Professional Documents
Culture Documents
Luis Oswaldo Rodríguez Mañaya*, Inmaculada Guaita Pradasb, Inmaculada Marques Pérezc
a
Universidad Politécnica de Valencia: (Valencia, luirodm2@doctor.upv.es) b Universidad Politécnica de
Valencia: (Valencia, iguaita@upv.es). c Universidad Politécnica de Valencia: (Valencia,
imarques@upvnet.upv.es)
Palabras clave. Cadena de Valor, Supply Chain Management, Sector Florícola
Importancia del Tema
En el año 2013 Holanda ocupaba el primer lugar en exportaciones de flores con alrededor de 4 mil millones
de dólares, (Asociación Colombiana de Exportadores de Flores, 2015, p. 9) Colombia el segundo lugar con
1.300 millones de dólares, Ecuador con 837 millones de dólares, Kenya con 645 millones de dólares,
(Santos Hernández, 2014, p. 16) al mismo año las flores producidas por metro cuadrado en Colombia
alcanzaba 90 y en Holanda 250, el área destinada al cultivo de flores en Colombia estaba en 7000 Has y en
Holanda 10000 Has, (Taco Tipán, 2015, p. 9) en el año 2012 el 82% de la producción de flores se realizaba
en dos provincias Pichincha y Cotopaxi, (Asociación Colombiana de Exportadores de Flores, 2015, p. 16)
mientras que en Colombia el 97% de la producción se la integra en dos regiones Cundinamarca el 73.2% y
Antioquia el 23.8%.
Las exportaciones ecuatorianas están dadas por productos primarios e industrializados. Dentro de los
productos primarios se encuentran las flores que en el año 1996 representaban un 2,8% del total exportado
de productos primarios y un sexto lugar después del petróleo crudo 40%, banano y plátano 26%, camarón
17%, otros productos primarios el 6%, café 3,4%, para pasar al año 2016 a un cuarto puesto y a una
representación del 6%, en primer lugar el petróleo crudo 39%, segundo banano y plátano 21%, tercero el
camarón con el 20%.
En la economía ecuatoriana las exportaciones (García Muñoz, 2016, p. 10) de flores naturales entre los años
2000 al 2010 ha venido representando cerca del 60% con respecto a las exportaciones de primarios, en este
contexto la investigación adquiere una importancia relevante al tener la posibilidad de contar con una
investigación que sirva para tomar decisiones.
En la actualidad existen métodos para evaluar la cadena de valor como son: a) El modelo SCOR (Inc.,
Supply Chain Council, 2012), b) El Balanced ScoreCard (Kaplan & Norton, 2000), c) El modelo Green
Supply Chain Management (gSCM). (Anvary Rostamy, Shaverdi, & Ramezani, 2013), d) El modelo CCOR
(Customer Chain Operation Reference), e) El modelo DCOR (Design Chain Operation Reference).
Con el presente trabajo de investigación se construyó el Supply Chain Scorecard de primer nivel de 82
empresas florícolas ecuatorianas, se incluyó una simulación de los indicadores de primer nivel que luego
fueron validados estadísticamente, y finalmente las empresas pueden utilizar estos resultados para elaborar
un plan que lleve a mejorar la rentabilidad de las empresas y la competitividad del sector florícola
ecuatoriano, a nivel local e internacional.
Los resultados también serán útiles para el diseño de políticas públicas orientadas a la mejora del sector, en
cuanto a aspectos macroeconómicos e indicadores.
Objetivos
Objetivo general
Construir el Supply Chain Score Card de primer nivel y Validar estadísticamente los indicadores de primer
nivel del modelo SCOR
Objetivos específicos
Este cuadro contiene las métricas de desempeño de primer nivel sugeridas por el modelo SCOR, en cada
métrica se puede observar un indicador de situación actual y los indicadores de los percentiles 50, 70 y 90,
se establece una diferencia entre el cuartil 50 y la situación actual de la empresas o del sector, misma que
tendría que ser trabajada con un plan de mejoras de la empresas para llegar al cuartil 50. En el caso
ecuatoriano todas las métricas estudiadas son objeto de mejora continua.
Adicionalmente para validar estadísticamente las métricas de primer nivel se procedió a correr un modelo
de regresión, teniendo como variable dependiente los ingresos y como variables independientes las métricas
de primer nivel del modelo SCOR, el resultado fue el siguiente
a
Tabla 2 Coeficientes
Coeficientes
Coeficientes no estandarizados estandarizados
Modelo B Error estándar Beta t Sig.
1 (Constante) 7,104 ,225 31,567 ,000
perfect order
13,648 9,318 3,172 1,465 ,147
fulfillment
cost of goods -7,276 4,660 -3,387 -1,561 ,123
supply chain
7,465 10,787 3,782 ,692 ,491
management cost
inventory days of
-,068 ,090 -4,141 -,758 ,451
supply
a. Variable dependiente: income
Fuente: Superintendencia de Compañías del Ecuador
Elaboración: El investigador
Al realizar la validación estadística se determinó que las métricas tiempo para completar la orden y
flexibilidad de la cadena de suministro hacia arriba son excluidas del modelo por presencia de
autocorrelación, mientras que las métricas que permanecen son días de inventario, cumplimiento de la
orden, costo de ventas y costo de la cadena de suministro. Al revisar la significancia las métricas que quedan
en el modelo son superiores a 0.05 y por lo tanto no son buenas medidas para explicar el comportamiento
de la variable dependiente que son los ingresos.
Conclusiones
Con los resultados del Supply Chain Scorecard se concluye que existen oportunidades de mejora
en el tiempo para completar la orden, en la capacidad de respuesta de la cadena de suministro y en
los días de inventario.
Luego de la validación estadística se concluye que las métricas que forman parte del modelo SCOR
de primer nivel: días de inventario, cumplimiento de la orden, costo de ventas y costos de la cadena
de suministro no son significativas estadísticamente para predecir el comportamiento de la variable
dependiente denominada ingresos.
Se crea la posibilidad de estudiar y aplicar los otros modelos como son CCOR y DCOR para
explicar el comportamiento de los ingresos.
Se debe realizar un estudio comparativo de las métricas de primer nivel entre el sector florícola
ecuatoriano y los líderes del mercado mundial.
Bibliografía
Bolstorff, P., & Rosenbaum, R. (2003). Supply Chain Excellence: A handbook for dramatic
improvement using the SCOR model. Brodway, New York, USA: AMACON.
Calderón Lama, J. L., & Lario Esteban, F. C. (2005). Análisis del modelo SCOR para la Gestión de
la Cadena de Suministro. IX Congreso de Ingeniería de Organización. Gijón.
Díaz Curbelo, A., & Marrero Delgado, F. (2014). SCOR model and the balanced scorecard, a
powerful combination for Business Management Assets. Revista científica "Visión de
futuro", 18(1), 58-75.
Fontalvo Herrera, T. J., & Cardona Rojas, D. (2012, Noviembre 17). Análisis de la cadena de
suministro de flores de corte para exportación mediante el modelo SCOR. Libre
Empresa, 65-78.
Fontalvo Herrera, T. J., De la Hoz, G. E., & Cardona Rojas, D. (2010). Diseño de un plan de
mejoramiento para la cadena de suministro de la empresa Drolitoral S.A. aplicando el
Modelo SCOR. Revista Soluciones de Posgrado EIA, 33-53.
Inc., Supply Chain Council. (2012). Supply Chain Operations Reference Model Revision 11.0.
Lima Junior, F. R., & Ribeiro Carpinetti, L. C. (2016). Combining SCOR model and fuzzy TIPSIS for
supplier evaluation and management. Int. J. Production Economics, 128-141.
Mena Vásconez, P., Boelens, R., & Vos , J. (2016, March 1). Food or flowers? Contested
transformations of community food security and water use priorities under new legal
and market regimes in Ecuador's highlands. Journal of Rural Studies.
Moreno, J. R., Mula, J., & Campuzano Bolarin, F. (2015). Increasing the equity of a flower
supply chain by improving order management and supplier selection. Int j simul model
, 14(2), 201-214. doi:ISSN 1726-4529
Ntabe , E. N., LeBel, L., Munson, A. D., & Santa Eulalia, L. A. (2015). A systematic literature
review of the supply chain operations reference (SCOR) model application with special
attention to environmental issues. Int J. Production Economics, 310-332.
Rajeev, A., Pati, R. L., Padhi, S. S., & Govindan, K. (2017, Mayo 6). Evolution of sustainability in
supply chain management: A literature review. Journal of Cleaner Production.
doi:10.1016/j.clepro.2017.05.026
Supply Chain Council. (2012). Supply Chain Operations Reference Model Revision 11.0. United
States of America.
Usman , M., & Ashfaq, M. (2013). Economics analysis of tuberose production in Punjab,
Pakistan. Sarhad J. Agric., 29(2).
Usman , M., Ashfaq, M., Taj, S., & Abid, M. (2014). An economic analysis of cut rose flower in
Punjab, Pakistán. The Journal of Animal & Plant Sciences, 24(2), 651-655.
Usman, M., Ali, A., Hassan , S., & Abid, M. (2015). An efficiency analysis of tuberose cut flower:
a case study. The Journal of Animals & Plant Sciences, 25(6), 1699-1706. doi:ISSN:
1018-7081
Vega, H. (2008). Air cargo, trade and transportation cost of perishable and exotics from South
America. Journal of Air Transport Management, 14, 324-328.
Verdouw , C. N., Beulens, A. M., & Van der, V. J. (2013). Virtualisation of floricultural supply
chains: A review from an Internet of Things perspective. Elsevier.
Xia, Y., Deng, X., Zhou, P., Shima, K., & Texeira da Silva, J. A. (2006). The World Floricultre
Industry: Dynamics of Production and Markets. Floriculture, Ornamental and Plant
Biotechnology, 4.