agrupa los actores encargados de adquirir carne en canal

(comercializadores mayoristas y minoristas), para su posterior desposte, deshuese

y porcionado, con el fin de ser comercializada como carne en cortes o postas, con

el eslabón del comercio minorista, planta de procesamiento de cárnicos o

consumidor final.

Comercio mayorista: son los actores encargados de la comercialización de la carne

en canal o despostada con el eslabón de comercio minorista o planta de

procesamiento de cárnicos.

Comercio minorista: son los actores encargados de comercializar la carne en

cortes, directamente con el consumidor final.

Consumo: actor que demanda el producto en los diferentes canales de

comercialización, y a partir del cual se desarrolla el análisis de la cadena.

Figura 1-15. Modelo de la Cadena Cárnica Porcina en Colombia.

Fuente: Tomado de Agenda de Investigación y Desarrollo Tecnológico para la Cadena

Cárnica Porcina. Ministerio de Agricultura y Desarrollo Rural (Castellanos Méndez y

otros., 2011).



DEA en el sector agropecuario y porcícola

Dentro de cualquier sector económico, las decisiones estratégicas apropiadas deben

derivarse de un análisis integrado del entorno multifacético. En particular, el sector

agropecuario concentra la atención, ya que recibe una gran cantidad de recursos públicos

y, por otro lado, está sujeto a numerosas regulaciones. El punto de referencia es de

importancia crucial para la toma de decisiones con respecto al desarrollo agrícola

sostenible. Un resultado prospectivo de las decisiones correctas tomadas es el aumento

de la eficiencia productiva, cuyos beneficios generan menores costos junto con mayores

ganancias en lo que respecta al productor y precios más favorables para los actores de la

cadena de agropecuaria (Samarajeewa, Hailu, Jeffrey, y Bredahl, 2012).

Las evaluaciones de la eficiencia relativa del sector agropecuario han sido de particular

interés por varias razones. Primero, la mayoría de productores son propietarios de tierras

y habitan en sus fincas, por lo tanto, no se puede suponer que por permanecer en esas

tierras manejan de forma eficiente sus producciones, y que mantienen una actividad

constante en el mercado agropecuario. En segundo lugar, existe una amplia gama de

intervenciones políticas, como programas de educación, capacitación y extensión, que

deberían resultar en un aumento de la eficiencia productiva. En tercer lugar, las cuestiones

políticas relacionadas con la ubicación, infraestructura y tamaño óptimo de las fincas son

de gran importancia. Por último, en cuarto lugar, toda la producción agropecuaria está

sujeta a incertidumbre, pero los riesgos en este sector económico son particulares e

importantes. Los parámetros productivos pueden verse afectados por los cambios

climáticos, la presencia de plagas, enfermedades fitosanitarias y zoonoticas, problemas de

orden público, entre otros factores. Por lo tanto, lo anterior puede derivar en diferencias en

los niveles de eficiencia de los diferentes productos en el sector agropecuario (Nauges,

O’Donnell, y Quiggin, 2011).

Así que existe la necesidad y la oportunidad de un enfoque conjunto entre los actores del

mercado para el establecimiento sistemas de producción más eficaces y eficientes. Esto

es especialmente cierto en la industria agroalimentaria, debido a las limitaciones en cuanto

a precios y cantidades de materias primas, vida útil de los alimentos y productos agrícolas


y la mayor atención del consumidor a los métodos de producción seguros y respetuosos

con el medio ambiente y con los animales (Perez, Castro, Simons, y Gimenez, 2010).

Junto con lo anterior, los productores se han enfrentado a desafíos operativos cada vez

más competitivos y rigurosos en la última década, debido a la liberalización del comercio

agrícola mundial y a la volatilidad de los precios de los ingredientes para la elaboración de

alimentos para animales, lo que genera dificultades para controlar los costos de

alimentación y la planificación hacia el futuro. Con estos desafíos, el sector agropecuario

necesita mejorar su eficiencia operativa para una mayor productividad y rentabilidad.

(Backus y Dijkhuizen, 2002).

Por medio de la revisión sistemática de literatura en las bases de datos Scopus y Web of

Science (WOS) del listado de recursos electrónicos de la biblioteca de la Universidad

Nacional de Colombia se establecieron las siguientes ecuaciones de búsqueda con las

palabras clave: "Technical efficiency" con la cual se obtuvieron 6.323 resultados en Scopus

y 3.867 resultados en WOS. Posteriormente se refinó la búsqueda a las áreas de

administración, ciencias económicas, investigación de operaciones, ciencias de gestión,

negocios, política económica agrícola, estudios ambientales, ingeniería agrícola, ciencias

sociales interdisciplinarias, probabilidad estadística, ciencias veterinarias, ciencia y

tecnología de los alimentos, ciencia y tecnología sostenible, lo que generó 5.077 resultados

en Scopus y 2.926 resultados en WOS. Después se estableció la ecuación "Technical

efficiency" AND "Data envelopment analysis", limitada por las mismas áreas

anteriormente mencionadas lo que dio como resultado 1.777 publicaciones en Scopus y

1.302 publicaciones en WOS. Por último se diseñó la ecuación de búsqueda: "Technical

efficiency" AND "Data envelopment analysis" AND “farms”, refinada por las mimas áreas,

dando como resultado 261 y 275 publicaciones para Scopus y WOS respectivamente.

Por lo anterior, durante los últimos años se han desarrollado diversos estudios de eficiencia

productiva usando la metodología de análisis envolvente de datos (DEA) en diferentes

especies en el sector agropecuario. Para el sub-sector agrícola se han realizado los

siguientes estudios: estudio de la eficiencia técnica y de escala en cultivos agracejo

(Mousavi-Avval, Mohammadi, Rafiee, y Tabatabaeefar, 2012). Comparación de los

sistemas de agricultura orgánica y convencional de cítricos en España desde la perspectiva

de la eficiencia técnica (Beltrán-Esteve y Reig-Martínez, 2014). Determinantes de la



eficiencia técnica en el cultivo de piña (Idris, Siwar, y Talib, 2013). Así mismo, se examinó

el costo y la eficiencia en el uso de nutrientes de las arroceras y se determinamos el costo

de implementar un uso eficiente de recursos, traducido en menores costos de producción

y en un mejor desempeño ambiental (Thanh Nguyen, Hoang, y Seo, 2012).

En el sub-sector pecuario se han desarrollado diversos estudios aplicando la metodología

DEA para cada una de las especies, a continuación se mencionan algunos ejemplos para

bovinos, aves y peces.

En el caso de ganadería de leche Hansson y otros (2011), estudiaron cómo varias medidas

preventivas contra la mastitis como; la estimulación de las ubres antes del ordeño, el uso

de cama limpia y el control de las rutinas de higiene durante el ordeño, influyeron en una

mayor eficiencia técnica de una muestra de granjas lecheras especializadas en Suecia.

Por lo cual, estos resultados pueden ser tenidos en cuenta para servicios de asistencia

técnica, así como para mejorar el bienestar animal de las vacas.

En un estudio realizado en Azores (Portugal) para ganadería de leche se evaluó la

eficiencia técnica (ET) aplicando el análisis de eficiencia no paramétrica a una muestra de

122 hatos lecheros. El análisis utilizó DEA con modelos de escala a rendimientos

constantes y variables, con un enfoque de modelo orientado a las entradas. Se

consideraron relevantes dos productos (producción de leche (litros) y subsidios (euros)) y

tres insumos (área agrícola (hectáreas), número de vacas lecheras y costos variables

(alimentación y fertilizantes) y fijos (euros) (mano de obra, amortización de infraestructura,

maquinaria y alquileres)). Los resultados sugieren que la ET promedio es baja (66.4%) en

comparación con los datos de otras investigaciones, y solo nueve granjas lecheras (7,4%)

resultaron ser eficientes. Esto se da por que las granjas eficientes tienen menos costos de

producción por hectárea, esto incluye menos costos de alimentación y depreciación de

equipos (Silva, Arzubi, y Berbel, 2013).

También se han realizado análisis de eficiencia técnica utilizando DEA para ganadería de

carne. En la región del Caspio en Irán se evaluó la ET en hatos de engorde de ganado

utilizando técnicas paramétricas y no paramétricas como DEA, análisis de frontera

determinista (DFA) y el análisis de frontera estocástica (SFA), y se compararon los


resultados de ET para cada una de las metodologías. Las entradas fueron: número de

terneros por finca, número de trabajadores por finca, ingesta de energía metabolizable

(Mcal), ingesta de proteína (kg), costos de higiene y tratamientos veterinarios (rial), y

ganancia de peso por animal por finca (kg). Y la salida fue: ganancia de peso total durante

la vida de los terneros por granja (kg). Los resultados indicaron que 11 de 70 granjas son

eficientes en la metodología DEA. En DFA y SFA, el número de granjas eficientes son 1 y

0, respectivamente. Por otra parte, el promedio de eficiencia técnica de las explotaciones

de DFA, SFA y DEA fueron, respectivamente, 0,5986, 0,6910 y 0,7221 (Ghorbani,

Amirteimoori, y Dehghanzadeh, 2010).

En el sector avícola de Bangladesh (India) se determinó la eficiencia técnica (ET),

eficiencia asignativa (EA) y la eficiencia económica (EE) del sistema de productivo avícola

independiente y por contrato, utilizando DEA bajo los modelos VRS y CRS. Los datos

fueron peso pollo de un día (kg), valor pollo de un día ($), cantidad de alimento suministrado

(kg), costo de alimentación (USD$), mano de obra (hombre-día), trabajo (USD$),

experiencia en la avicultura (años), valor promedio de producción (USD$) y valor pollo

finalización (USD$/kg). El estimado de los valores medios de eficiencia para ET, EA y EE

son 86%, 87% y 74% en los sistemas avícolas independientes y de 93%, 99% y 93% para

el sistema por contrato, bajo un modelo de frontera CRS-DEA respectivamente y para el

modelo VRS-DEA son valores de eficiencia de 91%, 89% y 81% para avicultura

independiente y 96%, 98% y 94% para avicultura por contrato. Estos resultados se dan por

que en el caso de las granjas independientes, los avicultores manejan sus producciones

por sí mismos sin ningún acuerdo contractual con un tercero, soportan todos los gastos de

producción por sí mismos y aceptan todos los riesgos y beneficios resultantes de sus

decisiones. Por otro lado, los avicultores por contrato tienen un acuerdo contractual con el

integrador para el suministro o compra de insumos, para el suministro o venta de productos

a precios predeterminados y también proporciona conocimientos y asesoría técnica a

través de un profesional (Begum, Alam, Buysse, Frija, y van Huylenbroeck, 2012).

Así mismo se han hecho estudios de eficiencia técnica usando metodología DEA en la

acuicultura. Un estudio realizado en Hawái (Estados Unidos), para el sector acuícola

estimó la ET de granjas acuícolas con la metodología DEA en el modelo de retornos de

escala variables (VRS) desde el año 1997 al 2007. Los resultados obtenidos en términos

de ET dieron que para el año 1997 la ET fue de 0,73 y disminuyó al 0.46 al año 2007, esto



está dado por un uso ineficiente en el manejo de la mano de obra y del uso del suelo. Se

analizó el efecto del tamaño de la granja sobre la ET, y se obtuvo como resultado que las

granjas más pequeñas (ventas con menos de USD$ 10,000) y las granjas muy grandes

(ventas mayores a USD$1,000,000) son en promedio más eficientes que las granjas

comerciales de tamaño mediano a grande (ventas de USD$10,000 a USD$1,000,000). En

cuanto a las granjas que tenían trabajadores tiempo completo o parcial, los resultados

arrojaron que son más eficientes las granjas que tienen trabajadores tiempo completo. Por

último se analizó la ET según el sub-sector acuícola al que pertenecían las granjas

(crustáceos, bagres, ornamentales, moluscos y otros), encontrándose que las granjas que

cultivan bagre y ornamentales tienen los niveles más altos de eficiencia con un promedio

de ET de 0.96 y 0.85 (Arita y Leung, 2014).

También en la provincia de Guangxi (China) se realizó un análisis de la eficiencia técnica,

asignativa y económica utilizando DEA, para granjas de tilapia a pequeña escala. La

eficiencia técnica media (bajo CRS y VRS), asignativa y económica de las granjas de tilapia

a pequeña escala fue de 0.89, 0.97, 0.71 y 0.68, respectivamente, estos resultados indican

que los piscicultores podrían utilizar el mismo nivel de insumos para aumentar los ingresos

de producción en un 32% si hubieran estado operando con una eficiencia económica total

(Zongli y otros., 2017).

La estructura del sector porcino en la economía mundial está cambiando ya que en muchos

países el número de granjas porcinas se está reduciendo, mientras que el tamaño del

inventario animal de las restantes está aumentando. El proceso de producción porcina se

divide en diferentes fases con granjas especializadas dedicadas a la producción de

lechones, la cría y/o el engorde de cerdos. Las granjas porcinas han tendido a integrarse

y coordinar sus operaciones mediante el uso de vínculos de coordinación vertical más

estrictos (Calafat, Selva, y Medina, 2016).

La productividad de una granja porcícola se mide tradicionalmente mediante indicadores

clave de rendimiento o productividad por sus siglas en inglés (key performance indicators

KPI). Los KPI son la conversión alimenticia (kg de alimento por kg de aumento de peso

vivo), los costos de producción (pesos por kg de peso vivo producido), ganancia diaria de

peso, tasa de mortalidad, costo de los insumos (alimentación, medicamentos y vacunas),


peso en kilogramos de cerdo en pie (precio de venta) (Van Meensel, Lauwers, y Van

Huylenbroeck, 2010).

Medir la eficiencia técnica y explicar sus determinantes son los primeros pasos hacia el

logro de ganancias productivas y económicas importantes y para seguir siendo

competitivos en los mercados actuales (Ruggiero, 2000). El análisis de los puntos de

referencia (mejores prácticas) puede conducir a ahorros sustanciales de recursos, con

importantes implicaciones para mejorar la gestión y, por lo tanto, la productividad de las

explotaciones porcinas (Mareth, Thomé, Scavarda, y Oliveira, 2017). Esta es una piedra

angular esencial para que la agroindustria desarrolle una ventaja competitiva sostenible y

permanezcan al frente de la excelencia. Para lograr una productividad eficiente, es

importante la evaluación del desempeño la agroindustria porcícola. Esto significa utilizar

los recursos combinados de proveedores, transformadores y clientes de la manera más

eficiente posible para ofrecer productos y servicios competitivos y rentables (Peng Wong y

Yew Wong, 2007).

Un estudio realizado en Estados Unidos por Tonsor y Featherstone (2009) estimó la

eficiencia técnica (ET), asignativa (EA), de escala (EE) y general (EG) de cinco tipos de

sistemas de producción porcinos (ciclo completo, de cría a precebo, de levante a ceba, del

nacimiento al destete y del destete al levante). Las variables de entrada y salida se

definieron en común para cada una de las cinco tipo de producciones porcícolas así: la

variable de salida fue producción de cerdos (cwt.), las variables de entrada fueron

alimentación (cwt.), mano de obra (horas pagadas y no pagadas), capital, y otras entradas

(insumos veterinarios, dotación, mercadeo, contrataciones personalizadas, combustible,

mantenimiento y servicios públicos). Los resultados para sistema productivo ciclo completo

fueron ET= 0.5176, EA= 0.7508, EE= 0.8189 y EG= 0.3255; para la cría a precebo ET=

0.7272, EA= 0.8753, EE= 0.8288 y EG= 0.5561; desde el levante a ceba ET= 0.5318, EA=

0.7468, EE= 0.7836 y EG= 0.3040; del nacimiento al destete ET= 0.6296, EA= 0.8262,

EE= 0.9546 y EG= 0.4912; y para los destetos al levante ET= 0.7403, EA= 0.7961, EE=

0.8826 y EG= 0.5217. Los valores de eficiencia bajos se dan especialmente en los

sistemas productivos “ciclo completo” y “levante a ceba” ya que cuentan con grupos etários

y procesos más heterogéneos, y también se ven afectados por un mayor valor a costos

relacionados con alimentación, insumos veterinarios, mantenimiento, entre otros.



Según Galanopoulos y otros (2006) en Grecia, se podría lograr una reducción potencial

del 17% en el uso de insumos (capital, mano de obra, alimentación, otros gastos) siempre

que todas las granjas porcinas funcionen de manera eficiente teniendo en cuenta como

salidas los rendimientos brutos. Al utilizar las granjas eficientes como puntos de referencia,

las granjas ineficientes pueden determinar qué cambios en el uso de los recursos son

necesarios para aumentar su rendimiento general y, en última instancia, su rentabilidad (Y.

Zhou y otros., 2015).

En Holanda se ha investigado la eficiencia técnica y ambiental de las granjas de engorde

de cerdos, analizando también la contribución de las nuevas tecnologías actualmente

disponibles, pero aún no aplicadas, a la mejora adicional del desempeño técnico y

ambiental. Los resultados muestran que las granjas de engorde de cerdos tienen en

promedio, un alto nivel de eficiencia técnica general del 90%. Por su parte, el desempeño

ambiental se mide en niveles de Fósforo (P) y las emisiones de amoniaco (NH3). Los

resultados muestran que el desempeño ambiental en términos de exceso de P y emisiones

de NH3 es del 86%, lo que implica que las granjas de engorde de cerdos pueden reducir

estos productos en un 14%, mientras sigan produciendo la misma cantidad de cerdos. En

cuanto al uso de nuevas tecnologías, como nuevas técnicas de alimentación y nuevas

variedades genéticas que facilitan la deposición de proteínas en músculo, se generó una

mejora del 4% de la productividad global de las granjas. Finalmente, las nuevas

instalaciones repercutieron en una reducción adicional de las emisiones de NH3 en un 30%

y debido a la aplicación de nuevas técnicas, se logró reducir el exceso de P en un 30% y

la emisión de NH3 en un 20% (Lansink y Reinhard, 2004). Asmild y Hougaard (2006)

también demostraron cómo se pueden estimar los potenciales de mejora económica y

ambiental de las granjas de cerdos en Dinamarca.

Tian, Sun y Zhou (2015) analizaron la eficiencia técnica de la producción de cerdos en

China y concluyeron que puede mejorarse en un 40%, mediante la especialización, la

educación y la mejora de los indicadores de productividad. Finalmente, Labajova y otros

(2016) calcularon los índices de eficiencia técnica para cada insumo y examinaron la

relación entre "características específicas de la granja" y el tipo de producción (lechones,

levante y engorde) en Suecia.

2. Metodología

En este apartado se describe la metodología general y que se siguió para la elaboración

de la presente tesis de maestría

Origen y área de estudio

Esta tesis de investigación se desarrolló en el marco del proyecto Corredor Tecnológico

Agroindustrial Bogotá-Cundinamarca Derivado 2 (CTAD2), cuyo objetivo fue “Desarrollar

actividades de investigación, desarrollo tecnológico e innovación rural en el sector

agropecuario y agroindustrial que permita mejorar las condiciones de seguridad alimentaria

y nutricional, incrementar los niveles de productividad y competitividad y fortalecer las

economías campesinas y el abastecimiento de alimentos de Bogotá y Cundinamarca a

través de mecanismos de transferencia de tecnología”. Este proyecto fue financiado con

recursos del Sistema General de Regalías de la Secretaría de Ciencia Tecnología e

Innovación de la Gobernación de Cundinamarca y la Secretaría de Desarrollo Económico

del Alcaldía Mayor de Bogotá D.C. y se ejecutó entre abril de 2016 y diciembre de 2017.

El proyecto “Investigación, desarrollo y transferencia tecnológica en el sector agropecuario

y agroindustrial con el fin de mejorar las condiciones de productividad y competitividad de

Bogotá y Cundinamarca” contó con seis componentes que dieron respuesta a problemas

y obstáculos tecnológicos identificados a lo largo del sistema de producción

agroalimentario de los alimentos contemplados en la canasta que hace parte de los

programas de seguridad y soberanía alimentaria de Bogotá y Cundinamarca. Para la

formulación del proyecto se definieron criterios de priorización en localización y oferta

productiva de acuerdo a los productos que componen la canasta básica del plan de

abastecimiento. De allí se seleccionaron 36 productos agropecuarios que fueron objeto de

estudio. Para la selección, en primera medida, se contó con un número amplio de

58 Evaluación de la eficiencia relativa de los sistemas de producción porcícolas

del departamento de Cundinamarca, utilizando análisis envolvente de datos

(DEA)

productos que se caracterizaron por su alto valor nutritivo, funcional y/o potencial

productivo. Posteriormente, se evaluaron dos criterios para la selección final de los

productos como hortalizas, frutales, tubérculos, lácteos y cárnicos; los criterios fueron el

mayor consumo y/o mayor producción en Bogotá y Cundinamarca.

Se buscó que los consumidores se beneficiaran con mayores estándares de calidad e

inocuidad en productos saludables y nutritivos, mayores cantidades de productos

funcionales para la población más vulnerable. Para productores y agro-empresarios, se

buscó crear un sistema de producción con las mejores prácticas tecnológicas y mejorar las

condiciones de eficiencia productiva para entrar en nuevos mercados con programas de

trasferencia de tecnología que soporten la gestión en las unidades productivas.

La propuesta específica que incluyo el desarrollo de esta tesis fue orientada a desarrollar

tecnologías (paquetes tecnológicos) en los sistemas de producción pecuarios de cárnicos

de la especie porcícola que hace parte de la oferta productiva de la zona rural de Bogotá

y Cundinamarca. En particular, se ofrecieron actividades de investigación y desarrollo a

partir del trabajo en el territorio y con los diferentes actores de la cadena porcícola para

aumentar la oferta de productos en óptimas condiciones garantizando métodos de

implementación y transferencia tecnológica.

Para la ejecución de la tesis y según los términos de referencia de la convocatoria, se

trabajó bajo el concepto de investigación participativa a partir de un modelo de innovación

local. Este debía contar con la participación de mínimo 204 porcicultores, se establecieron

4 unidades (granjas) demostrativas, para realizar las actividades de investigación aplicada

y transferencia tecnológica. Se identificaron y seleccionaron las mejores granjas porcícolas

para la implementación de tecnologías con miras a aumentar su productividad y

comercialización de productos, así como el desarrollo de programas de buenas prácticas

pecuarias, bienestar animal y calidad de carne de cerdo. Todo lo anterior se desarrolló a

partir de las siguientes actividades enmarcadas en los términos de la convocatoria:

determinación de zonas de producción porcícola, diagnóstico del estado de las tecnologías

adoptadas en la producción porcina, evaluación de las mejores prácticas de producción

porcícola, planes de implementación y mejora en las granjas porcícolas.

2. Metodología 59

El departamento de Cundinamarca cuenta con 116 municipios, distribuidos en 15

provincias, en todas se encuentra algún tipo de explotación que pudo ser vinculada al

proyecto CTAD2, sin embargo, con la colaboración de la Secretaría de Agricultura y

Desarrollo Rural y de la Secretaría de Ciencia y Tecnología e Innovación de la Gobernación

de Cundinamarca se seleccionaron tres regiones, las cuales fueron Sumapaz (municipios

de Fusagasugá y Silvania), Tequendama (municipios de Tena, La Mesa, San Antonio y El

Colegio) y Oriente (municipio de Choachí). Para el área rural de Bogotá, se concertó con

la Secretaría de Desarrollo Económico de la Alcaldía Mayor de Bogotá, trabajar las zonas

rurales de las localidades de Chapinero y Santafé (Figura 2-1).

Figura 2-1. Mapa de los municipios del departamento de Cundinamarca vinculados a la investigación

Recolección y sistematización de datos

A partir de lo anterior se diseñó una encuesta para la caracterización de los sistemas

productivos porcinos (Anexo 1), lo que facilitó la recolección de datos sobre las

características demográficas, sociales, económicas, productivas y tecnológicas de las



(DEA)

granjas, con el fin de conocer su situación actual. La encuesta de caracterización de

sistemas productivos porcinos se dividió en nueve componentes principales, donde cada

uno de estos estaba compuesto por variables cuantitativas y cualitativas para la obtención

de información lo más precisa posible:

1. Características generales de la explotación: localización, orientación productiva,

información del propietario, información sobre el administrador, otras

características de la granja, formación de los trabajadores, años de operación de

la granja porcícola.

2. Instalaciones: tipo de alojamiento, número de jaulas, tipos de comedero,

alimentación, tipo de bebederos, entre otros.

3. Manejo: Prácticas de manejo que se le realizan a los lechones y cerdos, inventario,

parámetros reproductivos y productivos.

4. Ceba: procedencia, edad, peso inicial y final, duración en la fase.

5. Limpieza y desinfección: programa implementado y productos usados.

6. Programa sanitario: manejo de registros, área de almacenamiento de insumos

veterinarios, destino de cadáveres, manejo de vacunas.

7. Características genéticas de la población porcina: líneas genéticas empleadas,

procedencia de los machos y de las hembras, criterios utilizados para la adquisición

o cría de reproductores.

8. Gestión de excretas: sistema de compostaje y su capacidad, tratamientos

realizados, utilización como fertilizante, problemas sociales asociados.

9. Gestión técnico-económica: manejo de registros, uso de programas informáticos,

registros contables, costos de producción y venta de cerdos.

Al proyecto CTAD2 se vincularon porcicultores con diferente objetivo productivo, es decir,

granjas de cría, levante, ceba y/o ciclo completo de los municipios mencionados y se

tomaron los datos de la encuesta directamente en granja. Para la selección de los

productores se establecieron los siguientes criterios:

No se tuvieron en cuenta los predios con cerdos de traspatio ya que, estos

generalmente se utilizan para el autoconsumo de las familias que los poseen.

Validación de la información registrada en la encuesta de caracterización mediante

la visita a las instalaciones.

2. Metodología 61

Interés del porcicultor por participar en el proyecto CTAD2 manifestado mediante

la firma de la carta de participación como beneficiario.

Localización de las granjas dentro de los municipios de influencia.

Según los términos de referencia del proyecto CTAD2 se debía llegar a mínimo 204

productores porcícolas o unidades de toma de decisión (DMU´s).

La información obtenida en las encuestas de caracterización fue contenida en el sistema

de gestión de bases de datos Microsoft Access por facilidad y familiaridad por parte de los

encuestadores con el programa. El tratamiento y análisis estadístico de la información

recopilada se realizó con el paquete IBM® SPSS® Statistics v23.0, debido a la pertinencia

del programa para el análisis de los datos, al conocimiento del software, a la facilidad de

la importación-exportación de datos desde Microsoft Excel y Access, a su potencial de

análisis y su capacidad de generación de informes.

Para la aplicación de la metodología de análisis envolvente de datos se usó el software

PIM-DEAsoft porque es un software en constante actualización, cuenta con amplias

utilidades de manejo para conjuntos de datos muy grandes (por ejemplo, selección

automática de subconjuntos de unidades por categoría para lotes); permite la importación

y exportación de datos a Microsoft Excel.

Caracterización de los sistemas productivos porcinos

Para la caracterización de los sistemas productivos porcinos se partió de un marco teórico,

se seleccionaron las variables a nivel de cada sistema productivo, se realizó la aplicación

de las encuestas de caracterización con verificación de datos en cada granja, se aplicó

estadística multivariada de agrupamiento y por último se analizaron los datos obtenidos

(Germán y Berdegué, 1990).

El análisis por agrupamiento permite reducir el número de casos individuales (granjas) a

un número reducido de conglomerados (grupos o sistemas de producción), haciendo

posible el análisis de los mismos. Esta técnica agrupa las granjas que son similares dentro

del mismo grupo, maximizando la homogeneidad dentro de cada grupo y la heterogeneidad

entre los grupos, en base a la distancia que los separa (Hair, Black, Babin, y Anderson,

2014).



(DEA)

Los anteriores pasos se pueden trabajar en el paquete IBM® SPSS® Statistics v23.0 y es

denominado agrupamiento bietápico o de dos pasos y se aplica a distancias de medidas

que incluyen tanto variables categóricas como continuas que es el caso de la investigación

objeto de análisis.

Con uso del paquete IBM® SPSS® Statistics v23.0 para la implementación de técnicas

estadísticas multivariante, se agruparon los sistemas de producción porcina de acuerdo

con el tipo de prácticas pecuarias que prevalecen en estos para cada punto de la encuesta

de caracterización. A su vez, con el análisis de conglomerados se pretende lograr mayor

homogeneidad dentro de cada grupo o clúster formado y mayor heterogeneidad entre los

conglomerados. De acuerdo con lo anterior, primero se llevó a cabo la selección de

variables cualitativas y cuantitativas de mayor significancia, para formar e identificar los

grupos de granjas que presentan un comportamiento similar entre sí, y que difieren entre

los otros grupos o conglomerados.

Se seleccionaron en total 50 variables cualitativas y se construyeron índices tecnológicos

por cada componente del sistema productivo, mediante los cuales fue posible estimar el

grado de tecnificación de las granjas en cada uno. Estos índices son producto de la suma

de las variables que conforman cada componente.

A continuación, se presenta el sistema de calificación que se empleó para generar un

ponderado a las variables cualitativas. En este caso, se calificaron las variables para cada

componente con respecto al grado de cumplimiento de la legislación porcícola vigente

(Resolución ICA 20148 de 2016 y Resolución ICA 2640 de 2007). Se mantuvo la tendencia

de mantener una escala donde los valores cercanos a cero (0) definen prácticas pecuarias

ideales; y por el contrario, valores lejanos a cero (0) sugieren que el porcicultor tiene

prácticas deficientes en su sistema productivo. La amplitud de la escala de calificación

depende del número de ítems que se presentaron para evaluar cada variable (Téllez Iregui

y Moreno Vásquez, 2004).

Índice de bioseguridad: comprende el uso de cerca perimetral, sistema de

desinfección de vehículos, planes de desinfección de las instalaciones, control de

2. Metodología 63

ingreso y salida de la granja, plan de tratamiento de agua de consumo para los

cerdos y plan de control de plagas y roedores.

Índice de manejo animal: está compuesto por el método de castración, descolmille,

descole e inseminación, sistema de identificación de los cerdos, contar con una

programación de la granja, homogenización de lotes durante el levante y la ceba y

tipo de alimento para los cerdos.

Índice de infraestructura: lo conforma el tipo de piso, comederos, bebederos usados

en los corrales, si se cuenta con embarcadero y tanques de almacenamiento de

agua.

Índice de bienestar animal: lo constituye el tipo de elementos para mover los cerdos

dentro de la granja, y las densidades poblacionales en cada corral de acuerdo a la

fase productiva.

Índice manejo de residuos: lo forma el tipo de manejo que le da a la mortalidad, si

realiza actividades de procesamiento de excretas y lixiviados.

Índice de gestión técnico económica: aquí se tiene en cuenta el manejo de

registros, cómo almacena la información de la granja, si realiza gestión técnica,

económica y productiva, y si lleva registros contables.

Índice sanitario: que consta del registro, manejo y almacenamiento de insumos

veterinarios y área de cuarentena para los cerdos recién llegados.

Índice social: comprende experiencia en la actividad porcícola, dedicación

exclusiva de la granja a la porcicultura, tipo de asistencia profesional, proporción

de hombres y mujeres en la granja y grado de escolaridad.

Índice no tecnológico: este índice contempla variables que se consideran

importantes desde el punto de vista del investigador, pero que la legislación no los

contempla de manera directa, los cuales son: tipo de comercialización, realización

de ayuno previo al sacrificio de los cerdos y tipo de líneas genéticas usadas en la

granja.

Después de calificar cada característica y obtener los índices tecnológicos por

componente; se empleó una matriz de correlaciones para identificar el grado de asociación

entre las variables. Con este método, se analizó el nivel de significancia estadística de los

coeficientes vinculados con las variables independientes. En este caso se registraron

correlaciones entre los índices tecnológicos y los ítems que lo conforman, teniendo en

cuenta que estas características presentaron un nivel de significancia alto (p<0,05); de esta



(DEA)

manera se simplificó el número de características necesarias para el análisis de

conglomerados y se redujo el nivel de colinealidad entre las características. Para evaluar

y cuantificar la calidad de los agrupamientos que se generaron durante el análisis, se

empleó el coeficiente de silueta, mediante el cual fue posible estimar la cohesión y

separación dentro de los elementos que conforman un grupo y entre conglomerados.

Metodología DEA

Para el análisis de eficiencia relativa de los sistemas productivos porcinos en el

departamento de Cundinamarca se usó la técnica de frontera de análisis envolvente de

datos DEA, la cual se considera como un método primario para el análisis de la eficiencia

y productividad en el sector agropecuario, así como en otros sectores (Alvarez y Arias,

2004; Fallah-Fini, Triantis, y Johnson, 2014).

Para el desarrollo de esta investigación se usó la metodología DEA, modelo retornos

variables de escala (BCC-VRS) y orientado a las salidas el cual busca aumentar los

productos sin intervenir los valores de las entradas (insumos). Se tomaron en cuenta las

siguientes variables:

De entrada:

Área construida (m2): este ítem se considera importante ya que está ligado

directamente con el bienestar de los cerdos garantizando un área de confort

ambiental y sanitario, evitando el hacinamiento o la subutilización de espacios

(Campos Labbé, 2003).

Costo del alimento suministrado ($): Es bien sabido que los costos de alimentación

representan la mayor parte de los gastos totales de los sistemas de producción

porcinos así que la selección de la composición de la alimentación tiene un impacto

en los parámetros productivos, sanitarios y económicos de la granja (Chen, 2012;

Porkcolombia, 2019b).

Costo medicamentos y biológico usados ($): Las granjas porcícolas deben contar

con un plan de manejo sanitario que contempla acción, prevención, control y

declaración de enfermedades (Main y otros., 2014).

2. Metodología 65

Costo plan de aseo y desinfección ($): Mantener los estándares de higiene dentro

del sistema de producción reduce el riesgo de infecciones y la aparición de

enfermedades en los cerdos, esto favorece el la ingesta de alimento de los

animales lo que deriva en un mayor crecimiento (Jayaraman y Nyachoti, 2017).

Número de cerdos: El inventario de animales depende del objetivo productivo y es

importante para nivelar el consumo de recursos almacenados y para satisfacer la

demanda de animales que en ciertos periodos del año supera la capacidad de

producción (meses de noviembre y diciembre). Los cerdos son el insumo principal

de la producción, consumen otros insumos (alimento y mano de obra), a la vez son

un insumo intermedio acorde a la dinámica de producción, esta situación conduce

a un flujo de recursos/inventario en el sistema productivo que al final del proceso

se transforma en una salida (Fallah-Fini y otros., 2014).

Número de trabajadores: Dentro de la encuesta de caracterización del sistema

productivo se consultó si la granja contaba con personal empírico, técnico o

profesional para el manejo de los cerdos. Según Schroeder y otros (2011) este es

uno de los aspectos clave para la operación de cualquier organización, ya que se

debe contar con el personal calificado para gestionar nuevas tareas, trabajos

específicos y turnos extra con el fin de garantizar la demanda de productos y

mantener una fuerza laboral estable.

De salida:

Cantidad de fertilizante producido (kg) y valor de venta del fertilizante ($/kg): Uno

de los mayores problemas de los sistemas de producción porcinos es el manejo de

los desechos orgánicos de los cerdos (excretas), generando problemas

ambientales como son los malos olores y lixiviados (Asmild y Hougaard, 2006; Y.

Zhou y otros., 2015), por lo tanto se consultó sobre qué manejo y destino tenían

esas excretas dentro de la granja con el fin de mitigar el impacto ambiental y como

un ingreso monetario extra. Con esta investigación se quiere incentivar y analizar

el impacto tienen las prácticas de manejo ambiental realizadas en los sistemas de

producción porcícolas.

Número de cerdos al mercado e ingreso por venta cerdos ($/kg): el objetivo

productivo de las granjas que se vincularon a esta investigación era sacar cerdos

de un peso entre 105 y 115kg al mercado con el precio en pie dado por el

comprador.

3. Resultados

Caracterización de los sistemas productivos porcinos del departamento de Cundinamarca

La investigación se desarrolló en los municipios de Fusagasugá, Silvania, La Mesa, El

Colegio, Tena, San Antonio de Tequendama y Choachí del departamento de

Cundinamarca, se trabajó en conjunto con productores porcícolas de los municipios

mencionados, se contó con la colaboración de las Secretarías Agropecuarias, UMATAS

de los municipios encabezados por la Secretaría de Agricultura y Desarrollo Rural y la

Secretaría de Ciencia, Tecnología e Innovación de la Gobernación de Cundinamarca,

también con la coordinación del Departamento de Producción Animal de la Facultad de

Medicina Veterinaria y de Zootecnia y el Instituto de Ciencia y Tecnología de Alimentos-

ICTA de la Universidad Nacional de Colombia.

Durante el desarrollo del sub-proyecto se caracterizaron 265 granjas de porcicultores, los

cuales se presentan en la Tabla 3-1 teniendo en cuenta su orientación productiva (cría,

levante y ceba, y ciclo completo).



Tabla 3-1. Orientación productiva de las granjas porcícolas registradas en 3 regiones de Cundinamarca y Zona rural de Bogotá D.C.

Región Municipio

Orientación productiva de las granjas porcícolas Encuestas

totales Cría

Levante y Ceba

Ciclo Completo

Sumapaz Fusagasugá 11 5 45 61

Silvania 5 3 11 19

Tequendama

El Colegio 1 8 21 30

La Mesa 2 7 7 16

San Antonio 16 12 24 52

Tena 6 9 11 26

Zona Rural de Bogotá

Localidades de Santafé y Chapinero

0 12 1 13

Oriente Choachí 9 11 28 48

Total 50 67 148 265

Teniendo en cuenta la orientación productiva se encontró que el 18,86% son granjas para

la cría, el 25,28% son granjas de levante y ceba, y el 55,84% son de ciclo completo. El

municipio que cuenta con el mayor número de granjas es Fusagasugá con el 23,01% de

la región del Sumapaz, seguido por San Antonio de la región del Tequendama con el

19,62% y Choachí con el 18,11% de la región Oriente. En cuanto al número de granjas por

región, la región Tequendama y Sumapaz agrupan el mayor número con el 46,79% y

30,18% respectivamente.

En cuanto al análisis de conglomerados el rango de calificación para este coeficiente varía

entre -1 y +1. Cuando el resultado es negativo, sugiere que la distancia promedio dentro

de la agrupación es mayor que la distancia promedio entre agrupamientos, reflejando

mayor heterogeneidad dentro de los agrupamientos creados. Por el contrario, cuando la

calidad de los clústeres es buena (0,5 a 1), los elementos dentro del conglomerado son

similares a un conjunto (cohesivos), mientras que los clústeres por sí mismos son bastante

diferentes (separados) (Wendler y Gröttrup, 2016). Para este caso, el coeficiente de silueta

obtuvo un valor cercano a 0,5 lo que sugiere que el número de agrupamientos son

suficientes para el análisis y para evaluar la calidad de los conglomerados (Figura 3-1).

3. Resultados 69

Figura 3-1. Calidad de los agrupamientos

El número de agrupamientos y sus proporciones se observa en la Figura 3-2. Se definieron

cuatro (4) tipos de agrupamientos, de los cuales el tamaño del agrupamiento mayor fue

para el clúster 4 con 75 granjas (35,2%), mientras el tamaño del agrupamiento menor

correspondió al agrupamiento 3 con 34 granjas (16,0%) de 265 fincas incluidas en al

análisis. La relación del tamaño del agrupamiento más grande con el más pequeño fue de

2,21, es decir por cada granja que se incluían en el agrupamiento menor se incluyeron 2,21

fincas del agrupamiento mayor.

De acuerdo con la Figura 3-2, se observa que mediante el análisis se conformaron 4 tipos

de grupos de mayor similitud interna, de los cuales el 17,4% (46 granjas) se distribuyeron

en el clúster de menor tamaño (N°3), mientras que en el conglomerado N°1 tiene un

porcentaje de participación de 20,4 % (54 granjas); en el clúster N°2 se agrupó el 23,8%

(63 granjas); y por último en el clúster N° 4 se agruparon el 38,5% que corresponde a 102

granjas porcícolas. En la Tabla 9 se presenta el orden de importancia a nivel general de

los índices que se emplearon para la formación de los 4 agrupamientos. En esta tabla las

características se encuentran organizadas de menor a mayor según su orden de

importancia sin tener en cuenta el tipo de agrupamiento.



Figura 3-2. Tamaño de los agrupamientos

Tabla 3-2. Nivel de importancia de los índices en los agrupamientos

Índices Importancia

Índice manejo de residuos 0,0492 Índice no tecnológico 0,2112 Índice de bienestar animal 0,2451 Índice de bioseguridad 0,2787 Índice sanitario 0,3634 Índice de manejo animal 0,4039 Índice de gestión técnico económica 0,4857 Índice de infraestructura 1

La Tabla 3-2 sugiere que el índice de infraestructura representa la variable de mayor

importancia para la formación de los agrupamientos con un valor de 1 (100%), seguido de

la gestión técnico-económica con un valor de 0,4857 y el manejo de los cerdos con un

0,4039. El índice de manejo de residuos es que tiene la menor importancia según el modelo

con un valor de 0,0492. Y no arroja un valor para el índice social. En la Tabla 3-3 se

3. Resultados 71

muestra la conformación de los agrupamientos por el tipo de sistema productivo, y también

se relaciona la importancia de cada índice dentro de ese sistema productivo.

Tabla 3-3. Clasificación de los índices o entradas según su importancia dentro de los agrupamientos

Agrupamiento

1. Sistema de

producción

levante y ceba

2. Sistema de

producción

cría

3. Sistema de

producción

ciclo completo

especializado

4. Sistema de

producción

ciclo completo

Entradas

Índice de

infraestructura

Índice de

bienestar

animal

Índice de

gestión técnico

económica

Índice de

infraestructura

Índice de

manejo animal

Índice no

tecnológico Índice sanitario

Índice de

gestión técnico

económica

Índice sanitario Índice de

infraestructura

Índice de

infraestructura

Índice de

manejo animal

Índice de

bioseguridad

Índice de

manejo animal

Índice de

bioseguridad

Índice de

bienestar

animal

Índice manejo

de residuos

Índice de

gestión técnico

económica

Índice no

tecnológico Índice sanitario

Índice de

bienestar

animal

Índice de

bioseguridad

Índice manejo

de residuos

Índice de

bioseguridad

Índice no

tecnológico

Índice manejo

de residuos

Índice de

manejo animal

Índice no

tecnológico

Índice de

gestión técnico

económica

Índice sanitario

Índice de

bienestar

animal

Índice manejo

de residuos



De las posibles interpretaciones resultantes del análisis de conglomerados efectuado en

las condiciones descritas previamente, la resultante de cuatro grupos de sistemas de

producción porcinos permitió una mejor explicación y comprensión de los mismos.

1. Sistema de producción levante y ceba: este grupo de granjas está conformado por

54 granjas (20,4 % del total). Se encontró que estas granjas cuentan con la infraestructura

adecuada para el objetivo productivo, y representó el índice de más importancia

comparado con los otros sistemas de producción. En cuanto al índice de manejo animal

en estas granjas es importantes el tipo de alimentación (concentrado comercial,

subproductos de cosecha, desechos de alimentación humana), mantener la

homogeneidad de los lotes, realizar un pesaje frecuente de los cerdos, además de la

identificación animal, y en algunos este índice se ve afectado por prácticas de castración

quirúrgica tardías.

Las granjas pertenecientes a este grupo presentan el manejo sanitario más bajo ya que en

estas explotaciones el uso registros de vacunación y medicamentos es poco frecuente. La

justificación de los porcicultores de estas granjas es que por manejar cerdos juveniles o

adultos, no es necesario mantener un estricto control sanitario. Esto va ligado con el índice

de bioseguridad el cual es deficiente en este grupo de granjas, ya que, carecen de

programa de manejo integrado de plagas y roedores, no controlan el ingreso, ni la

procedencia de las personas o vehículos que ingresan a la granja, y no cuentan con un

sistema de desinfección para los vehículos y en cada área productiva de la granja.

El manejo de residuos en este tipo de explotaciones es bajo, no realizan ningún tipo de

control a los lixiviados, lavan los corrales con agua y barrido en húmedo generando

impactos medio ambientales en fincas vecinas y a veces en el recurso hídrico, no

contemplan un plan para el control de olores. En cuanto al índice de bienestar animal los

estándares de densidad no se cumplen en las granjas que conforman este grupo, debido

a que predomina el sobrecupo de cerdos por corral, ocasionado por la falta de planificación

de los espacios. Esta situación afecta directamente el bienestar animal, generando

mayores niveles de estrés y de esta manera dicha situación repercutirá en la calidad de la

carne ofrecida al consumidor. Para el índice no tecnológico estos porcicultores

habitualmente comercializan los cerdos a intermediarios quienes son los que colocan los

3. Resultados 73

cerdos en las plantas de beneficio certificadas, generalmente no manejan periodos de

ayuno para los animales y manejan líneas genéticas mixtas terminales.

En este sistema de producción los porcicultores no registran las ganancias diarias de peso,

ni las conversiones alimenticias; por ende se desconoce el desempeño productivo y el uso

de recursos por parte de los cerdos durante su etapa productiva. En este caso los

porcicultores desconocen cuáles son las pérdidas y ganancias porque no emplean

registros económicos, o en otros casos omiten varios costos de producción que son

indispensables para el cálculo adecuado de la rentabilidad del sistema como son los costos

de planes de aseo y desinfección y uso de medicamentos, la mayoría de estos

porcicultores carecen de acceso a internet y la mayoría manifiesta que desconocen cuáles

son los registros más importantes que deberían emplear.

2. Sistema de producción cría: agrupó 63 granjas equivalente a un 23,8% del total: El

índice manejo y el bienestar animal son de los más importantes dentro de este sistema

productivo, debido a que los lechones en algunas granjas son sometidos a prácticas como

son el descolmille, descole y castración quirúrgica. Sin embargo, se encontró que en la

mayoría de granjas de este agrupamiento estas prácticas ya no se realizan favoreciendo

el estado de confort de los cerdos. En cuanto al manejo de las cerdas de cría se evidenció

una falla en la infraestructura de las jaulas de lactancia ya que, no se respetan los espacios

en las parideras para el tamaño de la cerda, provocando incomodidad dentro de la jaula y

en muchos casos generando muerte por aplastamiento de los lechones.

El objetivo productivo de estas granjas es la venta de lechones con pesos entre 5 – 30 kg

dependiendo del tipo de destete que maneje y del tamaño (peso kg) de lechón que el

demande el mercado. Las líneas genéticas que se manejan son maternas para mayor

prolificidad de las hembras. En cuanto a la gestión técnico-económica gran parte de los

porcicultores no manejan registros y desconocen cuál es la importancia de los indicadores

productivos y reproductivos para determinar la presencia de algún problema o factor que

incide de manera negativa en la granja. A nivel general, alrededor del 48,3% de los

porcicultores caracterizados no emplean registros de ningún tipo (manual o informático).

Para las granjas de este grupo se evidenciaron prácticas que tienen un alto impacto en el

medio ambiente, predomina el entierro e incineración de cadáveres, placentas, y otros



residuos orgánicos. Sin embargo, realizan prácticas como el barrido de excretas en seco

y, unas pocas granjas, la instalación de biodigestores para la generación de gas y usar

este para las calentadoras de los lechones en las parideras. El índice de bioseguridad es

deficiente en este grupo de granjas, ya que, carecen de programa de manejo integrado de

plagas y roedores, no controlan el ingreso del personal externo y esto afecta el índice

sanitario, sin embargo se evidencio que se llevan planes de manejo sanitario para las

hembras para reproducción y los lechones.

3. Sistema de producción ciclo completo especializado: agrupó el 17,4% del total de

las granjas con 46 granjas, este sistema productivo se derivó del análisis de

conglomerados realizado, el programa tomó los datos de las granjas de ciclo completo y

separó las que realizaban y cumplían la mayor cantidad de requisitos de la encuesta de

caracterización y separó los sistemas de ciclo completo en unos “convencionales” y otros

“especializados”.

En los sistemas de producción de ciclo completo especializado se le da importancia

inicialmente al índice tecnológico de gestión técnico-económica el cual incluye el manejo

de registros productivos, técnicos, económicos y contables en formatos específicos y se

maneja algún programa informático. Por lo tanto los porcicultores conocen cuáles son los

costos de producción e implementan medidas para reducir las pérdidas e incrementar las

ganancias del sistema. A su vez, son porcicultores que conocen, registran y divulgan los

indicadores productivos y reproductivos lo que permiten tomar medidas correctivas y

realizar una programación de granja más certera y eficaz.

El índice sanitario en este grupo se diferencia del resto por que realizan periodos de

cuarentena para los cerdos que se adquieren, es una medida preventiva para evitar la

transmisión y propagación de algún patógeno al interior de la explotación y también para

generar en los cerdos nuevos un proceso de adaptación del sistema inmune a las

características epidemiológicas de la granja. A su vez, los porcicultores emplean registros

de medicamentos veterinarios, vacunas y cuentan con un área específica para su

almacenamiento.

3. Resultados 75

Para los dos sistemas de producción ciclo completo se presenta el mejor grado de

tecnificación en sus instalaciones con respecto a otros sistemas de producción analizados.

En el caso del ciclo completo especializado (N°3) se observó que los porcicultores han

implementado comederos de tolva y dosificador para reemplazar el comedero tradicional

(lineal). Incluso, el tipo de pisos que emplean en estas granjas se ajusta con las

necesidades del animal en cada fase (gestación, lactancia, precebo y ceba) y han

empleado parideras con barras antiaplastamiento para reducir los porcentajes de

mortalidad durante la lactancia. En la fase de lactancia y precebo, la mayoría de

instalaciones cuentan con pisos plásticos totales o parciales. Finalmente en la fase de ceba

cuentan con un embarcadero que se encuentra en buen estado, y en algunos casos este

se encuentra ubicado fuera de la granja para evitar el ingreso de los camiones como

medida de bioseguridad. La bioseguridad es la mejor en este grupo de granjas, ya que

estas granjas cuentan con sistema de desinfección en cada instalación, algún mecanismo

de desinfección para los vehículos, cerca perimetral, programa de manejo de plagas y

roedores, y control de ingreso y salida de personal, y planes de desinfección de tanques

de almacenamiento y agua de bebida para los cerdos.

En el índice no tecnológico se emplearon variables que no determinan directamente el

grado de tecnificación de la granja como es el caso de la práctica del ayuno, tipo de

comercialización y aptitud de la línea genética. Las granjas de este grupo se diferencian

de los demás grupos por manejar periodos de ayuno óptimos (mínimo 6 horas antes del

transporte a la planta de beneficio) y sus porcicultores cuentan con dos tipos de canales

de comercialización directo con el comercializador mayorista o minorista, o cuentan con un

expendio de venta propio. Los cerdos de estas granjas provienen de líneas materna y

paternas de casas comerciales, con miras a favorecer su objetivo productivo, más número

de cerdos por camada, junto con ganancias de peso mayores y calidad de carne.

De acuerdo con las características que se tuvieron en cuenta para el índice de manejo de

residuos sólidos y líquidos (excretas) que se evaluaron para este componente, el grupo

N°3 y N°4 presentaron las mejores prácticas ambientales, realizan un manejo adecuado

del agua dentro de la granja, utilizan microorganismos eficientes como método para

mitigación de olores, cuentan con trampas para desechos sólidos y usan los lixiviados de

las áreas de producción porcícolas para el riego de cultivos y pastos. Algunas de estas

granjas realizan procesos de compostaje del estiércol para luego usarlo como abono



orgánico ya sea en la misma granja o lo comercializan a clientes externos como un ingreso

extra ocasional para el sistema.

En cuanto al manejo de los cerdos las granjas de este agrupamiento han implementado

las prácticas más amables de manejo en las fases de cría, levante y ceba, esto favorecido

por un mayor grado de tecnificación, ya que han reemplazado prácticas tradicionales como

la monta natural por la inseminación artificial (IA) y en algunos casos estas cuentan con su

propio laboratorio de procesamiento de material seminal, de esta manera reducen la

presencia de enfermedades de origen reproductivo. Otras prácticas que se han modificado

en las granjas del grupo N°3, es el método de castración, reemplazando el método

tradicional (quirúrgico) por la inmunocastración para reducir niveles de estrés y mejorar la

calidad de la carne. A su vez, predomina sólo la alimentación con concentrado comercial.

Tanto como con los otros índices en este grupo de granjas y aunque clasificó como último

en importancia, el índice de bienestar animal presentó el mejor nivel debido a que la

movilización de los cerdos durante su traslado y embarque se realiza con el uso de

banderines, lonas, o maracas, herramientas con las cuales se disminuye el contacto del

personal con los cerdos y a la vez se reduce el nivel de estrés que este pueda ocasionar.

Con respecto a la densidad en cada etapa del ciclo, los porcicultores de este agrupamiento

respetan el área mínima por animal en cada corral. Para animales con pesos inferiores a

30kg manejan un área promedio de 0,30 m2, para animales con un peso de 30 a 50kg

destinan un área mínima de 0,50 m2. Por último, para animales de 50 a 80kg y de 85 a

100kg de peso destinan un área promedio de 0,85m2 y 1 m2 respectivamente.

4. Sistema de producción ciclo completo: agrupó 102 granjas correspondiente al

38,5% del total, este grupo es similar al ciclo completo especializado en algunos aspectos,

sin embargo, no cumple con todas las prácticas óptimas para ser especializado, a

continuación se describe este sistema productivo:

En el índice de infraestructura los porcicultores aún manejan la lactancia en piso de

concreto y con cama de aserrín, las parideras carecen de barra antiaplastamiento y en

cambio emplean palos de madera para evitar que sucedan estos eventos. Para el caso del

precebo, este se maneja todavía en piso de cemento, teniendo en cuenta que el piso ideal

3. Resultados 77

para esta fase es plástico. Finalmente, en la fase de ceba, algunas granjas carecen de

embarcadero o este se encuentra en malas condiciones que pueden favorecer alguna

lesión durante el embarque y desembarque de los cerdos.

En cuanto a la gestión técnico-económica en este agrupamiento los porcicultores registran

algunos eventos presentados en la granja como son el número de lechones por cerda,

fecha de servicios, inventario y movimiento de animales, inventario de insumos alimenticios

y veterinarios, y algunos costos de producción, sin embargo, esto no es suficiente debido

a que falta registrar parámetros productivos y reproductivos para llevar un control

adecuado de este índice.

El manejo de los cerdos en el clúster N°4 predominan las granjas que aún emplean

métodos de manejo tradicionales como la monta natural con un macho de la propia granja

o de una granja cercana, facilitando la transmisión de enfermedades reproductivas entre

los cerdos como es el caso del Síndrome Respiratorio y Reproductivo Porcino (PRRS),

entre otras. Para el caso de prácticas como descolmille y descole estas no se implementan.

Todavía predomina la castración quirúrgica en este grupo, esta práctica en algunas granjas

se realiza en un periodo mayor a los 7 días de edad lo que incrementa los niveles de estrés

en los lechones. Con respecto a la alimentación, se emplean mezclas de diferentes tipos

de subproductos de cultivos con concentrado para reducir los costos que genera la

alimentación. Incluso, en este conglomerado el objetivo productivo depende del

movimiento de los precios en el mercado de los lechones y de los cerdos para sacrificio,

por ejemplo, cuando el precio del primero incrementa, el porcicultor sólo maneja la fase de

cría y deja de cebar, hasta que esta situación se vuelve más rentable para su granja.

En cuanto al índice de bienestar animal los estándares de densidad no se cumplen en las

granjas que conforman este grupo, ya que predomina el sobrecupo o la subutilización de

espacios, ocasionado por deficiencias de infraestructura y en las instalaciones. Esta

situación afecta directamente el bienestar animal, generando mayores niveles de estrés y

de esta manera dicha situación repercutirá en la calidad de la carne ofrecida al consumidor

(Paranhos da Costa, Huertas, Gallo, y Dalla Costa, 2012).

En estas granjas las prácticas sanitarias se llevan de forma parcial, en general la mayoría

tienen planes sanitarios para el manejo de las hembras y los lechones, pero en el resto de

etapas productivas no se visibilizaron registros del manejo de medicamentos o planes de



prevención. Lo que conlleva a que el índice de bioseguridad sea deficiente en este grupo

de granjas, ya que, carecen de programa de manejo integrado de plagas y roedores, no

se evidenció un control del ingreso y salida de personas y vehículos, algunas cuentan con

un sistema de desinfección para los vehículos y en cada área de la granja, y la mayoría no

maneja un plan de desinfección de agua para bebida de los cerdos. Para el índice no

tecnológico, estos porcicultores comercializan los cerdos a intermediarios quienes son los

que venden las canales a los comercializadores mayoristas, manejan periodos de ayuno

para algunos lotes de cerdo y cuentan con líneas genéticas en su mayoría materna que

favorece el mayor número de lechones por parto.

Medición y análisis de la eficiencia relativa

Para establecer la eficiencia relativa de los sistemas de producción porcinos del

departamento de Cundinamarca se tomaron 215 sistemas de producción (granjas) los

cuales son las unidades de toma de decisión (DMU´s) y se aplicó la metodología de

Análisis Envolvente de Datos (DEA). Las 215 DMU´s se dividieron en 67 con una

orientación productiva de levante y ceba y 148 de ciclo completo, esto se hizo para

comprender las diferencias en la eficiencia por sistema productivo y teniendo en cuenta

que las practicas específicas difieren en cada sistema de producción. No se tomó el

sistema de producción de cría debido a que su objetivo productivo no es sacar cerdos a

sacrificio para consumo humano.

Se corrió el modelo DEA con rendimientos variables de escala y orientado a las salidas el

cual busca aumentar los productos sin intervenir los valores de las entradas (insumos). En

la Tabla 3-4 se presenta el resumen del modelo DEA usado para los sistemas de

producción levante y ceba y ciclo completo.

3. Resultados 79

Tabla 3-4. Resumen del modelo DEA-VRS orientado a las salidas

Nombre del modelo Modelo BCC o VRS

Descripción de la orientación Orientado a las salidas

Variables de entrada Variables de salida

Área construida (m2) Fertilizante producido (kg)

Costo alimento ($) Valor venta fertilizante ($/kg)

Costo medicamentos ($) Número de cerdos al mercado

Costo aseo y desinfección ($) Ingreso venta de cerdos ($)

Número de cerdos

Número de trabajadores

3.2.1 Resultados DMU´s sistema ciclo completo

Los resultados del índice de eficiencia de las 148 DMU´s de los sistemas porcícolas de

ciclo completo realizado a través del modelo de Análisis Envolvente de Datos (DEA) se

presentan en la Tabla 3-5, donde se indica la granja analizada y el índice obtenido en un

rango que va desde 5,45% a 100,0%, siendo este último el valor de máxima eficiencia

posible para una DMU.



Tabla 3-5. Índices de eficiencia relativa para sistemas de producción ciclo completo.

DMU Índice (%) DMU Índice (%) DMU Índice (%) DMU Índice (%) DMU Índice (%)

U1 100 U31 100 U61 83,68 U91 100 U121 78,31

U2 27,09 U32 71,58 U62 100 U92 100 U122 100

U3 100 U33 95,74 U63 100 U93 100 U123 100

U4 14,47 U34 90,58 U64 100 U94 26,67 U124 84,95

U5 100 U35 5,45 U65 100 U95 100 U125 67,06

U6 100 U36 100 U66 84,05 U96 51,14 U126 100

U7 100 U37 37,8 U67 18,99 U97 100 U127 100

U8 16,71 U38 38,22 U68 82,57 U98 100 U128 80,05

U9 68,73 U39 41,19 U69 84,93 U99 68,02 U129 100

U10 77,25 U40 100 U70 100 U100 100 U130 95,15

U11 94,09 U41 66,67 U71 100 U101 72,17 U131 73,37

U12 88,89 U42 87,71 U72 100 U102 54,8 U132 38,26

U13 22,98 U43 99,45 U73 75,27 U103 87,78 U133 100

U14 74,2 U44 66,67 U74 100 U104 79,07 U134 100

U15 17,71 U45 47,94 U75 67,77 U105 84,21 U135 100

U16 81,88 U46 27,41 U76 69,35 U106 58,39 U136 100

U17 60,57 U47 100 U77 100 U107 66,67 U137 79,42

U18 52,34 U48 73,68 U78 32,31 U108 68,17 U138 100

U19 64,99 U49 100 U79 100 U109 68,11 U139 100

U20 95,66 U50 80,29 U80 70,37 U110 32,69 U140 78,06

U21 80 U51 83,03 U81 100 U111 91,67 U141 75,34

U22 25,39 U52 85,55 U82 100 U112 6,2 U142 55,86

U23 100 U53 100 U83 100 U113 100 U143 91,56

U24 73,96 U54 66,67 U84 100 U114 90,51 U144 83,51

U25 100 U55 69,33 U85 100 U115 100 U145 100

U26 46,58 U56 88,31 U86 100 U116 14,3 U146 25,93

U27 100 U57 84,45 U87 75,87 U117 78,55 U147 96,08

U28 100 U58 46,19 U88 19,1 U118 59,96 U148 13,98

U29 45,73 U59 80,77 U89 91,04 U119 100

U30 85,43 U60 100 U90 100 U120 100

3. Resultados 81

En primera instancia los resultados evidencian que la eficiencia relativa promedio para

todas las DMU´s de ciclo completo es de 77,57% (Tabla 3-6) con un modelo VRS orientado

a las salidas, lo cual indica que con los mismos insumos podrían aumentar la producción

en un 22,42%.

Tabla 3-6. Estadística descriptiva del modelo DEA-VRS orientado a las salidas DMU´s ciclo completo

Tamaño

muestra Media Mediana Moda

Desviación

estándar

Varianza de

la muestra Mínimo Máximo

148 77,5716 84,94 100 26,5132 702,9529 5,45 100

Para analizar el comportamiento del índice de eficiencia de las DMU’s de los sistemas de

producción de ciclo completo se presentan a continuación los diferentes niveles de

eficiencia evaluados (Tabla 3-7). Por lo tanto un 37,83% (56 de 148) de las DMU´s ciclo

completo son completamente eficientes (100%) en el uso de sus recursos es decir, que

operan sobre la frontera eficiente, le siguen las DMU´s con una eficiencia relativa alta la

cuales se encuentran en un rango entre el 80% y el 99,9% aglomerando 31 DMU´s ciclo

completo, esto representa un 20,94% de las granjas, lo cual indica que el 58,78 de las

DMU´s ciclo completo presentan eficiencia relativa alta en sus procesos.

Se clasificaron en dos grupos los sistemas de producción ciclo completo con una eficiencia

relativa media, entre 60% - 79,9% y entre 50% - 59,9%, para lo cual se agruparon 30

DMU´s y 6 DMU´s respectivamente, esto representa el 24,32% de DMU´s ciclo completo.

Por último, se clasificaron en dos grupos los sistemas de producción ciclo completo con

una eficiencia relativa baja, entre 25% - 49,9% y menores al 25%, en estos dos grupos se

concentraron 15 DMU´s y 10 DMU´s respectivamente, esto representa el 16,89% de

DMU´s ciclo completo menos eficiente relativamente.



Tabla 3-7. Rangos de eficiencia relativa y número de DMU´s por rango.

Número DMU´s ciclo completo Rango de índice de eficiencia

56 100% Eficiencia relativa

alta 31 80% - 99,9%

30 60% - 79,9% Eficiencia relativa

media 6 50% - 59,9%

15 25% - 49,9% Eficiencia relativa

baja 10 <25

En la Tabla 3-8 se presenta el resumen de los datos obtenidos para las variables de

entrada y salida de las DMU´s ciclo completo con una eficiencia entre el 80% - 99,9% y las

100% eficientes, se destaca que las DMU91 y la DMU93 tienen valor $0,0 para los gastos

relacionados con el uso de medicamentos veterinarios, sin embargo son eficientes en un

100%. Adicionalmente las DMU´s con un índice de eficiencia del 100% presentan valores

promedio mayores que el resto de agrupamientos para las variables de salida “fertilizante

producido (kg)”, “número de cerdos al mercado” e “ingreso venta de cerdos ($)”, por lo

tanto se infiere que este es el motivo principal por el cual esas DMU´s ciclo completo son

las más eficientes, al hacer un uso máximo de los recursos para lograr el mayor número

de productos.

Como elemento adicional en esta investigación se analizó el efecto de las variables de

salida ambientales “fertilizante producido (kg) y valor venta fertilizante ($/kg)” en la

eficiencia relativa de las DMU´s ciclo completo, para lo cual se evidencio que de las 56

DMU´s ciclo completo 100% eficientes, 19 DMU´s muestran valor cero para estas variables

y para las DMU´s entre el rango de 80% a 99,9% de índice de eficiencia 2 DMU´s tienen

valor cero para las mismas variables de salida, por tanto se infiere que estas variables

ambientales no determinan la eficiencia relativa de las granjas de ciclo completo.

La DMU120 presenta un valor de eficiencia relativa de 100% a pesar de tener valor cero

en la variable “número de trabajadores”, con esta variable se quiso indagar si en las granjas

se tenía contratado personal técnico o profesional permanente u ocasional para el

asesoramiento productivo.

3. Resultados 83

En las DMU´s ciclo completo del rango entre 80% y 99,9% se presentaron valores

promedio más altos en las entradas “costo del alimento ($)” y “numero de cerdos” que en

el resto de agrupamientos. Y en cuanto a la variable “valor venta fertilizante ($/kg)” este

grupo de granjas presenta el mayor valor de todos grupos diseñados.

Tabla 3-8. Estadística resumen de la eficiencia relativa alta para DMU´s ciclo completo

Entradas/ Salidas Promedio Desviación

estándar Mínimo Máximo

Rango

de Área construida (m2) 210,33 561,83 4 3.262

eficienci

a Costo alimento ($) 18.712.602,86 57.041.024,55 43.145 372.945.380

100% Costo medicamentos ($) 524.210,22 1.082.068 - 5.294.100

n= 56 Costo aseo y desinfección ($) 1.344.568,09 1.878.757,39 18.000 9.492.700

DMU´s Número de cerdos 433,71 1.322,08 1 8.644

Número de trabajadores 2,54 2,11 - 11

Fertilizante producido (kg) 95,58 422,29 - 3.000

Valor venta fertilizante ($/kg) 211,66 157,46 - 450

Número de cerdos al mercado 94,89 228,27 1 1.480

Ingreso venta de cerdos ($) 51.031.689,11 126.155.973,41 506.000 862.840.000

Rango

de Área construida (mt2) 231,72 283,41 18 1.204

eficienci

a Costo alimento ($) 22.321.784,83 34.818.221,45 1.294.350 144.578.895

Entre Costo medicamentos ($) 739.921,97 585.343,98 45.500 2.387.000

80% - Costo aseo y desinfección ($) 2.400.965 1.612.499,15 431.000 6.667.170

99,9% Número de cerdos 517,37 807 30 3.351

n= 31 Número de trabajadores 2,2 1,32 1 5

DMU´s Fertilizante producido (kg) 51,64 100,97 - 420

Valor venta fertilizante ($/kg) 290 82,42 - 400

Número de cerdos al mercado 71,9 96,53 3 400

Ingreso venta de cerdos ($) 34.070.300 45.490.933,43 1.584.000 176.000.000


entrada y salida de las DMU´s ciclo completo con una eficiencia entre el 60% - 79,9% y



50% a 59,9%. Para ambos grupos se observó que cuentan con un mayor valor promedio

en la variable de entrada “costo medicamentos ($)” y “costo aseo y desinfección ($) que

las granjas con una eficiencia relativa mayor al 80%, de esto se puede interpretar que son

granjas que se les dificulta mantener los niveles óptimos de sanidad y bioseguridad lo que

genera un incremento en los costos que afectan estas variables.

Dos DMU´s ciclo completo del rango de 60% a 79,9% presentan valores de cero para las

variables de salida “fertilizante producido” (kg) y “valor venta fertilizante ($/kg)”, al igual que

todas las granjas del intervalo de eficiencia relativa 50% a 59,9%.

Cabe resaltar en las variables de salida “número de cerdos al mercado” e “ingreso venta

de cerdos ($)” dentro de los dos grupos de eficiencia relativa media, las DMU´s del grupo

con el índice de eficiencia entre 50% a 59,9% tiene valores promedio más altos que las

DMU´s del rango entre 60% - 79,9%, esto quiere decir que por sacar más cerdos al

mercado y percibir mejores ingresos no se es relativamente más eficiente ya que dentro

del agrupamiento las variables ambientales afectan el índice de eficiencia.

Tabla 3-9. Estadística resumen de la eficiencia relativa media para DMU´s ciclo completo



Rango


eficienci

a Costo alimento ($) 17.198.489,66 14.683.937,59 2.070.960 63.682.020


60% - Costo aseo y desinfección ($) 3.091.551,79 1.391.881,27 86.900 6.251.090

79,9% Número de cerdos 398,62 340,34 48 1.476





Ingreso venta de cerdos ($) 24.466.275,86 23.854.002,53 3.168.000 121.440.000

3. Resultados 85



Rango

de Área construida (m2) 172,45 119,69 77 312,25

eficienci

a Costo alimento ($) 15.825.586 6.151.106,25 6.989.490 21.745.080

Entre Costo medicamentos ($) 1.115.038,60 548.577,35 500.000 1.699.603

50% - Costo aseo y desinfección ($) 2.840.576 1.329.888,66 932.800 4.124.500

59,9% Número de cerdos 366,8 142,57 162 504


Fertilizante producido (kg) - - - -

Valor venta fertilizante ($/kg) - - - -

Número de cerdos al mercado 59 19,49 40 90



entrada y salida de las DMU´s ciclo completo con una eficiencia entre el 25% - 49,9% y

menores a 25%. En cuanto a las variables de entrada las DMU´s de estos dos grupos

presentan los valores promedio más bajos en la variable de entrada “número de cerdos”

que el resto de agrupamientos.

El 100% de las DMU´s de los grupos con eficiencia relativa baja presentan valores de cero

para las variables de salida “fertilizante producido (kg)” y “valor venta fertilizante ($/kg)”,

sumado a esto también presentan los valores promedios más bajos en las variables de

salida “número de cerdos al mercado” e “ingreso venta de cerdos ($)”



Tabla 3-10. Estadística resumen de la eficiencia relativa baja para DMU´s ciclo completo



Rango de Área construida (m2) 223,53 271,94 28 1.102

eficienci

a Costo alimento ($) 12.080.600 14.576.863,37 647.175 60.403.000

Entre Costo medicamentos ($) 592.641,86 418.186 78.600 1.687.550


49,9% Número de cerdos 280 337,86 15 1.400




Número de cerdos al

mercado 36,87 24,09 4 85


Rango de Área construida (m2) 106,46 54,67

eficienci

a Costo alimento ($) 4.755.537,78 2.173.880,61 2.200.395 8.024.970

Menor a Costo medicamentos ($) 356.607,78 133.674,02 168.400 549.680

25% Costo aseo y desinfección ($) 1.531.737,22 829.865,84 375.900 3.041.505

n= 10 Número de cerdos 110,22 50,39 51 186

Número de trabajadores 2,22 0,97 1 4




mercado 11,33 6,24 3 20


3. Resultados 87

3.2.2 Resultados DMU´s sistema levante y ceba

Los resultados del índice de eficiencia de las 67 DMU´s de los sistemas porcícolas de

levante y ceba realizado a través del modelo de Análisis Envolvente de Datos (DEA) se

presentan en la Tabla 3-11, donde se indica la DMU analizada y el índice obtenido en un

rango que va desde 0.00% a 100.0%, siendo este último el valor de máxima eficiencia

posible para una DMU.

Las DMU 36, 41, 52, 57 y 66 presentan valores de 0,0% de eficiencia relativa, esto se dio

debido a que estas DMU únicamente reportaron datos para la variable de entrada “área

construida”, para el resto de variables de entrada y las variables de salida los valores

fueron de cero.

Tabla 3-11. Índices de eficiencia relativa para sistemas de producción levante y ceba.

DMU Índice (%) DMU Índice (%) DMU Índice (%) DMU Índice (%) DMU Índice (%)

U1 100 U15 82,13 U29 100 U43 75 U57 0,0

U2 100 U16 47,95 U30 100 U44 100 U58 79,43

U3 99,92 U17 27,59 U31 32,79 U45 100 U59 100

U4 100 U18 94,5 U32 100 U46 100 U60 31,58

U5 100 U19 100 U33 100 U47 75,76 U61 92,62

U6 100 U20 100 U34 100 U48 100 U62 100

U7 23,84 U21 85,25 U35 40,97 U49 100 U63 25,93

U8 100 U22 50,49 U36 0,0 U50 100 U64 95,15

U9 35,22 U23 20,41 U37 85,46 U51 31,88 U65 33,58

U10 86,37 U24 96,92 U38 100 U52 0,0 U66 0,0

U11 30,47 U25 91,32 U39 100 U53 85,71 U67 100

U12 100 U26 93,15 U40 100 U54 100

U13 86,85 U27 100 U41 0,0 U55 50

U14 100 U28 100 U42 89,23 U56 100


producción de levante y ceba a continuación se presentan los diferentes niveles de

eficiencia evaluados. En primera instancia los resultados evidencian que la eficiencia



relativa promedio para todas las DMU´s de levante y ceba fue de 75,78% (Tabla 3-12) con

un modelo VRS orientado a las salidas, lo cual indica que con los mismos insumos podrían

aumentar la producción en un 18,10%.

Tabla 3-12. Estadística descriptiva del modelo DEA-VRS orientado a las salidas DMU´s levante y ceba.

Tamaño

muestra Media Mediana Moda

Desviación

estándar

Varianza de

la muestra Mínimo Máximo

67 75,78 95,15 100 33,7775 1140,92 0,00 100


producción de levante y ceba se presentan a continuación los diferentes niveles de

eficiencia evaluados (Tabla 3-13). Por lo tanto un 46,27% (31 de 67 granjas) de las DMU´s

levante y ceba son completamente eficientes el uso de sus recursos en un 100% es decir,

que operan sobre la frontera eficiente, le siguen las DMU´s con una eficiencia relativa alta

las cuales se encuentran en un rango entre el 80% y el 99,9% aglomerando 14 DMU´s

levante y ceba, esto representa un 20,90% de las granjas, lo cual indica que el 67,16 de

las DMU´s levante y ceba presentan eficiencia relativa alta en sus procesos.

Se clasificaron en dos grupos los sistemas de producción levante y ceba con una eficiencia

relativa media, entre 60% - 79,9% y entre 50% - 59,9%, para lo cual se agruparon 3 DMU´s

y 2 DMU´s respectivamente, esto representa el 7,46% del total de las DMU´s levante y

ceba.

Por último, se clasificaron en dos grupos los sistemas de producción levante y ceba con

una eficiencia relativa baja, entre 25% - 49,9% y menores al 25%, en estos dos grupos se

concentraron 10 DMU´s y 7 DMU´s respectivamente, esto representa el 25,37% de DMU´s

levante y ceba menos eficiente relativamente.

3. Resultados 89

Tabla 3-13. Rangos de eficiencia relativa y número de DMU´s por rango.

Número DMU´s ciclo

completo

Rango de Índice de

eficiencia

31 100% Eficiencia relativa alta

14 80% - 99,9%

3 60% - 79,9% Eficiencia relativa media

2 50% - 59.9%

10 25% - 49,9% Eficiencia relativa baja

7 <25%


entrada y salida de las DMU´s levante y ceba con una eficiencia entre el 80% - 99,9% y

las 100% eficientes.

Las DMU´s levante ceba con un índice de eficiencia de 100% se caracterizan por tener

valores promedio más altos en las variables de entrada “costo alimento ($)” y “número de

cerdos” y también valores promedio mayores en las variables de salida “fertilizante

producido (kg)”, “número de cerdos al mercado” e “ingreso venta de cerdos ($)”.

Dentro del grupo de las DMU´s levante y ceba 100% eficientes se identificaron 4 DMU´s

(DMU40, DMU49, DMU50 y DMU67) con valores de cero en la variable de entrada “número

de trabajadores”, y en las variables de salida “fertilizante producido (kg)” y “valor venta

fertilizante ($/kg)”, así mismo dentro de este mismo grupo otras 15 DMU´s tienen valores

de cero en las variables ambientales, por tanto se infiere que estas variables ambientales

no determinan la eficiencia relativa de las granjas de levante y ceba.

En las DMU´s levante ceba del rango entre 80% y 99,9% se presentaron valores promedio

más altos en la entrada “área construida (m2)” y en la variable de salida “valor venta

fertilizante ($/kg)”. En este caso posiblemente se estén subutilizando las instalaciones para

la producción porcina y en el caso de la variable de salida venden el kilo gramo de

fertilizante a un valor más elevado que el resto de las DMU´s.



Tabla 3-14. Estadística resumen de la eficiencia relativa alta para DMU´s levante y ceba



Rango


eficienci

a Costo alimento ($) 11.845.390,16 25.839.431,69 43.145 120.806.000

100,0% Costo medicamentos ($) 302.965,06 575.950,76 11.862 2.580.900

n= 31 Costo aseo y desinfección ($) 1.231.858,23 1.682.032,18 36.200 6.794.200

DMU´s Número de cerdos 274,55 598,90 1 2.800


Fertilizante producido (kg) 79,58 260,83 - 1.440



Ingreso venta de cerdos ($) 39.304.170,97 60.536.844,40 528.000 235.400.000

Rango

de Área construida (m2) 124,07 200,57 18 770

eficienci

a Costo alimento ($) 8.724.535,36 11.535.821,63 604.030 45.302.250



99,9% Número de cerdos 202,21 267,37 14 1.050







entrada y salida de las DMU´s levante y ceba con una eficiencia entre el 60% - 79,9% y el

rango desde 50% a 59,9%.

3. Resultados 91

Las DMU´s levante ceba del rango de eficiencia relativa entre el 60% - 79,9% tienen

valores promedio más altos en las variables de entrada “costo aseo y desinfección ($)” y

“número de trabajadores”.

A partir del valor de eficiencia relativa de 59,9% todas las DMU´s levante ceba indican

valores promedio de cero en las variables salida “fertilizante producido (kg)” y “valor venta

fertilizante ($/kg)”.

Este grupo de DMU´s levante ceba con eficiencia relativa media presenta valores extremos

dentro de su agrupamiento, las DMU´s del rango entre 60% - 79,9% presentan los

siguientes valores de eficiencia: DMU43 (75%), DMU47 (75,76%) y la DMU58 (79,43%),

mientras que las DMU´s del intervalo entre 50% a 59,9% muestra los siguientes índices:

DMU55 (50%) y la DMU22 (50,49), por tal motivo los tamaños de muestra son pequeños.

Tabla 3-15. Estadística resumen de la eficiencia relativa media para DMU´s levante y ceba

Entradas/ Salidas Promedio

Desviación


Rango de Área construida (m2) 75,33 16,77 56 86

eficiencia Costo alimento ($) 9.132.358,33 4.795.180,67 6.342.315 14.669.300

Entre 60% Costo medicamentos ($) 640.373,33 236.401,62 430.400 896.420

- 79,9% Costo aseo y desinfección ($) 2.165.370 491.030,92 1.679.400 2.661.310

n= 2 Número de cerdos 211,67 111,14 147 340

DMU´s Número de trabajadores 3,67 1,15 3 5

Fertilizante producido (kg) 24 12 12 36

Valor venta fertilizante ($/kg) 300 - 300 300



Rango de Área construida (m2) 34 11,31 26 42

eficiencia Costo alimento ($) 1.898.380 2.196.584,79 345.160 3.451.600

Entre 50% Costo medicamentos ($) 106.550 68.235,8 58.300 154.800

- 59,9% Costo aseo y desinfección ($) 296.565 214.628,12 144.800 448.330

n= 3 Número de cerdos 44 50,91 8 80

Número de trabajadores 1,5 0,71 1 2



Entradas/ Salidas Promedio

Desviación




Número de cerdos al mercado 18 19,8 4 32



entrada y salida de las DMU´s levante y ceba con una eficiencia entre el 25% - 49,9% y

las DMU´s con índice de eficiencia menor al 25%.

Las DMU´s del rango de eficiencia entre el 25% y el 49,9% presentan valores promedio

mayores para las variables de entrada “costo alimento ($)”, “costo medicamentos ($)”,

“costo aseo y desinfección ($)”, “número de cerdos” y “número de trabajadores” y en las

variables de salida “número de cerdos al mercado” e “ingreso venta de cerdos ($)”

comparado con el grupo de índices de eficiencia menor al 25%.

Dentro de las DMU´s levante ceba con valores de eficiencia relativa menores al 25% se

encontraron cinco DMU´s (DMU36, DMU41, DMU52, DMU57 y DMU66) que no reportan

información para las variables de entrada “costo alimento ($)”, “costo medicamentos ($)”,

“costo aseo y desinfección ($)”, “número de cerdos” y “número de trabajadores” y en las

variables de salida “fertilizante producido”, “valor venta fertilizante ($/kg)”, “número de

cerdos al mercado” e “ingreso venta de cerdos ($)”, esto se debe a un factor económico-

social que es la estacionalidad de la producción porcina, habitualmente los pequeños

porcicultores de este tipo de sistema de producción adquieren cerdos entre los meses de

junio, julio y agosto con miras que tengan un peso entre 105kg y 120kg en el mes de

diciembre que es cuando se presentan los mejores precios al productor.

3. Resultados 93

Tabla 3-16. Estadística resumen de la eficiencia relativa baja para DMU´s levante y ceba




eficiencia Costo alimento ($) 3.222.931,5 2.413.040,53 776.610 8.068.115

Entre Costo medicamentos ($) 219.045,8 166.629,06 42.845 454.004

25% - Costo aseo y desinfección ($) 942.314,0 601.298,31 325.800 2.385.400

49,9% Número de cerdos 74,7 55,93 18 187





mercado 21,1 20,56 3 70



eficiencia Costo alimento ($) 1.522.402,14 2.665.080,11 - 6.342.315

Menor a Costo medicamentos ($) 65.500,43 164.858,13 - 439.000

25% Costo aseo y desinfección ($) 495.901,43 847.999,93 - 1.810.000

n= 10 Número de cerdos 35,29 61,77 - 147





mercado 7,14 12,54 - 30

Ingreso venta de cerdos ($) 3.135.000 5.359.325,98 - 11.385.000

Al agrupar los resultados encontrados para cada uno de los sistemas de producción por el

municipio de origen, se puede apreciar en la Tabla 3-13 que la zona rural del Distrito Capital

es la región más eficiente, esto debido a que allí se ubica la DMU 1 ciclo completo y el

modelo DEA-VRS orientado a las salidas la determino como eficiente en un 100%. La

región con las DMU´s ciclo completo menos eficientes es Oriente con un 28,57%.



Tabla 3-17. DMU´s ciclo completo eficientes por región del departamento de Cundinamarca

Región Granjas

Eficientes

Numero de granjas

por región

Porcentaje de granjas

eficientes

Zona rural Distrito

Capital 1 1 100%

Oriente 8 28 28,57%

Sumapaz 22 56 39,28%

Tequendama 25 63 39,68%

Total 56 148

En la Tabla 3-14 se observa que al igual que las DMU´s de ciclo completo la zona rural del

Distrito Capital es la cuenta el porcentaje de granjas más eficiente con un 58,33% y la

región con el porcentaje de granjas más ineficientes es Oriente con un 27,27%. Sumapaz

tiene un 50% de granjas eficientes y la región Tequedama un 47,22%.

Tabla 3-18. DMU´s levante y ceba eficientes por región del departamento de Cundinamarca

Región Granjas

Eficientes

Numero de granjas

por región

Porcentaje de granjas

eficientes

Zona rural Distrito

Capital 7 12 58,33

Oriente 3 11 27,27

Sumapaz 4 8 50,00

Tequendama 17 36 47,22

Total 31 67

Al desagregar las variables de entrada para el modelo planteado se parte de la variable

que contempla el área destinada dentro de las granjas para la producción porcina (Área

construida (m2)), esta área varia en su tamaño según el objetivo productivo de la granja,

para la pertinencia de esta investigación se analizaron mediante el modelo DEA-VRS

orientado a las salidas las áreas utilizada en las DMU´s ciclo completo y levante y ceba.

Para el caso de las DMU´s ciclo completo del rango de eficiencia relativa alta el tamaño

3. Resultados 95

del área de producción destinada a la porcicultura fue en promedio más grande que en el

resto de agrupaciones e incluso que en el valor promedio de los grupos en las DMU´s

levante y ceba, esto se da principalmente porque esta granjas manejan diferentes procesos

(cría, levante y ceba), existen granjas de uno, dos y tres sitios (máximo un sitio para cada

proceso), habitualmente cuentan con áreas separadas para los periodos de gestación y

lactancia de las hembras reproductoras, y otra área para el engorde de los cerdos

destinados a la comercialización.

Posteriormente se trabajó la variable de los costos relacionados con la alimentación de los

cerdos (costo alimento ($)), en general, para los sistemas de producción de cerdos

evaluados estos costos fueron en promedio más altos para las granjas más eficientes que

para las granjas menos eficientes, por lo tanto se infiere para mantener alto el índice de

eficiencia estas granjas implementan buenas prácticas de alimentación animal teniendo en

cuenta que utilizan concentrado de casas comerciales para la alimentación de los cerdos,

y esto conlleva a que cuenten con áreas adecuadas para el almacenamiento de estos

productos y se lleven registros de consumo de concentrado e inventario del mismo.

Los valores de la variable “costo medicamentos ($)” están directamente relacionados con

las buenas prácticas en el uso de medicamentos veterinarios y prácticas de bioseguridad,

varían de acuerdo al objetivo productivo en cada uno de los sistemas de producción

porcinos y a la ubicación en la zona geográfica del país. Para el caso de las DMU´s ciclo

completo y DMU´s levante los valores fueron dispersos, sin embargo este ítem es

importante dentro de las explotaciones porcinas ya que se debe garantizar el uso adecuado

de los medicamentos para la prevención, control y tratamiento de enfermedades, se deben

respetar los tiempos de retiro, llevar un registro del uso estos y mantenerlos almacenados

de una manera adecuada.

La anterior variable está directamente relacionada con la de “costos de aseo y desinfección

($)” ya que se debe contar con un programa sanitario dentro de las explotaciones

porcícolas, estos costos están asociados a la implementación de planes y protocolos de

aseo y desinfección de instalaciones y equipos.

La variable “número de cerdos” es importante porque, los cerdos son el insumo principal

de la dinámica de la producción porcícola, son insumo/producto y transforman otros



insumos para sí mismos como producto. Los valores de inventario porcino más altos se

presentaron en las DMU´s ciclo completo pero el modelo DEA manejado no contemplo

esta variable como primordial dentro de las granjas categorizadas como eficientes. En el

caso de las DMU´s levante y ceba en el rango de eficientes, esta variable si presento

valores promedio más altos dentro de los grupos.

El recurso humano es clave en la operación de un sistema de producción porcino por lo

tanto el número de trabajadores con que se cuenta facilita la distribución de tareas y el

buen funcionamiento de la granja. Los trabajadores de una granja porcícola deben

garantiza el buen manejo de los cerdos y de la bioseguridad, el caso de las DMU´s ciclo

completo estas presentaron el valor promedio más alto en cuanto a número de

trabajadores dentro de los sistemas de producción evaluados.

En cuanto a la variable de salida utilizada para el modelo DEA-VRS enfocado a las salidas

se tuvo en cuenta la cantidad de fertilizante producido (kg) y el valor por la venta de

fertilizante ($/kg), por lo tanto para el rango de DMU´s ciclo completo y DMU´s levante y

ceba con una eficiencia relativa alta los valores promedio de estas dos variables fueron

más altos. Con la inclusión de estas variables se buscó analizar el efecto en la eficiencia

relativa de las prácticas de manejo sostenible con las que cuentan algunas granjas dando

como resultado que estas variables no afectan la eficiencia relativa de ninguno de los dos

sistemas de producción, sin embargo a medida que aumentaba la eficiencia relativa

también iba aumentando el valor de la variable “fertilizante producido (kg)”.

Un denominador común que tenían las DMU´s ciclo completo y las DMU´s levante y ceba

es que su objetivo productivo es sacar cerdos al mercado con un peso entre 105 y 115kg

con un precio de venta por kilogramo de peso del cerdo en pie. Para los dos sistemas de

producción dentro del agrupamiento de DMU´s con índice de eficiencia alto los valores

promedio de estas variables fueron los mayores, por lo que se concluye que la cantidad

de cerdos sacados al mercado con un precio estable favorece la eficiencia relativa de los

sistemas de producción porcinos analizados. Y por último la variable “número de cerdos al

mercado” iba aumentando de valor a medida que la eficiencia relativa aumentaba.

4. Conclusiones y recomendaciones

Conclusiones

Se evaluó la eficiencia relativa de los sistemas de producción porcinos en el departamento

de Cundinamarca mediante la metodología Data Envelopment Analysis (DEA) y se

identificó mediante el modelo aplicado DEA-VRS orientado a las salidas, que la eficiencia

promedio de las DMU´s ciclo completo fue de 77,57% y de las de DMU´s levante ceba fue

de 75,78%. La metodología presentada en esta investigación demuestra cómo los

porcicultores pueden beneficiarse de la aplicación de herramientas de gestión operativa y

evaluar su desempeño productivo.

Con la aplicación del modelo DEA se logró identificar las granjas eficientes que sirven como

referencial para aquellas que no han logrado ser eficientes, las cuales de acuerdo con las

variables evaluadas deberán implementar procesos como: manejo de registros

productivos, reproductivos, técnicos y financieros; programación de granja para hacer un

uso eficiente de los espacios con que se cuenta, planes de sanitarios y de bioseguridad

que mejoren el uso de medicamentos veterinario y se ejecuten los planes de aseo y

desinfección; capacitación integral del personal encargado del manejo de las granjas; e

implementar tecnologías que ayuden a mitigar los impactos ambientales que generan las

granjas. Lo anterior sirve para mejorar la gestión operacional de las granjas aumentando

su productividad y en última instancia su rentabilidad.

Como elemento adicional en esta investigación se analizó el efecto de las variables

ambientales “fertilizante producido (kg)” y “valor venta fertilizante ($/kg)” en la eficiencia

relativa, para las DMU´s ciclo completo el resultado fue 92 DMU´s de las 148 (62,16%), y

para el caso de las DMU´s de levante y ceba el resultado fue de 28 DMU´s de las 67

(41,79%), se infiere que las granjas que se encuentra dentro de esos porcentajes realizan



algún tipo de práctica ambiental para el manejo de excretas y las usa como fertilizante para

la venta

Con este estudio se visibiliza la importancia de establecer procesos sostenibles para el

manejo adecuado de insumos y la mitigación de los impactos ambientales en los sistemas

de producción porcinos como una estrategia para mejorar la eficiencia relativa de este

sector. En términos de eficiencia se debe mejorar el uso de los recursos disponibles dentro

de los sistemas de producción porcícolas para mejorar la productividad.

La metodología DEA demuestra como los actores involucrados en el sector porcícola

pueden beneficiarse del uso de herramientas de gestión de operaciones para evaluar su

desempeño productivo, ya que, el aumento de la eficiencia relativa de una granja en

realidad significa menos uso de insumos, menores costos de producción y, en última

instancia mayores ganancias, motivación suficiente para adoptar estas nuevas técnicas.

Este trabajo proporcionó una base para que el sector porcícola utilice el análisis de la

eficiencia relativa usando la metodología DEA en el eslabón primario de la agrocadena,

aquí se analizaron dos tipos de granjas (ciclo completo y levante y ceba), por lo tanto se

recomienda aplicar esta técnica en otros eslabones de esta para establecer las mejores

organizaciones que integran la agrocadena y realizar una evaluación comparativa con

miras a identificar la mejores prácticas en otras etapas como: el transporte de cerdos, el

sacrificio porcino, el procesamiento de carne de cerdo, la comercialización. También

replicar este tipo de estudios en otras zonas del país con alta producción porcina como los

departamentos de Antioquia, Valle y Córdoba.

En el proyecto macro Corredor Tecnológico Agroindustrial Derivado 2 a partir del desarrollo

de esta investigación y otras vinculadas al proyecto porcinos se identificaron oportunidades

en términos de gestión de operaciones y control dentro de la producción porcícola, como

mejorar la toma de decisiones en las granjas, la optimización de procesos, y el

establecimiento de alianzas con otros actores de la agrocadena porcina como fueron la

academia, entes de control sanitario y ambiental, comercializadores, transportadores y

gobiernos municipales y departamentales. Se destacó el trabajo realizado con granjas

sostenibles, se favoreció la integración vertical, el bienestar animal y la calidad de la carne

Conclusiones 99

de cerdo, todo lo anterior con el fin de sacar un producto innocuo y trazable para el

consumidor final.

En el desarrollo de esta investigación se presentaron diversos contratiempos y dificultades

técnicas, administrativas y financieras propias de la administración de los recursos públicos

que dificultaron el desarrollo de actividades para logro de los objetivos propuestos. Se debe

propender por realizar una planeación previa a la ejecución de las actividades operativas

y poner de acuerdo a todas las partes interesadas en que objetivos de van a trazar y como

se va a llegar al cumplimiento de los mismos.

Recomendaciones

Una de las ventajas de la metodología DEA es que se pueden establecer modelos de la

relación entre las entradas y las salidas sin predeterminar ponderaciones o pesos a alguna

de las variables, dando como resultado una simulación acertada al comportamiento

productivo de las DMU´s analizadas, esto se pudo evidenciar en esta investigación dentro

de la producción de carne de cerdo en el departamento de Cundinamarca.

Teniendo en cuenta la caracterización de los sistemas de producción porcinos y la

medición de la eficiencia relativa de estos se pueden recomendar las siguientes actividades

que conllevan a mejorar la eficiencia de las granjas y a garantizar los mejores resultados

productivos:

Todos los procesos que componen los sistemas de producción porcinos

contemplan la gestión técnica, productiva, reproductiva, económica y ambiental. Se

deben usar herramientas de registro para llevar planificar, controlar y verificar el

desarrollo de los procesos.

Se debe usar la metodología de programación de granja y adaptarla a las

condiciones de infraestructura, esta metodología está asociada a las variables de

entrada “área construida (m2)” e inventario animal “número de cerdos” propias de

cada explotación, con el fin de proyectar el “ritmo de producción”, manteniendo un

flujo constante insumos y productos.

Se deben implementar prácticas de alimentación animal adecuadas a la

normatividad vigente, esto afecta la variable de entrada “costo alimento ($)”, con

10

0

Evaluación de la eficiencia relativa de los sistemas de producción porcícolas del


el fin de asegurar un crecimiento adecuado con buenos índices de conversión

alimenticia y de ganancias de peso, y se debe tener en cuenta que los cerdos son

animales destinados para el consumo humano.

Las medidas de bioseguridad de las granjas porcícolas son todas las actividades

sanitarias preventivas, de verificación, y control que influyen directamente en las

variables de entrada “costo medicamentos ($)” y los “costos aseo y desinfección

($))”, y que se realizan de manera permanente para evitar la entrada y salida de

agentes infectocontagiosos. Las actividades incluidas en el programa de

bioseguridad son:

o Registrar de entrada y salida de personal y vehículos.

o Establecer métodos de desinfección en las áreas de ingreso a la granja y a

las áreas donde se encuentran los cerdos.

o Implementar protocolos de limpieza aseo y desinfección de instalaciones y

equipos

o Implementar planes de manejo integrado de plagas

o Realizar planes de tratamiento para el agua de consumo de los animales.

Otro proceso que afecta la productividad y que no se le ha tomado la importancia

adecuada es el que tiene que ver con el bienestar animal de los cerdos, este se ve

afectado por diferentes por todas las variables de entrada especialmente por el

manejo que puede dar el personal operativo de las granjas a los cerdos, por lo tanto

en este proceso está implícita la variable (número de trabajadores), para mantener

alto el nivel de eficiencia de esta variable se recomienda lo siguiente:

o Capacitar continuamente en temas pertinentes a la producción porcícola.

o Dotar con los implementos de protección personal a los trabajadores.

o Realizar auditorías de seguimiento al personal para constatar el

cumplimiento de sus funciones.

Los procesos relacionados con el manejo de residuos líquido y solidos afectan las

variables de salida “fertilizante producido (kg)” y “valor venta fertilizante ($/kg)”,

debido a que se recomienda implementar tecnologías que mitiguen el impacto

ambiental de las explotaciones, estas tecnologías pueden ser:

o Instalación de biodigestores para la producción de gas

Conclusiones 101

o Hacer procesos de compostaje del estiércol para transformarlo en

fertilizante para pastos y cultivos, este fertilizante en varias granjas sirve

como un producto para percibir más ingresos.

o Instalar trampas para separar excrementos sólidos y lixiviados, los lixiviados

se pueden usar para regar pastos y cultivos como un método de fertilización

liquida.

El análisis de eficiencia y la caracterización de los sistemas de producción en el sector

agropecuario servirían para identificar aquellas “brechas tecnológicas” que no dejan operar

de manera adecuada los sistemas de producción, ayudan a establecer los niveles de

productividad y de implementación de buenas prácticas agropecuarias en cada una de las

unidades analizadas, el conjunto de resultados obtenidos sirven para establecer

estrategias de política pública enfocadas de gestión de operaciones enfocadas a

infraestructura logística (vías, centros de acopio, procesamiento y distribución de

alimentos, telecomunicaciones, etc) y a establecer conglomerados productivos

especializados en la producción eficiente de un producto (ejemplo: las cuencas lecheras

de los departamentos de Antioquia, Boyacá, Cundinamarca y Nariño).

A nivel de agremiación se recomienda replicar esta investigación en los datos económicos

que maneja la Asociación Porkcolombia – FNP, ya que conocer las características

específicas de las granjas contribuye a analizar la eficiencia de los factores de entrada y

salida individualmente, por ejemplo; si la infraestructura es una preocupación, se debe

apoyar la inversión en tecnologías para modernizar las áreas de producción porcícola; si

los costos de alimentación son muy altos debido a que las materias primas para elaborarlos

son importadas, de deberían generar programas de integración horizontal o vertical que

minimicen costos, o generar innovación en nuevos productos para la alimentación animal.

Todo con el de brindar oportunidades de mejora dependiendo del nivel de eficiencia de las

entradas y el factor de interés de salida en cada DMU.

Se recomienda seguir trabajando este tipo de proyectos de investigación con los pequeños

y medianos productores agropecuarios, este sector en especial necesita proyectos de

asistencia técnica, extensión e investigación y más ahora con el desarrollo del posconflicto,

las temáticas que se podrían abordar a partir de esta investigación son la mitigación de

impactos ambientales y de alternativas de alimentación. También fortalecer y establecer

10

2

Evaluación de la eficiencia relativa de los sistemas de producción porcícolas del


proyectos que se enfoquen exclusivamente en los componentes de bienestar animal y de

calidad de carne de cerdo, ya que en el departamento, ni en el país hay datos sobre estos

temas.

A. Anexo: Encuesta de caracterización de sistemas de producción porcina

Fecha de diligenciamiento: Día/mes/año___/____/____ Registro____________

Nombre de la granja. _______________________________

Nombre del propietario _______________________________

Nombre del administrador _______________________________

Diligenciado por:

______________________________________________________

CARACTERÍSTICAS GENERALES DE LA EXPLOTACION

1. Localización

Municipio _______________________________

Vereda _______________________________

Latitud ________________ Longitud______________ m.s.n.m_________________

Distancia a la cabecera municipal (minutos) ___________________________

Distancia a la cabecera municipal (km) _________________________________

2. Orientación productiva:

1. Cría ( ) 2.Levante ( ) 3.Ceba ( ) 4. Ciclo completo ( )

3. Información sobre el propietario:

Dedicación exclusiva si ( ) no ( ) otras actividades pecuarias _________________

Años de experiencia en la actividad porcina _____ Edad del Propietario _____

Teléfono _________________

4. Información sobre el administrador:

Dedicación exclusiva si ( ) no ( ) otras actividades pecuarias __________________

Años de experiencia en la actividad porcina ________ Edad del administrador _____

Teléfono ______________

10

4

Evaluación de la eficiencia relativa de los sistemas de producción porcícolas


(DEA)

5. Otras características de la Granja:

Número de trabajadores incluido propietario ___________

Edad(años) 0 - 5 6 - 11 12 - 17 18 - 28 29 - 40 41

-

55 Tercera Edad

Genero M F M F M F M F M F M F M F

N° de

integrantes

6. Formación de los trabajadores:

Indique el número de trabajadores con los siguientes grados de escolaridad

Sin estudios _____ Básica primaria _____ Básica secundaria _____Técnico _____ Profesional

_____

7. Años de operación de la Granja porcícola _____

8. ¿Ha realizado reformas? Si ( ) No ( )

¿Cuáles?: Ampliación ( ) Reducción ( ) Reubicación ( )

Motivo ______________________________

9. ¿Quiere o va a realizar reformas próximamente? Si ( ) no ( )

¿Cuáles?: Ampliación ( ) Reducción ( ) Reubicación ( )

Motivo ______________________________

10. Vías de acceso a la granja: Bueno ( ) Regular ( ) Malo ( )

11. ¿Tiene problemas de acceso en época de lluvias? Si ( ) No ( )

12. ¿Tiene cerca perimetral? Si ( ) No ( ) ¿En buen estado? Si ( ) No ( )

13. ¿Tiene sistema de desinfección de vehículos? Si ( ) No ( )

14. ¿Tiene sistema de desinfección en cada instalación? Si ( ) No ( )

15. ¿Posee control de ingreso y salida de personal? Si ( ) No ( )

16. En la granja, los trabajadores cuentan con:

Vestieres Si ( ) No ( )

Duchas Si ( ) No ( )

Baños Si ( ) No ( )

Anexo A. Encuesta de caracterización de sistemas de producción porcina 105

17. En la granja, con qué Servicios Públicos cuenta

Energía eléctrica ( ) Planta de Energía ( ) Energías alternativas ( )

Gas propano ( ) Gas natural ( ) Agua de nacedero ( )

Acueducto vereda ( ) Agua de quebrada ( ) Agua de rio ( )

18. ¿Realiza algún tratamiento previo al agua de la granja? Si ( ) no ( )

INSTALACIONES

19. Alojamiento: Marque con una X el cuadro que relaciones cómo se encuentran alojados sus

Cerdos

Atadas (Uso de Lazo) Jaulas individuales Corrales Jaulas grupales

Servicios

Gestación

Lactancia

VERRACOS:_______ Área/verraco (m2): ________

No. animales/grupo Área total (m2)

Precebo

Levante

Ceba

20. No. de jaulas o corrales totales _______

21. No. de jaulas destinadas a hembras _______

Servicios _________

Gestación _________

Lactancia ___________

22. No. de jaulas o corrales destinados a levante __________

23. No. de jaulas o corrales destinados a Ceba ___________

Observaciones:

______________________________________________________________________________

______________________________________________________________________________

__________________________________________

24. La granja cuenta con embarcadero para los cerdos en ceba:

Si ( ) No ( )

10

6



(DEA)

25. Qué tipo de elementos utiliza para mover los cerdos en granja:

Banderines o lonas ( )

Palos o tablas ( )

Ruido (palmadas, chiflidos, voz ( )

Tabano o picana eléctrica ( )

Golpes (patadas, puños) ( )

Otros _________________________

26. Marque con una X el tipo de piso para cada área de la granja:

Concreto Pisos plásticos parciales

Pisos plásticos total

Cama profunda

Otro ¿cuál?

Servicios

Gestación

Lactancia

Verracos

Precebo

Levante

Ceba

Observaciones:__________________________________________________________________

______________________________________________________________________________

_____________________________________________________

27. Marque con una X el tipo de comedero con el que cuenta su granja en cada área

Lineal Tolva Dosificado Otro ¿cuál?

Servicios

Gestación

Lactancia

Verracos

Precebo

Levante

Ceba

28. Sistema de distribución de alimento: Manual ( ) Automático ( )

29. Alimentación:

FASE

PRESENTACIÓN Conversión

alimenticia

N° DE

FASES

(fases/lote)

OBSERVACIONES Harina Granulado Seco Húmedo

Servicios

Gestación


Lactancia

Verracos

Precebos

Levante

Ceba

30. ¿Realiza restricción alimenticia en alguna de las fases de crecimiento?

Si ( ) No ( ) Cuales: ______________________________________________________

31. Marque con una X el tipo de bebederos con el que cuenta su granja en cada una de las

áreas:

Lineal Chupo Dosificado Otro ¿cuál?

Servicios

Gestación

Lactancia

Verracos

Precebo

Levante

Ceba

32. ¿Tiene aljibe o poso de reserva de agua?

Si ( ) No ( ) ¿Capacidad? _________________________

33. ¿Tiene tanques de almacenamiento de agua?

Si ( ) No ( ) ¿Cuántos? _____ Capacidad/Tanque______

34. ¿Lava los tanques? Si ( ) No ( ) Frecuencia (días)_________________

35. ¿Realiza desinfeccion del agua de bebida? Si ( ) No ( ) Producto

__________________

36. Maque con una X con qué tipo de ventilación cuenta para cada área de la granja

VENTILACIÓN NATURAL VENTILACIÓN

MECÁNICA OTRO

FASE Cortinas Abertura en la parte superior del

techo(caballete)

Abertura en los laterales

Servicios

Gestación

Lactancia

Verracos

Precebo

10

8



(DEA)

Levante

Ceba

37. Marque con una X que tipo de fuentes de calefacción emplea en la granja para cada una

de las áreas:

No Gas Lámparas infrarrojas Electricidad Otro

Servicios

Gestación

Lactancia

Verracos

Precebo

Levante

Ceba

38. Marque con una X que tipo de mecanismos de enfriamiento emplea en su granja para cada

una de las áreas:

Fase NO Espejos de agua

Aspersión Ventiladores Nebulizadores Goteo Otro

Servicios

Gestación

Lactancia

Verracos

Precebo

Levante

Ceba

39. Marque con una X que tipo de herramientas emplea para el monitoreo de temperatura y

humedad

FASE NO SI Termómetro Higrómetro Otro

Servicios

Gestación

Lactancia

Verracos

Precebo

Levante

Ceba

MANEJO:

40. ¿Cómo se lleva a cabo el manejo de los animales en su granja?

Por lotes ( ) Flujo continuo ( ) Todo dentro todo fuera ( )

41. Tipo de granja: Sitio 1 ( ) Sitio 2 ( ) Sitio 3 ( )

42. ¿Realiza la programación de su granja? Sí ( ) No ( )


43. ¿A qué edad realiza el descolmille?: _________________

44. ¿A qué edad realiza el corte de colas?: _________________

45. ¿A qué edad realiza la castración?: _________________

46. Tipo de castración: Quirúrgica ( ) Inmunocastración ( )

47. Sistema de identificación de los animales: Muescas ( ) Tatuajes ( ) Chapetas ( )

48. ¿Distribuye los lotes por peso? Sí ( ) No ( )

49. ¿Distribuye los lotes por sexo? Sí ( ) No ( )

50. ¿Tipo de monta? Natural ( ) Inseminación Artificial ( )

51. Adquisición del material seminal: Centros de producción de material seminal porcino de la región ( ) Casas Comerciales ( ) Procesamiento de Semen en la misma granja ( )

52. ¿Realiza el pesaje de sus animales al finalizar cada fase? Si ( ) No ( )

53. Indique el NÚMERO TOTAL de animales en cada fase de la granja

Fase Número de animales

Servicios

Reemplazos

Gestación

Lactancia

Precebo

Levante

Ceba

Verracos

54. Parámetros reproductivos y productivos:

Parámetros

· Intervalo destete-servicio (Días)

· Total lechones nacidos/parto

· Lechones nacidos vivos/parto

· Momificados (%)

· Nacidos muertos (%)

· Mortalidad en precebo (%)

· Mortalidad en ceba (%)

11

0



(DEA)

Parámetros

· Mortalidad en lactancia (%)

· Aseo y desinfección (días)

· Número de montas por celo

· Duración de la gestación (días)

· Peso al destete (kg)

· Edad de destete (días)

· Peso final precebo (kg)

· Duración en precebo (días)

· Peso final levante (kg)

· Duración levante (días)

· Peso cerdo finalización en pie (kg)

· Duración en ceba (días)

CEBA

55. Procedencia de los lechones: Granja única ( ) Varias explotaciones de origen ( )

56. Edad de entrada a la fase (días):_____________

57. Peso inicial fase de Ceba (kg):____________

58. Duración de los animales en la fase (días): ____________

59. Forma y lugar de venta:

Intermediario ( ) Matadero municipal ( ) Matadero Bogotá D.C. ( ) Cual: __________

60. ¿Realiza ayuno de los cerdos de la granja antes de llevarlos al matadero?

Si ( ) No ( )

Tiempo de ayuno antes de embarcar los animales:

De 0 a 2 horas ( )

De 2 a 4 horas ( )

De 4 a 6 horas ( )

De 6 a 8 horas ( )

Más de 8 horas ( )

LIMPIEZA Y DESINFECCION


61. ¿Cuenta con programa de limpieza y desinfección? Si ( ) No ( )

Procedimiento:

______________________________________________________________________________

______________________________________________________________________________

__________________________________________

¿Qué productos emplea para la limpieza y desinfección de su granja?

________________________________________________________________________

___________________________

62. ¿Implementa programas de manejo de plagas y roedores? Si ( ) No ( )

PROGRAMA SANITARIO

63. ¿Maneja registro de medicamentos veterinarios? Si ( ) No ( )

64. Cuenta con un área para el almacenamiento de insumos veterinarios? Si ( ) No ( )

65. ¿Realiza cuarentena de los cerdos recién llegados a la granja? Si ( ) No ( )

66. Destino de los cadáveres: Compostaje ( ) Entierro ( ) Incineración ( ) Otro______

67. Marque con una X las Vacunas que maneja en su finca para cada área:

FASE PPC * Micoplasma Parvo-lepto Circovirus Clostridiosis Rinitis atrófica Otras

Servicios

Gestación

Lactancia

Verracos

Precebo

Levante

Ceba

*PPC: Peste porcina clásica

Observaciones:

______________________________________________________________________________

____________________________________________________________________

CARACTERÍSTICAS GENÉTICAS DE LA POBLACIÓN PORCINA

68. ¿Qué líneas genéticas emplea en su granja?

Líneas maternas:__________________________ , _______________________ ,

_______________________

Líneas paternas:__________________________ , _______________________ ,

_______________________

69. Procedencia de los machos:

11

2



(DEA)

Auto reposición ( ) Proporción (%): ________________

Adquisición fuera ( )

o Granjas selección/multiplicación ( )

o Importación ( )

o Otros: __________________________________

70. Procedencia de las hembras:

Auto reposición ( ) Proporción (%): ________________

Adquisición fuera ( )

o Granjas selección/multiplicación ( )

o Importación ( )

o Otros: __________________________________

71. ¿Qué Criterios utiliza para la adquisición o cría de reproductores?:

Aspecto exterior( ) Ganancia diaria ( ) Espesor de grasa dorsal ( ) % Magro ( )

Conformación ( ) Prolificidad ( ) índice de selección ( ) Resultados previos ( )

Otros _____________________________________________________

72. ¿Los reproductores están previamente identificados de manera individual?

Si ( ) NO ( )

MANEJO DE EXCRETAS

73. ¿Cuenta con sistema de compostaje? Si ( ) No ( ) Capacidad

(M3):________________

Observaciones: ________________________________________________________

74. Tratamientos realizados sobre excretas:

Sistema de aireación (volteo) Si ( ) No ( )

Sistema de separación sólidos/líquidos Si ( ) No ( )

Elaboración de compost Si ( ) No ( )

Biodigestor Si ( ) No ( )

Es utilizado como fertilizante SI ( ) NO ( ) Terreno disponible Has: ___________________

75. Tipos de cultivo: ______________________________________________________

76. ¿Ha realizado pruebas para el tratamiento de excretas? SI ( ) NO ( )

¿Cuáles?_______________________ Resultado: _________________________

77. ¿Aparte de los tratamientos realizados sobre las excretas ha tomado otras medidas para

reducir los impactos ambientales producidos por las excretas?


______________________________________________________________________________

______________________________________________________________________________

__

78. ¿Cuál de los siguientes problemas sociales le ha causado la granja?:

Rechazo de los vecinos o explotaciones cercanas ( )

Rechazo de los agricultores ( )

Limitaciones en el uso y utilización de la tierra ( )

Olores ( )

Controles del medio ambiente ( )

Otros: __________________________________________________________________

GESTIÓN TÉCNICO ECONÓMICA

79. Lleva algún tipo de registro: No ( ) Manual ( ) Informática ( )

80. Tipo de gestión: Técnica ( ) Económica ( ) Técnico-económica ( )

81. ¿Qué programa informático utiliza?: ____________________

82. Maneja registros contables: Si ( ) No ( ) ¿Quién?: _______________________

83. ¿Realiza balances de pérdidas y ganancias de la granja? Si ( ) No ( )

84. Conoce cuáles son sus costos de producción: Si ( ) No ( )

¿Cuál fue el de 2015? ($/kg de cerdo en pie al mercado):___________________

85. ¿Tiene acceso a computador? Si ( ) No ( )

¿Lo maneja? Si ( ) No ( )

¿Accede a internet? Si ( ) No ( )

86. ¿Se encuentra dispuesto a aprender acerca de las temáticas que se van a desarrollar

dentro del proyecto? Si ( ) No ( )

Nombre del productor___________________________________________

Firma ____________________________________________________________

Teléfono ___________________________________________________________

Fecha de terminación de la encuesta ____________________________

______________________________________________________________________________

Bibliografía

Adam, E. E., & Ebert, R. J. (1991). Administración de la producción y las

operaciones: conceptos, modelos y funcionamiento. Pearson educacion.

Alvarez, A., & Arias, C. (2004). Technical efficiency and farm size: a conditional

analysis. Agricultural Economics, 30(3), 241-250.

https://doi.org/10.1016/j.agecon.2003.04.001

Anderson, E. H. (1939). Production Economics and Scientific Management.

Southern Economic Journal, 5(4), 511-526. https://doi.org/10.2307/3693858

Arita, S., & Leung, P. (2014). A Technical Efficiency Analysis of Hawaii’s

Aquaculture Industry. Journal of the World Aquaculture Society, 45(3), 312-

321. https://doi.org/10.1111/jwas.12124

Ariza, Á. L., & García, G. A. (2015). Manual práctico de investigación de

operaciones I. (U. del Norte, Ed.) (4.a ed.). Barranquilla, Colombia:

Universidad del Norte.

Asmild, M., & Hougaard, J. L. (2006). Economic versus environmental

improvement potentials of Danish pig farms. AGRICULTURAL ECONOMICS,

35(2), 171-181. https://doi.org/10.1111/j.1574-0862.2006.00150.x

Backus, G., & Dijkhuizen, A. (2002). Kernkamp lecture : The future of the

European pork chain (p. 10). Quebec. Recuperado a partir de

http://www.bape.gouv.qc.ca/sections/mandats/prod-

porcine/documents/Econ51.PDF

Balezentis, T. (2014). On Measures of the Agricultural Efficiency--A Review.

Transformations in Business and Economics, 13(3), 110-131. Recuperado a

partir de http://www.transformations.khf.vu.lt/

Banker, R. D., Charnes, A., & Cooper, W. W. (1984). Some Models for Estimating

11

6



(DEA)

Technical and Scale Inefficiencies in Data Envelopment Analysis.

Management Science, 30(9), 1078-1092. Recuperado a partir de

http://www.jstor.org.ezproxy.unal.edu.co/stable/2631725

Banker, R. D., Cooper, W. W., Seiford, L. M., & Zhu, J. (2011). Returns to Scale in

DEA BT - Handbook on Data Envelopment Analysis. En W. W. Cooper, L. M.

Seiford, & J. Zhu (Eds.) (pp. 41-70). Boston, MA: Springer US.

https://doi.org/10.1007/978-1-4419-6151-8_2

Begum, I. A., Alam, M. J., Buysse, J., Frija, A., & van Huylenbroeck, G. (2012).

Contract farmer and poultry farm efficiency in Bangladesh: A data

envelopment analysis. Applied Economics, 44(28), 3737-3747.

https://doi.org/10.1080/00036846.2011.581216

Beltrán-Esteve, M., & Reig-Martínez, E. (2014). Comparing conventional and

organic citrus grower efficiency in Spain. Agricultural Systems, 129, 115-123.

https://doi.org/https://doi.org/10.1016/j.agsy.2014.05.014

Bravo-Ureta, B. E., Solís, D., Moreira López, V. H., Maripani, J. F., Thiam, A., &

Rivas, T. (2007). Technical efficiency in farming: a meta-regression analysis.

Journal of Productivity Analysis, 27(1), 57-72. https://doi.org/10.1007/s11123-

006-0025-3

Calafat, C., Selva, M. L. M., & Medina, R. P. (2016). Analysis of efficiency of pig

farms in the Valencian community (Spain). Custos e Agronegocio, 12(1), 313-

330. Recuperado a partir de

https://www.scopus.com/inward/record.uri?eid=2-s2.0-

84980384637&partnerID=40&md5=fb385b1ec3d8fac04f4b8bf3b778bba8

Campos Labbé, M. (2003). The Economics of Technologies in Swedish Pig

Production. Uppsala University. Recuperado a partir de

https://pub.epsilon.slu.se/459/1/Agraria436.pdf

Cárdenas Rincón, W. I. (2012). La competitividad de la cadena productiva de

carne de cerdo en Colombia entre 2007 - 2010. Universidad Nacional de

Colombia. Recuperado a partir de

Bibliografía 117

http://ezproxy.unal.edu.co/login?url=http://search.ebscohost.com/login.aspx?d

irect=true&db=cat01725a&AN=unc.000768802&lang=es&site=eds-live

Castellanos Méndez, J. G., Rodríguez Cárdenas, J. C., Daza C., N. E., Toro

Cepeda, W. L., Zafra P., Y., Guerreo C., G. H., … Casas, Z. (2011). Agenda

de Investigación y Desarrollo Tecnológico para la Cadena Cárnica Porcina.

Bogotá D.C. Recuperado a partir de

https://sioc.minagricultura.gov.co/Porcina/Documentos/004 - Documentos

Competitividad Cadena/004 - D.C. - 2011 Junio - Agenda de investigacion.pdf

Charnes, A., Cooper, W. W., Golany, B., Seiford, L., & Stutz, J. (1985).

Foundations of data envelopment analysis for Pareto-Koopmans efficient

empirical production functions. Journal of Econometrics, 30(1), 91-107.

https://doi.org/https://doi.org/10.1016/0304-4076(85)90133-2

Charnes, A., Cooper, W. W., & Rhodes, E. (1978). Measuring the efficiency of

decision making units. European Journal of Operational Research, 2(6), 429-

444. https://doi.org/https://doi.org/10.1016/0377-2217(78)90138-8

Charnes, A., Cooper, W. W., & Rhodes, E. (1981). Evaluating Program and

Managerial Efficiency: An Application of Data Envelopment Analysis to

Program Follow Through. Management Science, 27(6), 668-697. Recuperado

a partir de http://www.jstor.org.ezproxy.unal.edu.co/stable/2631155

Charnes, A., Cooper, W. W., & Thrall, R. M. (1991). A Structure for Classifying

and Characterizing Efficiency and Inefficiency in Data Envelopment Analysis.

Journal of Productivity Analysis, 2(3), 197-237. Recuperado a partir de

http://search.ebscohost.com/login.aspx?direct=true&db=bth&AN=16919777&l

ang=es&site=ehost-live

Chase, R. B., & Jacobs, F. R. (2010). Administración de Operaciones, Producción

y Cadena de Suministros (13.a ed.). México: McGraw Hill.

Chen, P.-C. (2012). Measurement of technical efficiency in farrow-to-finish swine

production using multi-activity network data envelopment analysis: evidence

from Taiwan. Journal of Productivity Analysis, 38(3), 319-331. Recuperado a

partir de http://10.0.3.239/s11123-012-0267-1

11

8



(DEA)

Coelli, T. J., Prasada Rao, D. S., O’Donnell, C. J., & Battese, G. E. (2005). An

Introduction to Efficiency and Productivity Analysis. An Introduction to

Efficiency and Productivity Analysis. New York: Springer-Verlag.

https://doi.org/10.1007/b136381

Contreras León, A. L., & Rodríguez Lozano, G. I. (2017). Medición de la Eficiencia

Relativa de Fincas Ganaderas con Servicio de Asistencia Tecnica TT.

Revista Facultad de Ciencias Económicas: Investigación y Reflexión, 25(1),

117-128. https://doi.org/10.18359/rfce.1776

Cook, W. D., & Seiford, L. M. (2009). Data envelopment analysis (DEA) – Thirty

years on. European Journal of Operational Research, 192(1), 1-17.

https://doi.org/https://doi.org/10.1016/j.ejor.2008.01.032

Cooper, W. W., Seiford, L. M., & Zhu, J. (2011). Data Envelopment Analysis:

History, Models, and Interpretations BT - Handbook on Data Envelopment

Analysis. En W. W. Cooper, L. M. Seiford, & J. Zhu (Eds.) (pp. 1-39). Boston,

MA: Springer US. https://doi.org/10.1007/978-1-4419-6151-8_1

DANE. (2014). Cuentas Trimestrales - Colombia Producto Interno Bruto (PIB)

Primer Trimestre de 2014 (Vol. 2014). Recuperado a partir de

http://www.dane.gov.co/files/investigaciones/boletines/pib/bol_PIB_IItrim17_o

ferta_demanda.pdf

DANE. (2018). Boletín técnico Producto Interno Bruto PIB Cuarto trimestre de

2017 Cuentas Trimestrales-Colombia. Bogotá D.C. Recuperado a partir de

https://www.dane.gov.co/files/investigaciones/boletines/pib/bol_PIB_IVtrim17

_oferta_demanda.pdf

DANE. (2019). Cuentas Nacionales Trimestrales Producto Interno Bruto (PIB).

Recuperado 13 de junio de 2019, a partir de

http://www.dane.gov.co/index.php/estadisticas-por-tema/cuentas-

nacionales/cuentas-nacionales-trimestrales

Emrouznejad, A., & Yang, G. (2018). A survey and analysis of the first 40 years of

scholarly literature in DEA: 1978–2016. Socio-Economic Planning Sciences,

Bibliografía 119

61, 4-8. https://doi.org/https://doi.org/10.1016/j.seps.2017.01.008

Epen, G. D., Gould, F. J., Schmid, C. P., Moore, J. H., & Weatherford, L. R.

(2000). Investigación de Operaciones en la Ciencia Administrativa (5.a ed.).

México: Prentice Hall, Inc.

Fallah-Fini, S., Triantis, K., & Johnson, A. (2014). Reviewing the literature on non-

parametric dynamic efficiency measurement: state-of-the-art. Journal of

Productivity Analysis, 41(1), 51-67. Recuperado a partir de

http://10.0.3.239/s11123-013-0349-8

Farrell, M. J. (1957). The Measurement of Productive Efficiency. Journal of the

Royal Statistical Society. Series A (General), 120(3), 253.

https://doi.org/10.2307/2343100

Fayol, H. (1981). Administración Industrial y General. Previsión-Organización-

Mando-Coordinación-Control (Octava). Libreria «El Ateneo».

Førsund, F. R. (2018). Economic interpretations of DEA. Socio-Economic

Planning Sciences, 61, 9-15.

https://doi.org/https://doi.org/10.1016/j.seps.2017.03.004

Galanopoulos, K., Aggelopoulos, S., Kamenidou, I., & Mattas, K. (2006).

Assessing the effects of managerial and production practices on the efficiency

of commercial pig farming. Agricultural Systems, 88(2), 125-141.

https://doi.org/10.1016/j.agsy.2005.03.002

Galindo, V., & Ramirez, N. (2018). Cadena productiva de Carnes y Productos

Cárnicos Cadena Productiva de Carnes y Productos Cárnicos. Archivos de

Economía. Departamento Nacional de Planeación (DNP), 471, 1-40.

Recuperado a partir de https://www.dnp.gov.co/estudios-y-

publicaciones/estudios-economicos/Paginas/archivos-de-

economia.aspxhttp://www.dotec-colombia.org/index.php/series/118-

departamento-nacional-de-planeacion/archivos-de-economia

Gamarra V., J. R. (2004). Eficiencia Técnica Relativa de la ganadería doble

propósito en la Costa Caribe. Banco de la republica centro de estudios

económicos regionales, 1-75. Recuperado a partir de

12

0



(DEA)

http://www.banrep.gov.co/docum/Lectura_finanzas/pdf/DTSER-53.pdf

Germán, E., & Berdegué, J. (1990). Tipificación de Sistemas de Producción

Agrícola. (Red Internacional de Metodología de Investigación de Sistemas de

Producción, Ed.). Santiago de Chile. Recuperado a partir de https://idl-bnc-

idrc.dspacedirect.org/bitstream/handle/10625/3969/49675.pdf?sequence=1

Ghorbani, A., Amirteimoori, A., & Dehghanzadeh, H. (2010). A comparison of

DEA, DFA and SFA methods using data from caspian cattle feedlot farms.

Journal of Applied Sciences, 10(14), 1455-1460.

https://doi.org/10.3923/jas.2010.1455.1460

Hair, J. F., Black, W. C., Babin, B. J., & Anderson, R. E. (2014). Multivariate Data

Analysis (7.a ed.). United States of America: Pearson Education Limited.

Recuperado a partir de www.pearsoned.co.uk

Hansson, H., Szczensa-Rundberg, M., & Nielsen, C. (2011). Which preventive

measures against mastitis can increase the technical efficiency of dairy

farms? animal, 5(4), 632–640. https://doi.org/10.1017/S1751731110002247

Hassen, A., Marwa, B. B., Hanen, A., & Amira, M. (2017). ANALYSIS OF THE

TECHNICAL EFFICIENCY, PURE AND SCALE EFFICIENCY OF RAINED

CEREAL FARMS: CASE OF THE UPPER SEMI-ARID. JOURNAL OF

EXPERIMENTAL BIOLOGY AND AGRICULTURAL SCIENCES, 5(1), S116-

S125. https://doi.org/10.18006/2017.5(Spl-1-SAFSAW).S116.S125

Hillier, F. S., & Lieberman, G. J. (2010). Introducción a la Investigación de

Operaciones (Quinta). México D.F.: McGraw Hill.

ICA. (2017). Censo Pecuario Nacional - 2016. Recuperado 19 de junio de 2019, a

partir de https://www.ica.gov.co/getdoc/8232c0e5-be97-42bd-b07b-

9cdbfb07fcac/censos-2008.aspx


partir de https://www.ica.gov.co/areas/pecuaria/servicios/epidemiologia-

veterinaria/censos-2016/censo-2017.aspx


Bibliografía 121

partir de https://www.ica.gov.co/areas/pecuaria/servicios/epidemiologia-

veterinaria/censos-2016/censo-2018.aspx

Idris, N. D. M., Siwar, C., & Talib, B. (2013). Determinants of technical efficiency

on pineapple farming. American Journal of Applied Sciences, 10(4), 426-432.

https://doi.org/10.3844/ajassp.2013.426.432

Jayaraman, B., & Nyachoti, C. M. (2017). Husbandry practices and gut health

outcomes in weaned piglets: A review. Animal Nutrition, 3(3), 205-211.

https://doi.org/https://doi.org/10.1016/j.aninu.2017.06.002

Joro, T., & Korhonen, P. J. (2015). Extension of Data Envelopment Analysis with

Preference Information (Vol. 218). Boston, MA: Springer US.

https://doi.org/10.1007/978-1-4899-7528-7

Köbrich, C., Rehman, T., & Khan, M. (2003). Typification of farming systems for

constructing representative farm models: two illustrations of the application of

multi-variate analyses in Chile and Pakistan. Agricultural Systems, 76(1), 141-

157. https://doi.org/https://doi.org/10.1016/S0308-521X(02)00013-6

Krajewski, L. J., Ritzman, L. P., Malhotra, M. K., Villareal, C., & del Pilartr, M.

(2008). Administración de operaciones: procesos y cadenas de

valor/Operations management. Pearson Educación,.

Kumbhakar, S. C., & Wang, H.-J. (2015). Estimation of Technical Inefficiency in

Production Frontier Models Using Cross-Sectional Data BT - Benchmarking

for Performance Evaluation: A Production Frontier Approach. En S. C. Ray,

S. C. Kumbhakar, & P. Dua (Eds.) (pp. 1-73). New Delhi: Springer India.

https://doi.org/10.1007/978-81-322-2253-8_1

Kuosmanen, T., & Kuosmanen, N. (2009). Role of benchmark technology in

sustainable value analysis An application to Finnish dairy farms. Agricultural

and Food Science, 18, 302-316. Recuperado a partir de

http://jukuri.luke.fi/handle/10024/475910

Labajova, K., Hansson, H., Asmild, M., Göransson, L., Lagerkvist, C.-J., & Neil, M.

(2016). Multidirectional analysis of technical efficiency for pig production

systems: The case of Sweden. Livestock Science, 187, 168-180.

12

2



(DEA)

https://doi.org/10.1016/j.livsci.2016.03.009

Lansink, A. O., & Reinhard, S. (2004). Investigating technical efficiency and

potential technological change in Dutch pig farming. Agricultural Systems,

79(3), 353-367. https://doi.org/10.1016/S0308-521X(03)00091-X

Main, D. C. J., Mullan, S., Atkinson, C., Cooper, M., Wrathall, J. H. M., & Blokhuis,

H. J. (2014). Best practice framework for animal welfare certification

schemes. Trends in Food Science & Technology, 37(2), 127-136.

https://doi.org/https://doi.org/10.1016/j.tifs.2014.03.009

Mareth, T., Thomé, A. M. T., Scavarda, L. F., & Oliveira, F. L. C. (2017). Technical

efficiency in dairy farms: Research framework, literature classification and

research agenda. International Journal of Productivity and Performance

Management, 66(3), 380-404. https://doi.org/10.1108/IJPPM-09-2015-0131

Mousavi-Avval, S. H., Mohammadi, A., Rafiee, S., & Tabatabaeefar, A. (2012).

Assessing the technical efficiency of energy use in different barberry

production systems. Journal of Cleaner Production, 27, 126-132.

https://doi.org/https://doi.org/10.1016/j.jclepro.2012.01.014

Nauges, C., O’Donnell, C. J., & Quiggin, J. (2011). Uncertainty and technical

efficiency in Finnish agriculture: a state-contingent approach. European

Review of Agricultural Economics, 38(4), 449-467.

https://doi.org/10.1093/erae/jbr014

OECD/FAO. (2016). Agricultural Outlook 2016-2025. OECD Publishing.

Recuperado a partir de

https://stats.oecd.org/Index.aspx?DataSetCode=HIGH_AGLINK_2016

OECD/FAO. (2017). “Panorama general de OCDE-FAO Perspectivas Agrícolas

2017-2026””, in OCDE-FAO Perspectivas Agrícolas 2017-2026, OECD

Publishing, Paris. Paris: OECD Publishing.

https://doi.org/10.1787/888933575691

OECD/FAO. (2018). OCDE-FAO Perspectivas Agrícolas 2018-2027. Paris: OECD

Publishing. https://doi.org/https://doi.org/https://doi.org/10.1787/agr_outlook-

Bibliografía 123

2018-es

OECD. (2015). OECD Review of Agricultural Policies: Colombia 2015. Paris:

OECD Publishing.

https://doi.org/https://doi.org/https://doi.org/10.1787/9789264227644-en

Olaberría, E. (2017). Reigniting growth through productivity-enhancing reforms in

Colombia. OECD Economics Department Working Papers, (1424).

https://doi.org/https://doi.org/https://doi.org/10.1787/dac4e274-en

Olesen, O. B., & Petersen, N. C. (2016). Stochastic Data Envelopment Analysis—

A review. European Journal of Operational Research, 251(1), 2-21.

https://doi.org/https://doi.org/10.1016/j.ejor.2015.07.058

Paranhos da Costa, M. J. R., Huertas, S. M., Gallo, C., & Dalla Costa, O. A.

(2012). Strategies to promote farm animal welfare in Latin America and their

effects on carcass and meat quality traits. Meat Science, 92(3), 221-226.

https://doi.org/https://doi.org/10.1016/j.meatsci.2012.03.005

Parra, R. A. (2010). UTILIZACIÓN DEL ANÁLISIS ENVOLVENTE DE DATOS

(DEA) EN EL DESARROLLO DE UNA METODOLOGÍA PARA EL

ESTABLECIMIENTO DE COSTOS EFICIENTES DE REMUNERACIÓN, EN

LA ADMINISTRACIÓN, OPERACIÓN Y MANTENIMIENTO DE LOS

SISTEMAS DE DISTRIBUCIÓN ELÉCTRICA. Universidad Nacional de

Colombia. Recuperado a partir de

http://bdigital.unal.edu.co/4179/1/robinsonalexandergonzalezparra.2011.pdf

Peng Wong, W., & Yew Wong, K. (2007). Supply chain performance

measurement system using DEA modeling. Industrial Management & Data

Systems, 107(3), 361-381. https://doi.org/10.1108/02635570710734271

Perez, C., Castro, R. de, Simons, D., & Gimenez, G. (2010). Development of lean

supply chains: a case study of the Catalan pork sector. Supply Chain

Management: An International Journal, 15(1), 55-68.

https://doi.org/10.1108/13598541011018120

Perfetti del Corral, M., Prada Lombo, C. F., & Buitrago Hoyos, G. (2017). Cuentas

Trimestrales-Colombia Producto Interno Bruto (PIB) Cuarto Trimestre de

12

4



(DEA)

2016. Bogotá D.C. Recuperado a partir de

https://www.dane.gov.co/files/investigaciones/boletines/pib/bol_PIB_IVtrim16

_oferta_demanda.pdf

Porkcolombia. (2017). Análisis de Coyuntura del Sector Porcicultor del Año 2016

y Perspectivas 2017. Bogotá D.C. Recuperado a partir de

https://www.miporkcolombia.co/wp-

content/uploads/2018/07/Inf_Economico_2016.pdf

Porkcolombia. (2019a). Análisis de Coyuntura del Sector Porcicultor del Año 2018

y Perspectivas 2019. Bogotá D.C. Recuperado a partir de

https://www.miporkcolombia.co/wp-content/uploads/2019/03/Bol_Inf_2018.pdf

Porkcolombia. (2019b). Ronda de Precios - Porkcolombia. Bogotá D.C.

Recuperado a partir de https://www.miporkcolombia.co/wp-

content/uploads/2019/02/Semana52de2018.pdf

Ray, S. C., & Chen, L. (2015). Data Envelopment Analysis for Performance

Evaluation: A Child’s Guide BT - Benchmarking for Performance Evaluation:

A Production Frontier Approach. En S. C. Ray, S. C. Kumbhakar, & P. Dua

(Eds.) (pp. 75-116). New Delhi: Springer India. https://doi.org/10.1007/978-

81-322-2253-8_2

Ray, S. C., Kumbhakar, S. C., & Dua, P. (2015). Benchmarking for performance

evaluation: A production frontier approach. Benchmarking for Performance

Evaluation: A Production Frontier Approach. https://doi.org/10.1007/978-81-

322-2253-8

Robbins, S. P. (2004). Comportamiento Organizacional. Pearson educación.

Rodríguez, G. I. (2003). Medición de la eficiencia relativa en dos subsectores de

la economía colombiana desde 1993 a 2002 utilizando Data Envelopment

Analysis (DEA). Innovar; Núm. 22 (2003). Recuperado a partir de

https://revistas.unal.edu.co/index.php/innovar/article/view/25019/25552

Rodríguez, G. I. (2011). Indicadores DEA (Data Envelopment Analysis) de

eficiencia y productividad. Actividades de extensión universitaria. Aplicación

Bibliografía 125

en la Universidad Nacional de Colombia. (Facultad de Ciencias Económicas,

Ed.). Bogotá D.C.: Universidad Nacional de Colombia.

Ruggiero, J. (2000). Measuring technical efficiency. European Journal of

Operational Research, 121(1), 138-150. https://doi.org/10.1016/S0377-

2217(99)00010-7

Samarajeewa, S., Hailu, G., Jeffrey, S. R., & Bredahl, M. (2012). Analysis of

production efficiency of beef cow/calf farms in Alberta. Applied Economics,

44(3), 313-322. https://doi.org/10.1080/00036846.2010.507173

Santos, J., Negas, E. R., & Santos, L. C. (2013). Introduction to Data

Envelopment Analysis BT - Efficiency Measures in the Agricultural Sector:

With Applications. En A. B. Mendes, E. L. D. G. Soares da Silva, & J. M.

Azevedo Santos (Eds.), Efficiency Measures in the Agricultural Sector (pp.

37-50). Dordrecht: Springer Netherlands. https://doi.org/10.1007/978-94-007-

5739-4_3

Schroeder, R., Goldstein, S., & Rungtusanatham, M. (2011). Administración de

Operaciones: Conceptos y Casos Contemporáneos. México: Mc Graw Hill.

Sierra Gómez, O., & Cuesta Cantor, F. A. (2014). Estadísticas Agropecuarias

Volumen 23. (Secretaría de Agricultura y Desarrollo Rural, Ed.). Bogotá D.C.:

Gobernación de Cundinamarca.

Silva, E., Arzubi, A., & Berbel, J. (2013). An Application of Data Envelopment

Analysis (DEA) in Azores Dairy Farms BT - Efficiency Measures in the

Agricultural Sector: With Applications. En A. B. Mendes, E. L. D. G. Soares

da Silva, & J. M. Azevedo Santos (Eds.), Efficiency Measures in the

Agricultural Sector (pp. 73-81). Dordrecht: Springer Netherlands.

https://doi.org/10.1007/978-94-007-5739-4_5

Silva, E., Mendes, A. B., & Santos, J. (2013). Efficiency Measures in the

Agricultural Sector: The Beginning BT - Efficiency Measures in the

Agricultural Sector: With Applications. En A. B. Mendes, E. L. D. G. Soares

da Silva, & J. M. Azevedo Santos (Eds.) (pp. 3-12). Dordrecht: Springer

Netherlands. https://doi.org/10.1007/978-94-007-5739-4_1

12

6



(DEA)

Solow, R. (1952). Activity Analysis of Production and Allocation (Book). American

Economic Review, 42(3), 424. Recuperado a partir de

http://search.ebscohost.com/login.aspx?direct=true&db=bth&AN=8720874&la

ng=es&site=ehost-live

Taylor, F. W. (1981). Principios de la Adminstración Cientifica (Octava). Libreria

«El Ateneo».

Téllez Iregui, G., & Moreno Vásquez, F. C. (2004). Métodos, técnicas y

herramientas para una gestión moderna de las empresas ganaderas.

(Universida Nacional de Colombia, Ed.). Bogotá D.C.: Facultad de Medicina

Veterinaria Y de Zootecnia. Recuperado a partir de

http://ezproxy.unal.edu.co/login?url=http://search.ebscohost.com/login.aspx?d

irect=true&db=cat01725a&AN=unc.000318074&lang=es&site=eds-live

Thanh Nguyen, T., Hoang, V.-N., & Seo, B. (2012). Cost and environmental

efficiency of rice farms in South Korea. Agricultural Economics, 43(4), 369-

378. https://doi.org/10.1111/j.1574-0862.2012.00589.x

Tian, X., Sun, F., & Zhou, Y. (2015). Technical efficiency and its determinants in

China’s hog production. Journal of Integrative Agriculture, 14(6), 1057-1068.

https://doi.org/10.1016/S2095-3119(14)60989-8

Tolosa, B. (2013). Evaluación de eficiencia en el sector de distribución de energía

eléctrica en Colombia empleando la metodología de análisis envolvente de

datos-DEA. Universidad Nacional de Colombia. Recuperado a partir de

http://www.bdigital.unal.edu.co/9370/1/7710022.2013.pdf

Tonsor, G. T., & Featherstone, A. M. (2009). Production Efficiency of Specialized

Swine Producers. Review of Agricultural Economics, 31(3), 493-510.

Recuperado a partir de

http://www.jstor.org.ezproxy.unal.edu.co/stable/40588509

Van der Vorst, Jack G.A.J. da Silva, Carlos A. Trienekens, J. H. (2007). Agro-

industrial supply chain management: concepts and applications. (FAO, Ed.).

Rome. Recuperado a partir de http://www.fao.org/3/a-a1369e.pdf

Bibliografía 127

Van Meensel, J., Lauwers, L., & Van Huylenbroeck, G. (2010). Communicative

diagnosis of cost-saving options for reducing nitrogen emission from pig

finishing. Journal of Environmental Management, 91(11), 2370-2377.

https://doi.org/https://doi.org/10.1016/j.jenvman.2010.06.026

Vijai, J. P., Somayaji, G. S. R., Swamy, R. J. R., & Aital, P. (2017). Relevance of

F.W. Taylor’s principles to modern shop-floor practices: A benchmarking work

study. Benchmarking: An International Journal, 24(2), 445-466.

https://doi.org/10.1108/BIJ-02-2015-0019

Villalobos, N. C., Altahona, O. C., & Herrera, T. J. F. (2006). Gestión de la

Producción y Operaciones. EDUMED. T S TS (Vol. 4).

Wendler, T., & Gröttrup, S. (2016). Cluster Analysis BT - Data Mining with SPSS

Modeler: Theory, Exercises and Solutions. En T. Wendler & S. Gröttrup

(Eds.) (pp. 587-712). Cham: Springer International Publishing.

https://doi.org/10.1007/978-3-319-28709-6_7

Wilson Oviedo, G., & Gloria Rodríguez, L. (2011). Medición de la eficiencia

técnica relativa de las fincas asociadas a Coounión en Guasca

Cundinamarca. Revista MVZ Cordoba, 16(2), 2616-2627.

Zhou, H., Yang, Y., Chen, Y., & Zhu, J. (2018, enero 1). Data envelopment

analysis application in sustainability: The origins, development and future

directions. European Journal of Operational Research. North-Holland.

https://doi.org/10.1016/j.ejor.2017.06.023

Zhou, Y., Zhang, X., Tian, X., Geng, X., Zhang, P., & Yan, B. (2015). Technical

and environmental efficiency of hog production in China – A stochastic

frontier production function analysis. Journal of Integrative Agriculture, 14(6),

1069-1080. https://doi.org/10.1016/S2095-3119(14)60990-4

Zongli, Z., Yanan, Z., Feifan, L., Hui, Y., Yongming, Y., & Xinhua, Y. (2017).

Economic efficiency of small-scale tilapia farms in Guangxi, China.

Aquaculture Economics & Management, 21(2), 283-294.

https://doi.org/10.1080/13657305.2016.1180644

Documents

Evaluación de la eficiencia relativa de los sistemas de