Bosque (Valdivia) Services on Demand

On-line version ISSN 0717-9200
Journal
Bosque (Valdivia) vol.23 no.2 Valdivia July 2002
SciELO Analytics
http://dx.doi.org/10.4067/S0717-92002002000200007 
Google Scholar H5M5 (2020)

Article

Article in xml format

How to cite this article

SciELO Analytics

Automatic translation

Indicators

Related links

Share

More
More

Permalink

   
Bosque, Vol. 23 N° 2, 2002, pp. 57-67

ARTICULOS

Modelos de localización de instalaciones: una aplicación para la

producción y logística forestal
Facilities Location Models: An Application for the Forest Production and
Logistics
 

JUAN TRONCOSO T. 1, RODRIGO GARRIDO H. 2, XIMENA IBACACHE J. 3

1 Departamento de Ciencias Forestales, Pontificia Universidad Católica de Chile, Casilla 305, Correo 22,
Santiago, Chile. E-mail: jtroncot@puc.cl
2 Departamento de Ingeniería de Transporte, Pontificia Universidad Católica de Chile.
3 Escuela de Ingeniería Forestal, Universidad Mayor.

Summary

In this article we put forward a mathematical model of the problems of production and logistics in the forest
industry. A mixed-integer dynamic optimization model was formulated to solve simultaneously three
common problems in the forest environment: production, location of facilities, and distribution. When
implemented, the mathematical model allows the strategic choice of the optimum location and size for the
forestry facility as well as identification of the production levels and freight flows generated during the
considered planning horizon. To evaluate the usefulness of the model, it was applied to the practical
problem of the location of a sawmill. All the information about this particular facility that is needed as input
to the model was provided by a private company. The model was solved using off-the-shelf software, which
also allowed us to evaluate the responsiveness of the model to changes in the initial conditions.

Key words: Facilities location, forestry production and logistics, mixed-integer programming.

Resumen

Este artículo propone una modelación matemática para el problema de producción y logística en la industria
forestal. Se formuló un modelo dinámico de programación mixta para resolver simultáneamente tres
problemas comunes en el ámbito forestal: el de Producción, el de Localización de Instalaciones y el de
Distribución de Carga. El modelo matemático implementado permite la elección estratégica del sitio y
tamaño óptimos para la instalación forestal que se desee construir, además de la identificación de los
niveles de producción y de los flujos de carga que se generarán en el horizonte de planificación considerado.
Finalmente, se realizó la aplicación práctica del modelo, validando su utilidad en la localización de un
aserradero. Para ello se contó con información proporcionada por una empresa forestal de la VIII Región de
Chile. El modelo fue óptimamente resuelto utilizando el programa LINGO 5.0, el cual también permitió
evaluar la capacidad de respuesta del modelo frente a cambios en la información considerada en la
planificación inicial.

Palabras claves: Localización de instalaciones, producción y logística forestal, programación mixta.

INTRODUCCION

El fuerte desarrollo experimentado por el sector forestal chileno en estas últimas dos décadas, basado
principalmente en el aprovechamiento de las plantaciones de Pinus radiata y de las del género Eucalyptus
(Troncoso 1999), ha significado la creación de grandes plantas de transformación de la madera, en especial
plantas de celulosa, aserraderos y plantas de tableros, que principalmente se dedican a la exportación de
sus productos.

Sin embargo, y pese a lo anterior, si se analiza la disponibilidad de madera proyectada por INFOR (1999)
hasta el año 2027, se requerirá la construcción de nuevas instalaciones, en especial plantas de
transformación mecánica (aserraderos, plantas de tableros y chapas, plantas de remanufactura, entre
otras), debido a que la madera aserrable disponible se duplicará en el trienio 2001-2003 y casi se triplicará
para el trienio 2025-2027. Esto último implica, obviamente, la toma de decisiones estratégicas, pues se
deberá disponer de la capacidad instalada que permita procesar toda esa madera y, a la vez, comercializarla
en el mercado internacional transformada en productos con alto valor agregado.

Por tal motivo, el presente artículo entrega una modelación matemática para el Problema de Producción y
Logística en la Industria Forestal. Más específicamente, se pretende modelar en forma conjunta los
problemas de Producción Forestal (PPF), Localización de Instalaciones Forestales (PLIF) y de Distribución de
Carga Forestal (PDCF), de manera que pueda servir de base para las futuras inversiones en distintas plantas
de transformación, apoyando principalmente las decisiones asociadas a la localización y tamaño óptimos de
las instalaciones y a la planificación global de la producción y transporte de productos forestales.

La producción y logística forestal. Cuando se analiza la logística de cualquier rubro productivo podemos
identificar que dos elementos claves de dicho proceso son el Problema de Localización de Instalaciones (PLI)
y el de Distribución de carga (PDC). Es así como para Christopher (1986), la logística se define simplemente
como el proceso de manejar estratégicamente el movimiento y almacenamiento de materiales, partes y
productos finales, desde las fuentes abastecedoras hacia la planta y desde ésta hacia los clientes. La
logística está entonces relacionada con el manejo del flujo físico que comienza en las fuentes de oferta y
termina en los puntos de consumo. Dentro de los tópicos que abarca la logística están la localización de
instalaciones, niveles de inventario, administración de materiales y sistemas de información y el transporte.

No obstante, y previo a la operación de la logística, es la producción la encargada de generar la carga que

deberá moverse entre todos los actores del sistema de distribución. En la industria forestal, y en especial
para este problema, existen dos fuentes productoras o generadoras de carga. Primero están los bosques,
quienes abastecen con la madera necesaria a la instalación para fabricar los distintos tipos de productos, por
lo que es importante identificar los niveles de cosecha de madera que se requerirán en cada período del
horizonte de planificación. Y segundo, está la instalación que elaborará los productos terminados en función
de las demandas proyectadas.
Para el caso del problema de producción forestal (PPF), a nivel mundial existen varios sistemas
desarrollados con programación matemática y que permiten su planificación estratégica; sin embargo,
ninguno integra tales decisiones con las de localización de instalaciones. En el ámbito nacional, la única
herramienta desarrollada para la planificación estratégica es la presentada por Epstein et al. (1999), y
denominada MEDFOR. Este software principalmente apoya las decisiones de producción sustentable de
madera en el horizonte de planificación junto con las de flujo hacia las plantas industriales, sin embargo,
tampoco integra las decisiones de localización.

Con respecto al PLI, éste es uno de los problemas clásicos que se ha estudiado a través de la Investigación
de Operaciones, analizando diversas aplicaciones en distintas áreas y desarrollando una serie de técnicas de
solución, específicamente heurísticas y algoritmos, que permiten encontrar soluciones satisfactorias en
menores tiempos computacionales, cuando los problemas son muy complejos (Ahuja et al. 1993).

Si se analiza la literatura existente en el tema, las instalaciones o plantas que se localizan generalmente
abarcan decisiones estratégicas que buscan minimizar un costo económico o maximizar algún indicador de
bienestar social.

En el caso forestal, son pocas las publicaciones que han abordado el PLI, existiendo básicamente la
evaluación de localizaciones de plantas procesadoras de madera, como por ejemplo Plantas de OSB
(Oriented Strandboard) (Lin et al. 1996). También es posible encontrar algunas aplicaciones de la teoría de
localización de instalaciones a la planificación de la cosecha forestal (Dysktra y Riggs 1977). No obstante, la
utilización aplicada del PLI permitiría principalmente la planificación estratégica del flujo de carga que se
generará entre los centros de oferta (bosques) y la planta procesadora, y entre la planta y los centros de
demanda, pudiendo ser utilizado como herramienta de análisis y de apoyo a la toma de decisiones.

Por su parte, el PDC también ha sido modelado matemáticamente. Al respecto, Bender (1990) se refiere a
las ventajas de usar técnicas de optimización para resolver el problema de la distribución de carga. Indica
que un modelo matemático que permita identificar la mejor solución para un conjunto dado de condiciones,
definiendo claramente cuáles son las instalaciones a localizar y los flujos de carga, es el ideal, sobre todo
porque desde la segunda mitad de la década de los sesenta los computadores pueden ser usados para
resolver problemas de grandes dimensiones. Además señala que es muy común el uso de técnicas de
localización de instalaciones para resolver el problema de logística.

MATERIAL Y METODOS

Sitios posibles de localización y distancias de transporte. La mayor parte de la literatura existente en el

tema de localización de instalaciones ha utilizado un grafo bipartito (figura 1) para modelar los problemas en
estudio. En este grafo, el primer conjunto de nodos se emplea para representar todos los sitios disponibles
para la localización, y en el segundo grupo, todos los nodos correspondientes a los centros de demanda.
Además, cada sitio posible está conectado a todos los centros de demanda, por lo que cualquiera sea el sitio
escogido existirán rutas que unan la instalación con las demandas (ejemplos de este tipo de modelación se
presentan en Kloth y Blakley (1971), Klincewicz (1990), MacCauley y Caulfield (1990), , Shulman (1991),
Revelle y Laporte (1996) y Lin et al. (1996)).

 
Figura 1: Red bipartita usada
en problemas de localización.
Bipartite network used in
location problems.

Esto último ha generado que dentro de los costos de transporte, sólo se considere el de la distribución de los
productos terminados y no se incluya el costo de transporte de las materias primas que también es afectado
por la ubicación de la instalación. Por esta razón, el problema analizado en este trabajo fue modelado
considerando tres conjuntos de nodos, de manera similar a la utilizada por Faminow y Sarhan (1983) y
Klincewicz (1990) (figura 2), con la diferencia de que estos autores no consideran arcos entre los nodos de
un mismo conjunto de sitios.

 
Figura 2: Red del problema en estudio.
Network for the problem in the study.

En el primer conjunto de nodos de la figura 2, denominado como Sitios en Zonas de Predios, cada nodo
representa un predio (conjunto de rodales) que abastecerá con madera a la instalación forestal (IF). El
segundo grupo o Sitios en Interzonas está conformado por nodos intermedios que representan lugares en
algún punto (empalme u otro lugar clave) del tramo que une los bosques con los centros de demanda, y que
eventualmente también son considerados como aptos para localizar. Finalmente, está el grupo de nodos que
indica cada uno de los centros de demanda, por lo que se le denomina Sitios en Zonas de Demanda.

Es importante destacar que para esta modelación cualquiera de los nodos existentes en los tres conjuntos se
transforma en un lugar potencial para la ubicación de la instalación. Esta consideración no aparece utilizada
en la bibliografía revisada, por lo que representa una importante innovación en los modelos de localización.
Para realizar lo anterior es necesario que cada nodo de cualquier conjunto de sitios debe estar conectado
con cada uno de los otros nodos, que pertenezcan al mismo grupo o a uno distinto. En este sentido, en el
problema analizado se supone que para cada combinación de nodos existe por lo menos un camino.

Con respecto a las distancias de transporte entre dos nodos, y al igual que en la mayoría de los problemas
modelados sobre redes, estas distancias corresponden a las mínimas, por lo que es necesario aplicar un
algoritmo de ruta mínima de "todos a todos" (Algoritmo de Floyd) (Daskin 1995) para obtener y utilizar
dichas distancias como datos de entrada para el modelo.

Número de instalaciones a localizar. Para efectos de reflejar al máximo la realidad forestal, considerando
que la decisión es a nivel estratégico (20 años) y que las inversiones en IF son bastante elevadas, se evaluó
la localización de sólo una instalación. Otro factor considerado para decidir la construcción de sólo una
instalación es que dentro de las principales aplicaciones encontradas del PLI a problemas forestales, esto es,
las de Lin et al. (1996) y MacCauley y Caulfield (1990), también en ellas sólo se plantea la construcción de
una planta, la que en ambos casos corresponde a una fábrica de tableros OSB (Oriented Strandboard).

El tamaño de la instalación y la posibilidad de expansión. Pese a que en la literatura son pocas las
aplicaciones que, además de definir la ubicación óptima, entregan el tamaño óptimo de la instalación (Kloth
y Blakley 1971, Faminow y Sarhan 1983, Lin et al. 1996), el modelo desarrollado fue diseñado para que se
determinaran conjuntamente ambas variables. Para ello, junto con todos los sitios posibles que tiene el
problema para localizar la IF, también se cuenta con un número dado de posibles tamaños para la
instalación, y cuya decisión está influenciada principalmente por las demandas que existan en los distintos
períodos.

Sin embargo, la integración de ambas decisiones en un solo modelo muchas veces genera soluciones poco
prácticas en la realidad, debido a que como deciden un tamaño que permite cumplir con todas las
demandas, en especial con la mayor de ellas, se producen períodos en los cuales la capacidad de la
instalación es subutilizada, transformándose finalmente en una decisión poco eficiente. Para evitar tal efecto
se utilizan las ventajas que poseen algunos modelos de localización dinámicos (múltiples períodos), los
cuales permiten decidir, posterior a la construcción de la instalación, alguna expansión de la capacidad en
cualquiera de los períodos en que la demanda exceda a la capacidad instalada inicial. Con lo anterior se
disminuyen los períodos de subutilización de la capacidad y se modela en mejor medida la realidad.
De esta manera, el modelo puede determinar, en cualquiera de los períodos que conforma el horizonte de
planificación, cuándo resulta más conveniente realizar una expansión de la capacidad de la IF para satisfacer
las demandas.

Niveles de corta de madera y su transporte. Una de las diferencias principales que posee la modelación que
se presenta en este estudio con otras aplicaciones forestales previas, es el hecho de definir los niveles de
cosecha o corta de madera desde los rodales que abastecerán con la madera requerida a la IF, en cada uno
de los períodos. Esta información permitirá guiar otro tipo de decisiones a nivel estratégico, como, por
ejemplo, la planificación de la red de caminos que será necesario disponer, y algunas decisiones de cosecha
forestal.

Un factor importante considerado para definir los niveles de cosecha de madera es el que la variable de
decisión es la cantidad de hectáreas cortadas por período en cada uno de los rodales que conforman los
distintos predios. Esto permite utilizar el crecimiento volumétrico del bosque como un dato de entrada, y
con ello posibilitar que en la superficie no cortada en un período dado se siga incrementando el volumen
disponible por hectárea para su futuro aprovechamiento. Para estimar los m3/ha de madera disponible por
período se utilizó el software desarrollado por Fundación Chile y algunas empresas forestales chilenas,
denominado Simulador Radiata (Fundación Chile 1997).

Además de los niveles de cosecha, el modelo también determina los flujos de madera desde los predios
hacia la ubicación seleccionada, por lo que será posible identificar las rutas que serán utilizadas en cada
período y, por ende, determinar los caminos a usar y la cantidad de camiones que se necesitarán para el
transporte de toda esa madera.

Niveles de elaboración de productos y su transporte. Por el hecho de tratarse de un modelo de planificación

estratégica, fue necesario pronosticar los niveles de requerimiento del producto elaborado que se generarán
en los distintos Centros de Demanda. Con estas demandas, estimadas para cada uno de los períodos, el
modelo establece los flujos de producto que se producirán entre la IF y los distintos centros demandantes,
con el objeto de cumplir con sus demandas. Esto permitirá conocer las rutas que se utilizarán para la
distribución del producto por período, así como el requerimiento de vehículos necesarios para el transporte
de toda esa carga.

Formulación del modelo. El modelo formulado para resolver el Problema de Producción y Logística en la
Industria Forestal (PPLIF) corresponde a un modelo dinámico de programación mixta, ya que considera
variables de decisión enteras del tipo binarias, asociadas específicamente con la elección del sitio y tamaño
de la instalación a construir, además de la decisión de expandir la capacidad de producción en algún período
del horizonte de planificación. Junto a esas variables, también están las variables continuas que indican las
superficies cortadas desde cada rodal durante un período dado, así como la cantidad de madera comprada a
terceros cuando la oferta propia de madera no alcanza para satisfacer la demanda.

La función objetivo para resolver el PPLIF minimiza el valor actualizado de los costos totales de
abastecimiento y transporte de madera, los costos de operación, los costos de transporte de productos y los
costos fijos de expansión en el período que corresponda. Además, se suma la inversión asociada a la
construcción de la instalación en cualquiera de los sitios disponibles. Para la actualización de los costos se
emplea una tasa de descuento determinada para cada período.

Las restricciones [2] establecen que sólo se puede construir una instalación de un tamaño dado, y en sólo
uno de todos los sitios posibles para localizarlas, es decir, en alguno de los nodos predios, nodos
intermedios o nodos de demandas existentes.

Las restricciones [3], [4] y [5] están asociadas con la capacidad de la instalación. La ecuación [3] determina
la capacidad de producción que deberá tener la instalación al inicio del horizonte de planificación. Luego, las
restricciones [4] aseguran que dicha capacidad más una posible expansión (en cualquier período) sea mayor
o a lo menos igual que la demanda total en cada período de planificación y, finalmente, la restricción [5]
permite a lo más una expansión de nivel k en todo el horizonte de planificación.

El límite a la cantidad de superficie cortada en cada rodal de cualquiera de los nodos predios durante todo el
horizonte está dado por las restricciones [6]. Estas garantizan que no se pueda cortar más superficie que la
disponible.

La ecuación [7] permite calcular el volumen total de madera cortada desde cada nodo predio por período, en
base a la multiplicación del volumen de madera por hectárea (volumenirt) que habría durante un período
determinado en cualquiera de los rodales, por la cantidad de superficie cosechada en ese rodal. De esta
manera, es posible calcular el volumen cortado sin la necesidad de trabajar con inventarios, ya que el
término volumenirt refleja el crecimiento de madera por hectárea de un período a otro.
Otras ecuaciones necesarias, son las ecuaciones [8], ya que permiten determinar la cantidad de madera
requerida por período para producir una cantidad dada de producto terminado. Para tal efecto se utiliza un
factor de conversión que transforma los m3 de productos terminados en m3 de madera. Por otro lado, las
ecuaciones [9] calculan los volúmenes totales de madera cosechada por período desde todos los nodos
predios intervenidos.

Luego, basado en las restricciones [6], y en las ecuaciones [7], [8] y [9], las restricciones [10] permiten, en
el caso de que la oferta de madera propia no alcance para abastecer a la instalación, determinar el nivel de
compra de madera a terceros por período.

Por otra parte, las ecuaciones [11a] establecen el volumen total máximo de madera transportada (m3)
desde los distintos nodos predios hacia la instalación, independiente de la localización que haya sido
escogida; y las ecuaciones [11b] obligan a que la madera transportada desde cada nodo predio por período
sea igual al volumen de madera cortada en dicho nodo.

De manera similar, las ecuaciones [12] entregan el volumen total de producto transportado (m3) desde la
instalación, independiente de su ubicación, hacia los distintos centros de demanda.

Finalmente, para la cuantificación de costos, desde las ecuaciones [13a] hasta las [13f], se realizan los
cálculos de los costos totales de: abastecimiento de madera, transporte de madera, operación (producción)
y transporte de productos, todos ellos por período; además del costo fijo de construir la instalación y el
costo de expansión por período.

MODELACION MATEMATICA

La modelación matemática que se presenta a continuación está basada en las variables de decisión,
variables auxiliares, parámetros y coeficientes técnicos explicados en el Apéndice.

Función Objetivo:

Sujeto a:

Restricciones de Localización:

[Sólo una instalación debe localizarse]

Restricciones de Capacidad de la Instalación:

[Capacidad de producción inicial]

[Requerimientos de capacidad de producción por período]

[Expansión de la capacidad de producción]

Restricciones de Disponibilidad de Superficie y Producción de Madera:

[Superficie máxima disponible en los rodales de cada uno de los nodos-predios]

[Volumen cortado de madera en cada nodo-predio por período]

[Requerimiento de madera por período]

[Niveles de cosecha de madera por período]

[Abastecimiento de madera por período]

Restricciones de Transporte de Madera y Productos:

[Volumen de madera transportada desde los nodos-predios hacia la instalación]

[Volumen de producto transportado desde la instalación hacia los nodos de demanda]

Ecuaciones de costos e ingresos:

[Costo total de abastecimiento de madera por período]

[Costo total de transporte de madera por período]

[Costos operacionales por período]

[Costo total de transporte de productos por período]

[Costo de instalación]

[Costo de expansión por período]

RESULTADOS Y DISCUSION

En este punto se presenta la aplicación práctica del modelo desarrollado, incluyendo la descripción del
problema resuelto, el método usado para resolverlo y la validación del modelo como una herramienta de
apoyo a la toma de decisiones.

Descripción del problema. El problema resuelto consistió en la localización de un nuevo aserradero en la VIII
Región de Chile, basado principalmente en la información proporcionada por una empresa forestal de la
zona; y el cual implica la decisión de dónde y de qué tamaño se construiría el aserradero, y cuáles serían las
producciones y los flujos de madera aserrable y aserrada en todos los períodos del horizonte de
planificación.

El problema consideró un total de 34 nodos, 20 períodos de planificación, 5 tamaños posibles para el

aserradero y 3 niveles de expansión. Estas dimensiones generaron un total de 29.112 variables de decisión
y de las cuales 230 fueron variables binarias. Respecto al número de restricciones, éstas alcanzaron una
cantidad de 4.944.

La red del problema. Luego de definir las ubicaciones geográficas para los 20 nodos predios, 10 nodos
intermedios y 4 nodos de demanda, se procedió a determinar las distancias mínimas de transporte entre
cada par de nodos. La red resultante correspondió a una red fuertemente conexa y la cual debido a la
dificultad para ser representada gráficamente, no es presentada en este trabajo, pero sigue el mismo
formato a la mostrada en la figura2.

Con respecto a los 20 nodos predios, éstos se encuentran ubicados en diferentes puntos entre la VIII y IX
Región de Chile, que es donde se concentra en gran proporción el patrimonio de plantaciones de pino
radiata de la empresa. Para el caso de los nodos intermedios, éstos se localizaron en empalmes identificados
como claves, y los cuales se ubican generalmente a un costado de la Carretera Panamericana Sur.
Finalmente, los nodos de demanda se encuentran representados por las ciudades de Chillán, Concepción y
Los Angeles, las cuales constituyen lo que se denomina mercado nacional, abarcando casi el 5% de las
ventas anuales. El resto corresponde a mercado de exportación, por lo que el nodo de demanda considerado
es el Puerto de San Vicente, por donde sale el 100% de las exportaciones de la empresa.

La técnica de solución. Debido a la baja cantidad de variables binarias que posee el problema modelado
(230), éste fue resuelto utilizando el software de optimización LINGO 5.0 (Lindo systems Inc. 1999), el cual
emplea el algoritmo de Branch & Bound para resolver los problemas enteros y mixtos, además de aplicar
algunos tipos de cortes (Cortes de Gomory, por ejemplo). No obstante, y pese a la existencia de esas 230
variables binarias, los tiempos de solución obtenidos en diferentes corridas efectuadas como pruebas del
modelo variaron de 15 minutos hasta alrededor de 8 horas (en tiempo de CPU), considerando el mismo
tamaño del problema pero sólo cambiando los datos de entrada. Esto se puede explicar porque en
programación entera, un rol importante en la solución del problema lo tiene la instancia a resolver.

Validación del modelo. Para validar el modelo desarrollado, esto es, para verificar la aplicación práctica de
sus resultados, se procedió a comparar la solución arrojada con la información que se cuenta actualmente
para uno de los aserraderos que posee la empresa forestal considerada, y el cual está ubicado en la VIII
Región, a un costado de la Carretera Panamericana Sur. Este aserradero posee una capacidad de producción
de 240.000 m3 de madera aserrada al año.

La solución del modelo indicó la construcción del aserradero en el nodo predio 2, que está ubicado a 150 km
del puerto de San Vicente, principal punto de demanda. El aserradero a construir, en base a las demandas
pronosticadas, tiene una capacidad de producción anual de 250.000 m3 de madera aserrada, 10.000 m3
más que el aserradero usado de referencia. Además, debido a un incremento de las demandas a partir del
5to año, y las cuales en total superan la capacidad inicial, el modelo decidió realizar una expansión de nivel-
1, equivalente a ampliar la capacidad de producción en 20.000 m3/año, en el cuarto año.

Por otro lado, en cuanto al abastecimiento con madera aserrable, el modelo sólo aprovecha el patrimonio de
la empresa para tal efecto, lo que equivale a la práctica actual de la empresa, puesto que se abastecen en
un 100% con madera propia. En cuanto a la superficie total cosechada en el horizonte de planificación, ésta
alcanza una cantidad de 21.504 hectáreas, correspondientes al 35% de la superficie total considerada.

En relación a los niveles de producción, y basado en las demandas pronosticadas, los volúmenes anuales de
madera aserrable requeridas por el aserradero varían de 520.000 m3, en el primer año, a casi 550.000 m3
en el año 20, con un valor promedio de 533.000 m3.

Con respecto al valor de la función objetivo, el costo mínimo actualizado fue levemente superior a los 231
millones de dólares, de los cuales el 11% corresponde a la inversión en el aserradero, el 8 y 6% comprende
los gastos en transporte de madera aserrable y aserrada, respectivamente; el 41% son costos de operación
del aserradero y finalmente, el 34% es por abastecimiento de madera aserrable. (El tiempo de solución fue
de 53 minutos y 36 segundos en un computador Pentium II con velocidad de 300 Mhz).

Por otra parte, para comparar estas decisiones con aquellas tomadas por la empresa para su aserradero, se
determinó el valor de la función objetivo considerando la localización real de éste. Este procedimiento
entregó un resultado subóptimo comparado con el recién presentado, pero permite evaluar cuál es el aporte
real del modelo. El valor de la función objetivo para la ubicación actual del aserradero es de casi 243
millones de dólares, un 5,2% mayor que el correspondiente a la solución óptima. Este incremento se genera
por el aumento de los costos anuales en 1,6 millones de dólares, en promedio, de los cuales cerca del 70%
proviene del costo de transporte de madera aserrable y el resto del transporte de la madera aserrada. Esta
alza en los costos de transporte se produce porque la ubicación actual del aserradero está,
aproximadamente, 20 kilómetros distante de la ubicación óptima, y, por lo tanto, más alejado de los predios
y de los clientes.
Cabe destacar que las diferencias pueden aún ser mayores que las registradas en la función objetivo, puesto
que el modelo desarrollado, además de localizar el aserradero, establece los niveles de producción de
madera y los flujos de transporte para cada uno de los períodos del horizonte de planificación, generando
con ello que la solución subóptima obtenida sea, probablemente, también de mejor calidad que las
decisiones realmente tomadas y ejecutadas por la empresa.

Capacidad de respuesta del modelo. Para evaluar la capacidad del modelo de readecuar las decisiones frente
a cambios en la información inicialmente considerada, se trabajó con dos antecedentes claves. El primero
corresponde a la oferta de madera, y más específicamente la superficie de bosques con madera aserrable.
En este caso, se supuso un brusco cambio de las condiciones iniciales asociadas a las superficies a cortar por
período. Para ello se asumió, por ejemplo, que en el año 5 se produjo un incendio forestal que destruyó
gran parte de la madera que se aprovecharía en los próximos períodos, impidiendo con ello que se pueda
cumplir con lo previamente planificado.

Para realizar lo anterior, se asignó un valor cero al parámetro de superficie disponible de algunos predios
que habían sido seleccionados por el modelo para abastecer con madera al aserradero en los períodos
posteriores al incendio. Además, hubo que indicar al modelo cuáles fueron las decisiones iniciales de
localización y tamaño del aserradero, asignando el valor uno a la variable de decisión correspondiente.
Posterior a esto, se corrió nuevamente el modelo. En esta nueva solución del problema, se observó una
reasignación de los flujos de madera aserrable desde predios que inicialmente no fueron seleccionados, pero
que sí permitían cumplir con las demandas pronosticadas hasta el final del horizonte de planificación. Estas
nuevas decisiones hicieron variar sólo los costos de transporte de materia prima, obteniendo, por lo tanto,
una solución óptima para este nuevo escenario, pero de mayor costo al inicialmente calculado.

Un segundo antecedente que se modificó fueron las demandas. En este caso se supuso que por problemas
económicos de uno de los principales clientes de madera aserrada, la demanda real en un período
determinado se reducía notoriamente en comparación con lo proyectado. Esto obliga a que la producción
total de madera aserrada deba disminuirse para ese período y, por lo tanto, también cortarse y
transportarse menos madera desde los bosques hacia el aserradero, quedando ésta disponible para su uso
en el futuro. Una vez ejecutado nuevamente el modelo, se produjo una reasignación de todos los flujos y
niveles de producción de los insumos y productos, obteniéndose una solución óptima bajo las nuevas
condiciones.

CONCLUSIONES

El enfoque dado al problema se diferencia de las aplicaciones típicas encontradas en cualquier tipo de
industria, en el hecho de trabajar sobre una red conformada por tres tipos de nodos (nodos predios, nodos
intermedios y nodos de demanda), todos los cuales constituyen los sitios posibles para localizar la
instalación.

El modelo desarrollado permite ampliar dinámicamente la capacidad instalada inicialmente, aumentándola

en un nivel previamente establecido por el planificador. Esto otorga una mayor flexibilidad y disminuye una
posible subutilización de los equipos.

Un aspecto importante que caracteriza al modelo es la decisión de cuánta madera cortar por período, con tal
de abastecer al aserradero. En este sentido, y basado en las proyecciones de crecimiento de la oferta de
madera, el modelo decide la edad de rotación para cada uno de los predios o rodales elegidos para ser
cosechados en un período dado. Con esto se está generando otra herramienta para el planificador forestal,
el cual podrá determinar cuándo conviene cortar los bosques basado en un criterio de abastecimiento de
madera y no en el de maximización del valor potencial del suelo, criterio ampliamente usado en el sector, y
que muchas veces no coincide con las necesidades de producción de madera por año.

La estrecha relación existente en la modelación del problema entre las variables de localización y tamaño de
la instalación con las de producción y transporte de madera y productos, refleja la necesidad de que
modelos de este tipo deben necesariamente integrar los problemas de producción y logística de cualquier
industria.

Dada la dimensión otorgada al problema a resolver, el modelo fue fácilmente solucionable utilizando un
software de optimización estándar, puesto que fue posible encontrar soluciones óptimas al problema en
bajos tiempos de CPU. Esto es aceptable sobre todo porque se trata de una herramienta para la planificación
estratégica. Además, debido al tipo de modelación realizada, del total de variables de decisión del modelo
menos del 1% corresponden a variables enteras (binarias).

La validación del modelo demostró que éste es perfectamente aplicable para este tipo de decisiones, puesto
que entrega resultados razonables y mejoraría las actuales prácticas de la empresa forestal. Con relación a
la capacidad de respuesta, el modelo presentó una gran versatilidad para adaptar las decisiones frente a
cambios repentinos de las condiciones iniciales, modificando principalmente las decisiones de producción y
transporte.

BIBLIOGRAFIA

AHUJA, R. K., T. L. MAGNANTI, J. B. ORLIN. 1993. Network Flows: Theory, Algorithms and Applications.
Prentice Hall. 846 p.         [ Links ]

BENDER, P. S. 1990. Development of Optimum Logistic Strategies. The Gower Handbook of Logistics and
Distribution Management. 4th edition, pp. 126-140.         [ Links ]

CHRISTOPHER, M. 1986. The Strategy of Distribution Management. The Marketing Series. 182 p.
        [ Links ]

DASKIN, M. 1995. Network and Discrete Location: Models, Algorithms and Applications. Wiley Interscience
Series. 498p.         [ Links ]

DYKSTRA, D. P., J. L. RIGGS. 1977. "An Application of Facilities Location Theory to the Design of Forest
Harvesting Areas", AIIE Transactions 9 (3): 270-277.         [ Links ]

EPSTEIN, R., R. MORALES, J. SERON, A. WEINTRAUB. 1999. "Use of OR Systems in the Chilean Forest
Industries", Interfaces 29 (1): 7-29.         [ Links ]

FAMINOW, M. D., M. E. SARHAN. 1983. "The Location of Fed Cattle Slaughtering and Processing in the
United States: An Application of Mixed Integer programming", Canadian Journal of Agriculture Economics 31
(3): 425-436.         [ Links ]

FUNDACION CHILE. 1997. Modelo Nacional de Simulación de Pino Radiata: Manual del Usuario Simulador
Radiata Plus V5.0. Circulación restringida. 65 p.         [ Links ]

INFOR. 1999. Disponibilidad de Madera de Pino Radiata en Chile 1998-2027. Informe Técnico N° 142.1.
        [ Links ]

KLINCEWICZ, J. G. 1990. "Solving a Freight Transport Problem Using Facility Location Techniques",
Operations Research 38 (1): 99-109.         [ Links ]

KLOTH, D. W., L. V. BLAKLEY. 1971. "Optimun Dairy Plant Location with Economies of Size and Market-
Share Restrictions", American Journal of Agriculture Economics 53 (3): 461-466.         [ Links ]

LIN, W., H. F. CARINO, K. J. MUEHLENFELD. 1996. "OSB/LOCATION: A Computer Model for Determining
Optimal Oriented Strandboard Plant Location and Size", Forest Products Journal 46 (2): 71-78.
        [ Links ]

LINDO SYSTEMS INC. 1999. LINGO The Modeling Language and Optimizer. Manual del Usuario.
        [ Links ]

MacCAULEY, C. K., J. P. CAULFIELD. 1990. "Using Mixed-Integer Programming to Determine the Optimal
Location for an Oriented Strandboard Plant in Alabama", Forest Products Journal 40 (2): 39-44.
        [ Links ]

PIRKUL, H., D. A. SCHILLING. 1991. "The Maximal Covering Location Problem with Capacities on Total
Workload", Management Science 37 (2): 223-248.         [ Links ]

REVELLE, C. S., G. LAPORTE. 1996. "The Plant Location Problem: New Models and Research Prospects",
Operations Research 44 (6): 864-874.         [ Links ]

SHULMAN, A. 1991. "An Algorithm for Solving Dynamic Capacitated Plant Location Problems with Discrete
Expansion Sizes", Operations Research 39 (3): 423-436.         [ Links ]

TRONCOSO, J. J. 1999. El Transporte de Carga Forestal en Chile. Documento de Trabajo. Departamento de

Ciencias Forestales, Facultad de Agronomía e Ingeniería Forestal, Pontificia Universidad Católica de Chile. 60
p.         [ Links ]

APENDICE

NOMENCLATURA DEL MODELO MATEMATICO

Indices
i, j : Nodos. (1, ..., I)

r : Rodales en cada nodo. (1, ..., R)

s : Tamaños posibles de la instalación. (1, ..., S)

k : Niveles posibles de expansión en capacidad (1, ..., K)

t, p : Período de planificación. (1, ..., T)

Variables de decisión

LOCALIZAis : Variable binaria que indica si una instalación de tamaño s se localiza en el nodo i.

EXPANSIONkp : Variable binaria que indica si la capacidad de producción de la instalación se aumenta en un

nivel k durante el período p.

SUPCORTirt : Superficie a cosechar en el rodal r perteneciente al nodo-predio i en el período t. [ha]

MADERACOMt : Volumen de madera comprada a terceros en el período t. [m3]

Variables auxiliares

VOLCORTAit : Volumen de madera cortada en el nodo-predio i en el período t. [m3]

VOLMADijt : Volumen de madera transportada desde el nodo-predio i hasta la instalación localizada en el

nodo j, durante el período t. [m3]

VOLPROijt : Volumen de producto transportado desde la instalación localizada en el nodo-predio i hasta el

nodo-demanda j, durante el período t. [m3]

RMADERAt : Requerimiento total de madera en el período t. [m3]

VOLTOTALt : Volumen total de madera cosechada desde los nodos-predios en el período t. [m3]

CAPINST : Nivel de capacidad de producción inicial seleccionado por el modelo. [m3]

CTABASMAt : Costo total de abastecimiento de madera en el período t. [US$]

CTTRANMAt : Costo total de transporte de madera en el período t. [US$]

CTOPERACt : Costo total operacional en el período t. [US$]

CTTRANPROt : Costo total de transporte de productos en el período t. [US$]

CTEXPt : Costo de expansión de la capacidad productiva en el período t. [US$]

CTINST : Costo fijo de construcción de la instalación. [US$]

Parámetros de restricciones

Demandant : Nivel de demanda en el centro de demanda n, en el período t. [m3]

Supdispir : Superficie disponible para corta en el rodal r perteneciente al nodo-predio i. [ha]

Coeficientes técnicos

factualt : Factor de actualización del capital para el período t.

volumenirt : Volumen de madera cosechable por unidad de superficie del rodal r perteneciente al nodo-
predio i en el período t. [m3/ha]

caps : Capacidad de producción para una instalación de tamaño s. [m3]

capextrak : Capacidad adicional de producción para una expansión de nivel k. [m3]

fconversion : Factor de conversión de una unidad de producto en volumen de madera. [m3 de madera/m3
de producto]

ppropiot : Precio por abastecimiento de madera desde bosques propios en el período t. [US$/m3]

pcomprat : Precio por abastecimiento de madera desde terceros en el período t. [US$/m3]

ctmadt : Costo de transporte de madera por unidad de distancia en el período t. [US$/m3-km]

distij : Distancia de transporte entre los nodos i y j. [km]

coperact : Costo unitario de producción durante el período t. [US$/m3]

ctprot : Costo de transporte de producto por unidad de distancia en el período t. [US$/m3-km]

cinstis : Costo fijo de localizar una instalación de tamaño s en el nodo i. [US$]

cexkt : Costo de expandir la capacidad en un nivel k en el período t. [US$]

Recibido: 05.11.2001

 All the contents of this journal, except where otherwise noted, is licensed under a Creative Commons Attribution License

Casilla 567

Valdivia - Chile

Tel.: (56-63) 2221998

Fax: (56-63) 221431

revistabosque@uach.cl