Planificación ex - ante del uso de la tierra

con programación multiobjetivo, en un

agroecosistema de cultivos y ganadería
bovina en el Valle del Cauca, Colombia

MARIA LIGIA CASAS MORENO

Universidad Nacional de Colombia

Facultad de Ciencias Agropecuarias
Palmira, Colombia
2018
 Planificación ex - ante del uso de la tierra
con programación multiobjetivo, en un
agroecosistema de cultivos y ganadería
bovina en el Valle del Cauca, Colombia

MARÍA LIGIA CASAS MORENO

Tesis o trabajo de investigación presentada(o) como requisito parcial para optar al título
de:
Magíster en Ciencias Agrarias

Director (a):
[Link]. Luis Miguel Ramírez Nader

Línea de Investigación:
Producción animal tropical

Universidad Nacional de Colombia

Facultad de Ciencias Agropecuarias
Palmira, Colombia
2018
Dedicatoria

Gracias al Señor por guiarme y darme

fortaleza en los momentos en que desfallecía y en los
que no encontraba salida para mis obstáculos durante
la maestría y especialmente en el desarrollo de mi
tesis, por permitirme lograr la culminación de este
sueño.

A la memoria de mis padres Susana Moreno y

Carlos Casas, por todos los valores que cimentaron
en mí, por su apoyo permanente, por sus luchas y
sacrificios por sacar adelante nuestra familia, siendo
siempre ejemplo a seguir.

A mis hermanos y sobrinos por ser apoyo

permanente durante el desarrollo de todo este
proceso académico y comprenderme en los
momentos de ausencia para compartir.
Agradecimientos

Al profesor Miguel Ramírez Nader, por su permanente apoyo, por su confianza en mis
capacidades y tesón para la culminación de esta investigación.

Al ingeniero Mario José Basallo Triana, por su asesoría en la parte matemática y de

Software.

A todos los profesores de la Universidad Nacional que contribuyeron con sus

conocimientos a mi formación.

Al Servicio Nacional de Aprendizaje (SENA), por su apoyo económico y disponer del

tiempo para lograr culminar mis estudios.

A Héctor Fabio Espinoza Tilmans, por su colaboración para poder cuadrar los tiempos y
cumplir con mi trabajo y con mis estudios.

A Julio Castro y su familia por su colaboración con los datos de las producciones de la
Hacienda Brasilia y recibirme en su empresa, para poder desarrollar esta tesis.

A la Universidad Nacional sede Palmira, por abrirme de nuevo sus puertas para realizar
los estudios de maestría y de la cual estaré siempre orgullosa y agradecida.

A mi compañera Gyna Gysela Acosta, por su permanente colaboración durante este

periodo académico y por su sincera amistad.
VII Planificación ex - ante del uso de la tierra con programación multiobjetivo, en un
I agroecosistema de cultivos y ganadería bovina en el Valle del Cauca, Colombia
Contenido IX

Resumen
La planificación ex-ante empleando la modelación matemática es una herramienta muy útil
que permite obtener una representación lo más cercana a la realidad mediante la
evaluación de distintas variables y predecir los resultados económicos de una empresa.
En el sector agropecuario los empresarios consideran que se presentan diversidad de
objetivos y conflictos. Por esta razón, se realizó un análisis empleando la Programación
Lineal Multiobjetivo en la Hacienda Brasilia ubicada en el municipio del Cerrito, Valle del
Cauca, con el fin de realizar la distribución de un terreno para asignar a cada porción una
actividad agropecuaria de acuerdo a las metas del productor (cultivo de caña de azúcar,
cultivo de uva Isabella, cultivo de maracuyá, y producción ganadera). Para tal fin se
consideraron como funciones objetivo la maximización margen bruto total anual, la
minimización del riesgo económico predial, y la optimización de la mano de obra. Se realizó
recolección de datos con base en los registros de la hacienda desde el año 2010-2016. La
implementación del problema en computador se realizó usando el software Matlab, y se
usó el método de restricciones ϵ modificado para analizar simultáneamente todos los
objetivos. El análisis reveló que no es posible optimizar las funciones objetivo
simultáneamente puesto que estas son contradictorias entre sí. Se encontró que los
cultivos más determinantes son la caña de azúcar y la uva Isabella puesto que, el primero
de ellos tiende a abarcar grandes extensiones de tierra, mientras que el segundo es
intensivo en términos de mano de obra y capital. Posteriores análisis revelaron que, si se
quiere hacer énfasis en margen bruto, debería incrementarse las hectáreas cultivadas de
caña de azúcar y uva Isabella, trayendo consigo esto un incremento en el riesgo predial.
Por otro lado, si se quiere mejorar la utilización de la mano de obra es necesario enfatizarse
en el cultivo de caña de azúcar y la ganadería, trayendo consigo un incremento en el riesgo
económico predial. En cuanto a los puntos de operación históricos del propietario no se
pueden considerar como soluciones fronteras eficientes, sin embargo, los puntos de
operación históricos parecen estar relativamente cerca de las soluciones de frontera
eficientes. El conjunto de soluciones eficientes parece generar un exceso en el consumo
de horas de mano de obra, lo que indica al productor replantear correctamente las horas
 X Planificación ex - ante del uso de la tierra con programación multiobjetivo, en un
agroecosistema de cultivos y ganadería bovina en el Valle del Cauca, Colombia

de mano de obra disponibles. Un parámetro crítico para el problema es el capital disponible

en este caso de estudio, pues una disminución del capital disponible puede generar
soluciones no factibles rediciendo el número de soluciones eficientes.

Palabras clave: Método de restricciones ϵ modificado, tabla de pagos, óptimo de Pareto.

Contenido XI

Abstract
Ex -ante planning using mathematical modeling is a very useful tool that allows obtaining a
representation as close to reality by evaluating different variables and predicting the
economic results of a company. In the agricultural sector, employers consider that there
are a diversity of objectives and conflicts. For this reason, an analysis was carried out using
Multiobjective Linear Programming at the Brasilia Farm located in the municipality of El
Cerrito, Valle del Cauca, in order to distribute a plot of land to assign an agricultural activity
to each portion according to the producer's goals (sugar cane cultivation, Isabella grape
cultivation, passion fruit cultivation, and livestock production). To this end, the maximization
of the total annual gross margin, the minimization of the real estate economic risk, and the
optimization of the labor force were considered as objective functions. Data collection was
performed based on the records of the farm from the year 2010-2016. The computer
problem was implemented using the Matlab software, and the modified ε constraint method
was used to simultaneously analyze all the targets. The analysis revealed that it is not
possible to optimize the objective functions simultaneously since these are contradictory to
each other. It was found that the most determinants crops are sugar cane and the Isabella
grape, since the first one tends to cover large tracts of land, while the second is intensive
in terms of labor and capital. Subsequent analyzes revealed that if you want to emphasize
gross margin, you should increase the cultivated hectares of sugarcane and Isabella
grapes, bringing with it an increase in property risk. On the other hand, if you want to
improve the use of labor is necessary to emphasize the cultivation of sugar cane and
livestock, bringing with it an increase in property economic risk. As for the owner's historical
operating points, efficient frontier solutions can’t be considered, however, historical
operating points seem to be relatively close to efficient frontier solutions. The set of efficient
solutions seems to generate an excess in the consumption of hours of labor, which
indicates to the producer to correctly rethink the hours of labor available. A critical
parameter for the problem is the capital available in this case study; since a decrease in
available capital can generate solutions that are not feasible by reduce the number of
efficient solutions.

Keywords: Restriction, method ε, modified, payment table, Pareto optimum.

 XII Planificación ex - ante del uso de la tierra con programación multiobjetivo, en un
agroecosistema de cultivos y ganadería bovina en el Valle del Cauca, Colombia

Contenido
Pág.

Contenido ...................................................................................................................... XII

Pág. ................................................................................................................................ XII
1. OBJETIVOS ............................................................................................................ 22
1.1 Objetivo general ................................................................................................ 22
2. MARCO DE REFERENCIA ..................................................................................... 23
2.1 Importancia del sector agropecuario Colombiano ............................................. 23
2.2 Generalidades de los agroecosistemas en estudio ........................................... 25
2.2.1 Definición agroecosistema ............................................................................ 25
2.2.2 Caña de azúcar (Saccharum officinarum)...................................................... 25
2.2.3 Uva Isabella (Vitis labrusca) .......................................................................... 26
2.2.4 Cultivo del maracuyá (Passiflora edulis) ........................................................ 27
2.2.5 Ganadería de leche ....................................................................................... 27
2.3 Evaluación ex - ante en el sector agropecuario................................................. 29
2.4 Factores de riesgo agropecuario....................................................................... 30
2.5 Programación lineal clásica .............................................................................. 31
2.5.1 Premisas de la programación lineal ............................................................... 32
2.5.2 Características básicas de los problemas de programación lineal ................. 33
2.5.3 Ventajas de la programación lineal ................................................................ 34
2.5.4 Desventajas de la programación lineal .......................................................... 35
2.6 La Programación Lineal Multiobjetivo (PLMO) .................................................. 35
2.6.1 Generación del conjunto eficiente.................................................................. 37
2.6.2 Ventajas y desventajas de cada método para obtener el conjunto de
soluciones eficientes. ............................................................................................... 38
2.7 Conceptos de la PLMO con enfoque en el óptimo de Pareto ............................ 39
2.8 Aplicación e importancia de la PLMO en el sector agropecuario ....................... 43
2.8.1 Aplicaciones de la PL al sector agropecuario en Colombia ........................... 46
3. Materiales y métodos............................................................................................. 48
Contenido XIII

3.1 Descripción inicial del caso de estudio ............................................................. 48

3.1.1 Localización De La Hacienda Brasilia ............................................................ 48
3.1.2 Breve reseña histórica de la Hacienda Brasilia .............................................. 48
3.1.3 Condiciones Agroecológicas .......................................................................... 50
3.1.4 Suelos ........................................................................................................... 51
3.1.5 Disponibilidad de agua................................................................................... 52
3.1.6 Actividades productivas y distribución de áreas ............................................. 52
3.1.7 Producción pecuaria ...................................................................................... 53
3.2 Técnicas de recolección y procesamiento de información para PLMO ............. 57
3.3 Formulación de un modelo de programación lineal multiobjetivo (PLMO)
empleado .................................................................................................................... 59
3.3.1 Formulación de las funciones objetivo ........................................................... 59
3.3.2 Maximización del margen bruto ..................................................................... 60
3.3.3 Minimización del riesgo económico predial .................................................... 60
3.3.4 Optimización de la mano de obra contratada ................................................. 61
3.3.5 Restricciones del sistema .............................................................................. 62
3.4 Estrategia de solución ...................................................................................... 65
3.4.1 El método de restricciones épsilon................................................................. 65
3.4.2 Selección del rango de valores 𝝐𝒋 .................................................................. 66
3.4.3 Modificación del método para garantizar soluciones eficientes ...................... 68
4. Resultados y Discusión ......................................................................................... 69
4.1 Solución de funciones objetivo independientes ................................................ 69
4.2 Búsqueda de soluciones eficientes .................................................................. 71
4.2.1 Frontera eficiente para pares de funciones objetivo ....................................... 71
4.2.2 Puntos de operación históricos ...................................................................... 74
4.2.3 Análisis de eficiencia para todas las funciones objetivo ................................. 75
4.3 Análisis de sensibilidad .................................................................................... 78
5. Conclusiones .......................................................................................................... 82
6. Recomendaciones.................................................................................................. 84
XIV Planificación ex - ante del uso de la tierra con programación multiobjetivo, en un
agroecosistema de cultivos y ganadería bovina en el Valle del Cauca, Colombia
Contenido XV

Lista de figuras
Pág.

Figura 2-1. Frontera de Pareto de un problema de minimización ................................... 41

Figura 3-1. Municipio de Cerrito y localización de la hacienda Brasilia (Tomado de: Google
maps, 2016). .................................................................................................................. 49
Figura 3-2. Mapa de la Hacienda Brasilia escala 1: 250 ................................................. 55
Figura 4-1. Frontera de Pareto para las combinaciones de dos objetivos: margen bruto y el
riesgo económico predial ................................................................................................ 73
Figura 4-2. Frontera de Pareto para las combinaciones de dos objetivos: margen bruto y
uso de mano de obra...................................................................................................... 73
Figura 4-3. Frontera de Pareto para las combinaciones de dos objetivos: riesgo predial y
uso de mano de obra...................................................................................................... 74
Figura 4-4. Líneas de contorno de la frontera eficiente para diferentes niveles de la función
objetivo 𝑓2. ..................................................................................................................... 76
Figura 4-5. Líneas de contorno en tercera dimensión de la frontera eficiente para diferentes
niveles de la función objetivo 𝑓2. .................................................................................... 77
 XVI Planificación ex - ante del uso de la tierra con programación multiobjetivo, en un
agroecosistema de cultivos y ganadería bovina en el Valle del Cauca, Colombia

Lista de tablas
Pág.
Tabla 2-1. Posibles soluciones de acuerdo a los objetivos .............................................. 42
Tabla 3-1. Condiciones agroecológicas de la Hacienda Brasilia ..................................... 50
Tabla 3-2. Análisis de suelos de la Finca Brasilia............................................................ 51
Tabla 3-3. Actividades productivas de la finca Brasilia .................................................... 52
Tabla 3-4. Margen bruto por tipo de actividad [$/ha-año]. ............................................... 57
Tabla 3-5 Horas hombre por año requeridas para procesar una hectárea según tipo de
cultivo [$/ha-año]............................................................................................................. 58
Tabla 3-6 Otros datos relacionados. ............................................................................... 58
Tabla 3-7 Capital de trabajo requerido para trabajar una hectárea de cada tipo de cultivo
[$/ha-año]........................................................................................................................ 58
Tabla 3-8. Método de pagos para la selección del rango de valores 𝜖. ........................... 67
Tabla 4-1 Solución del problema de optimización para las funciones objetivo
independientes................................................................................................................ 70
Tabla 4-2 Tabla de pagos del problema multiobjetivo. .................................................... 71
Tabla 4-3. Distribución histórica del terreno .................................................................... 75
Tabla 4-4. Una muestra de soluciones eficientes considerando simultáneamente las tres
funciones objetivo. Las variables se enumeran de acuerdo al orden preestablecido de los
cultivos. ........................................................................................................................... 78
Tabla 4-5. Muestra de soluciones eficientes obtenidas al incrementar un 30 % las horas de
mano de obra disponibles al año. ................................................................................... 79
Tabla 4-6. Muestra de soluciones eficientes obtenidas al reducir el capital disponible en un
30 %, es decir, un escenario de escasez de recursos económicos. ................................ 80
Tabla 4-7. Muestra de soluciones eficientes obtenidas al reducir el terreno disponible en
un 50 %, es decir, un escenario de escasez del recurso tierra. ....................................... 81
Contenido XVII
Contenido XVIII

Lista de Símbolos y abreviaturas

Abreviaturas
Abreviatura Término
ha Hectáreas
PLM Programación lineal multiobjetivo
PL Programación Lineal
SAP Sistemas agropecuarios de producción
Introducción
Los Sistemas Agropecuarios de Producción (SAP), resultan de la compleja interacción de
gran número de componentes interdependientes en los agroecosistemas mixtos, donde el
componente social está presente (Balbino, Porfírio-da-Silva, Kichel, Rosinha, & Costa,
2011; Kichel, Costa, Almeida, & Paulino, 2014).
En Colombia, al igual que sucede en otras regiones de Centroamérica y Latinoamérica los
SAP, se han establecido y funcionan, con deficientes métodos de planificación para el uso
de los recursos (URPA, 2013). Aunque este panorama ha ido cambiando favorablemente,
la falencia en la adecuada planeación persiste, es así como las decisiones relacionadas
con el empleo de las áreas de las tierras y de los tipos de actividades agropecuarias
(cultivos y/o ganadería), no obedecen a estudios científicos y técnicos previos, por el
contrario se toman como referencias, experiencias ajenas o propias, basadas en sus
conocimientos y vivencias, donde la mayoría de las decisiones se toman porque se ha
llegado a ellas por el método de “prueba y error”, a través del tiempo (CDIM-ESAP, 2017).

Para el gobierno nacional, a pesar de que el renglón agropecuario actualmente crece con
mayor rapidez si se le compara con otros sectores productivos, presenta una grave falencia
en la planificación. Se han creado planes decenales en salud y en educación, pero no se
ha hecho ninguno para planificar el agro a largo plazo, por lo tanto es una necesidad que
el sector agropecuario se convierta en uno de los motores de la economía (Fonseca, 2018).

No solo las potencialidades y las restricciones agroecológicas de los sistemas de

producción y de las regiones donde se ubican, son importantes sino también los aspectos
socio-económicos. Pasar desapercibido este aspecto, seria excluir del análisis las
situaciones políticas, sociales, culturales, ambientales y económicas que enfrentan los
sistemas agropecuarios, es decir la sustentabilidad del sistema productivo (Anghinoni
et al., 2012).
 20 Planificación ex - ante del uso de la tierra con programación multiobjetivo, en un
agroecosistema de cultivos y ganadería bovina en el Valle del Cauca, Colombia

Por esta razón, la planificación de fincas realizada a corto o mediano plazo debe ser muy
detallada, para obtener una mayor rentabilidad; debido a que los objetivos deben ser
coherentes con los del territorio al que pertenecen, con la participación de los interesados
o productores, con un enfoque de mejoramiento de las tecnologías, para adaptarse a las
circunstancias cambiantes de la naturaleza biológica, de lo económico, social, uso del
suelo, vocación agropecuaria, ambiental e institucional del entorno que lo rodea, buscando
la sostenibilidad de los agroecosistemas (Corporacion PBA & ECOPETROL, 2012).

El productor agropecuario, como cualquier empresario de otro sector productivo, establece

uno o varios objetivos, los cuales desea alcanzar mediante la realización de diversas
actividades productivas (cultivos, ganadería, etc.) y la disposición de unos recursos
limitados y de otras restricciones propias de su empresa (Seibane & Riachi, 2014).

Para la realización de una planificación es ideal que se incluyan aquellos factores que el
productor desea contemplar. Una alternativa posible para lograr lo anterior, es recurrir a
métodos como el de la Programación Lineal Multiobjetivo (PLMO), para conseguir ordenar
las soluciones factibles al problema que se plantea, maximizando y/o minimizando las
funciones objetivo y planteando las restricciones que las condicionan (Alvarado, 2011).

Aunado a lo anterior, está el desconocimiento de metodologías de planeación ex - ante,

que son posibles de realizar mediante el uso de programas computacionales (software),
de modelación y simulación, para la toma de decisiones con mayor rapidez, eficiencia y
oportunidad para obtener las metas propuestas para el desarrollo de los SAP. En la
planeación ex - ante, se contemplan las diferentes alternativas productivas, mediante un
análisis financiero, económico, ambiental y social, se selecciona la que se convierte en el
proyecto productivo (DNP, 2013).

Las restricciones del problema, se refieren a las limitaciones de recursos, que para el
sector agropecuario serian de capital, tierra, mano de obra, agua, mercadeo entre otras.
Al reemplazar las variables que satisfacen las restricciones, se obtiene el conjunto de
soluciones factibles o alcanzables, transformándose en lo posible. Los recursos que
formarán parte de las restricciones deben estar definidos y expresados en términos
cuantitativos (Muñoz Alcaraz, 2016).
 Planificación ex - ante del uso de la tierra con programación multiobjetivo, en un 21
agroecosistema de cultivos y ganadería bovina en el Valle del Cauca, Colombia

Para todo productor agropecuario, como sujeto decisor, el problema consiste en un

“conjunto variado” de objetivos, con afinidad y/o incompatibilidad entre ellos, de los que no
desea relevar ninguno de estos. Ante cualquier decisión, debe considerar sus resultados,
que se expresan en una serie de funciones objetivo (Azuara, 2017).

Teniendo en cuenta lo expuesto, se puede afirmar que con los modelos para la
planificación ex-ante de las actividades empresariales como la agropecuaria, se lograrían
superar debilidades, ganando en precisión, si se analizan con la herramienta matemática
de PLMO, maximizando o minimizando las funciones que debe considerar el productor, al
momento de la toma de decisiones, para lograr alcanzar los objetivos y metas (Zunzunegui,
2017).

Con la anterior metodología, se pueden abordar por parte del sujeto decisor,
simultáneamente varios objetivos, para las decisiones acerca de la planificación de los
sistemas productivos de manera integral u holística, antes de seleccionar y desarrollar en
la realidad las actividades productivas, permitiendo de esta forma predecir los efectos de
éstos sobre la sostenibilidad de los agro ecosistemas, maximizar las utilidades o beneficio
económico, minimizar el uso de recursos como la mano de obra, del agua para riego, del
endeudamiento predial, entre otros (Pacheco & Contreras, 2008).

De acuerdo a las justificaciones anteriormente expuestas se propone plantear y resolver

un modelo de PLMO, con el fin de realizar la planeación ex – ante, para la asignación de
la distribución de las áreas de terreno para los agroecosistemas de cultivos y ganadería
bovina de producción de leche.
 22 Planificación ex - ante del uso de la tierra con programación multiobjetivo, en un
agroecosistema de cultivos y ganadería bovina en el Valle del Cauca, Colombia

1. OBJETIVOS

1.1 Objetivo general

Construir un modelo de PLM que permita realizar la planeación ex – ante, para la

asignación de la distribución de las áreas de terreno para los agroecosistemas de cultivos
y ganadería bovina para producción de leche en la Hacienda Brasilia.

1.2 Objetivos específicos

 Formular el modelo de Programación Lineal Multiobjetivo (PLMO), indicando las

funciones objetivo, metas y restricciones del mismo.

 Resolver el modelo de PLMO, mediante el uso de Software MATLAB.

 Planificación ex - ante del uso de la tierra con programación multiobjetivo, en un 23
agroecosistema de cultivos y ganadería bovina en el Valle del Cauca, Colombia

2. MARCO DE REFERENCIA

2.1 Importancia del sector agropecuario Colombiano

En Colombia el sector agropecuario presenta una gran relevancia desde el punto de vista
económico y social, en cuanto al empleo aporta más del 20% del total de nuestro territorio
y aproximadamente el 50% del empleo rural. En cuanto al suministro de alimento, el aporte
es esencial para la población urbana y rural, como fuente de materias primas para la
agroindustria. Además, parte de la producción es exportada generando divisas,
contribuyendo a mantener un superávit para este sector productivo al analizar su balanza
comercial (Leibovich & Estrada, 2009). Sin embargo, los bajos niveles de crecimiento de
las producciones agropecuarias se justifican por ser poco atractivo para la inversión. Es
conveniente tener claro cuáles son las causas para esta situación, relacionados en el
documento “cuellos de botella al crecimiento”, adaptados a este sector productivo
(Hausmann, Rodrik, & Velasco, 2005).

Entre los “cuellos de botella” del sector agropecuario colombiano, tenemos: envejecimiento
de los habitantes del campo, migración de los jóvenes a centros urbanos, incumplimiento
de la legislación laboral lo cual repercute en salarios por debajo de lo legal, concentración
de la propiedad de la tierra, haciendo que 2/3 partes los productores no la posean, altos
costos de producción y bajos precios en el mercado, falta de financiación oportuna y justa,
falta el servicio de seguros a producción, falta de planificación de producción y
comercialización, falta tener una visión rural más actual acorde a los cambios
internacionales (Lopez, 2014). A pesar de lo anterior, las expectativas de crecimiento para
este sector en Colombia son positivas, y se soportan en: el ascenso en el requerimiento
universal de alimentos que se interrelacionan con las características geo climáticas que
garantizan el incremento permanente de los comodites agropecuarios; la transformación
actual de este gremio, con un crecimiento mayor que otros sectores económicos y el
aumento del aporte del presupuesto del gobierno central a este (FINAGRO, 2014).

En el ámbito mundial, Colombia presenta un potencial de expansión de su área agrícola

sin afectar las reservas de bosque natural, según la FAO (2017), existen en el mundo 2.600
millones de hectáreas para explotar con nuevos cultivos y que no están siendo explotadas
 24 Planificación ex - ante del uso de la tierra con programación multiobjetivo, en un
agroecosistema de cultivos y ganadería bovina en el Valle del Cauca, Colombia

de las cuales el 25% se encuentran en 7 países en desarrollo, entre los cuales se cuenta
Colombia (DNP, 2010). De igual forma según la FAO este país se encuentra en el puesto
22 de los 223, de los cuales se evaluó la posibilidad de ampliar la frontera agrícola sin
afectar sus reservas de bosque nativo (SAC y PROEXPORT, 2012) el Ministerio de
Agricultura y Desarrollo Sostenible (MADR), estimo el área de expansión en 16,6 millones
de hectáreas con vocación agrícola y silvo-agricola (DNP, 2011).

“Para el año 2014, Colombia contaba con 5,3 millones de hectáreas cultivadas, con un
potencial estimado de 21,8 millones de hectáreas con vocación de uso agrícola. De este
potencial total, 1,2 millones de ha se encuentran en la Altillanura y de éstas, solo 80.167
Ha (menos del 3%) se encontraban cultivadas. El total de hectáreas con potencial de
aprovechamiento agrícola, pecuario y forestal de la Altillanura se estima en 2,8 millones de
ha, según cálculos de DNP- DDRS, basados en información del IGAC, IDEAM,
INGEOMINAS, MADS, I A v H y CORPOICA” (CONPES, 2014).

Según la visión del DNP, y el aporte de la disponibilidad de paquetes tecnológicos de

CORPOICA, apropiados para la Orinoquia Colombiana, se prevé que a 2024, podrá
llegarse a 780 mil ha dedicadas a la producción agropecuaria, generando 313 mil empleos,
con una producción de más de 1.322.000 toneladas. Los proyectos serian cultivos de arroz,
caña, caucho, maíz, palma de aceite, soya, plantaciones forestales comerciales y
ganadería (CONPES, 2014).

Colombia posee una climatología y una oferta importante de recursos hídricos y de

biodiversidad, además por su ubicación geográfica, por lo que podría obtener producciones
durante todo el año, con altos volúmenes de biomasa en menor tiempo. Los factores
anteriores ubican al país en situación privilegiada para las producciones agropecuarias,
aunadas a unas políticas de planificación adecuadas (FINAGRO, 2014).
Según la ANDI (asociación nacional de industriales), los cultivos promisorios para
Colombia por su demanda y el precio potenciales son: piña, aguacate, papaya, fresa,
tomate, zanahoria, sandía, cacao, mango y palma, con mayor énfasis en los tres últimos
(El Pais, 2017). Para “Maria Milena Banguero, Secretaria de agricultura del Valle, además
de los anteriores cultivos, después del banano, la uva y los cítricos, la principal especie
promisorios es la piña, con 2000 ha, esta apuesta por las frutas se mantiene y se está
 Planificación ex - ante del uso de la tierra con programación multiobjetivo, en un 25
agroecosistema de cultivos y ganadería bovina en el Valle del Cauca, Colombia

haciendo según el potencial de los municipios; la uva tiene uno de los mercados más
dinámicos y debería estar dentro de las prioridades del Valle del Cauca” (El Pais, 2017).

2.2 Generalidades de los agroecosistemas en estudio

2.2.1 Definición agroecosistema

Los agroecosistemas o sistemas agropecuarios a diferencia de los ecosistemas naturales,
son una interrelación entre situaciones sociales y económicas al interior y al exterior de
estos, interactuando con procesos biológicos y ambientales; que pueden ubicarse a nivel
del cultivo o forraje, que pueden incluir aspectos climáticos. La administración que se
ejerce sobre este, representa la relación entre lo interno y lo externo a través del tiempo.
Cuando el manejo contempla la tala y quema, en este caso la intervención externa tiende
a reducirse en el periodo de rastrojo, para el caso de considerarse el descanso del terreno
(Praguer, Restrepo, Angel, Malagon, & Zamorano, 2002).

2.2.2 Caña de azúcar (Saccharum officinarum)

Colombia está incluida entre los 15 países mayores productores de caña de azúcar, estos
agroecosistemas se localizan en el valle geográfico del rio Cauca, entre el norte del
departamento del Cauca, franja central Valle Cauca y sur de Risaralda, con un área de
225.650 hectáreas sembradas, de estas 25% son tierras propias de los ingenios y el resto
a los 2.750 cultivadores, que abastecen de caña a los 15 ingenios presentes en esta zona
(Cabaña, Carmelita, Manuelita, María Luisa, Mayagüez, Pichichí, Risaralda, San Carlos,
Tumaco, Ríopaila-Castilla, Incauca y Providencia). A partir del 2005 de estas empresas, 5
producen además alcohol carburante (Incauca, Manuelita, Providencia, Mayagüez y
Risaralda). Teniendo unas condiciones agroclimáticas privilegiadas y con el resultado de
las permanentes investigaciones de la caña (Cenicaña) cuyo financiamiento se logra con
el aporte de cultivadores e ingenios, esto ha llevado a ser líder mundial con una producción
de 14 toneladas de azúcar por hectáreas por año (ASOCAÑA, 2017).

Para el año 2017, se produjeron 2.233.831 toneladas de azúcar, esto como producto de
las 24.380.593 toneladas de caña molida, de esta producción se exportaron 702.764
toneladas de azúcar con destino a Chile, Islas del Caribe, Perú, Estados Unidos, Haití,
 26 Planificación ex - ante del uso de la tierra con programación multiobjetivo, en un
agroecosistema de cultivos y ganadería bovina en el Valle del Cauca, Colombia

México y Bolivia el 66% del total. El resto del azúcar se exportó hacia múltiples destinos
alrededor del mundo. Además, se obtuvo una producción de alcohol carburante de 336.753
litros y de melaza de 2017.947 ton, de esta última se exportaron 28.848 ton (ASOCAÑA,
2017).

En cuanto a la generación de empleos en año 2017 estuvo en 265.000, considerando el

sector primario y secundario; según un estudio de Fedesarrollo, por cada uno de estos se
generan 28.4 en otros sectores productivos, contribuyendo a mejorar la calidad de vida de
la población. Además, este sector apoya las comunidades con programas educativos en
básica y media, programas de formación técnica y tecnológica en alianza con el SENA y
de la Universidad Autónoma (ASOCAÑA, 2017).

Sus acciones en este aspecto se dirigen a la conservación del recurso hídrico liderando la
creación del Fondo del Agua por la Vida y la Sostenibilidad, sus actividades se extienden
a 17 cuencas hidrográficas presentes en 26 municipios del Valle del Cauca, restaurando
las cuencas más afectadas ambientalmente y fortalecimiento de las comunidades
asentadas en estos territorios en la parte alta, mediante proyectos productivos (ASOCAÑA,
2017).

2.2.3 Uva Isabella (Vitis labrusca)

La uva Isabella que se produce en el Valle del cauca se localiza en los municipios de
Ginebra, Guacarí y Cerrito, la producción se destina para consumo en fresco, mermeladas,
jugos y vinos artesanales (ICA, 2012).
En Colombia anualmente se producen 30.000 toneladas de uva Isabela, de esta el 85% es
aportada por el Valle del Cauca, con 86.9% (620 ha) del área sembrada respecto a la del
país, las producciones por hectárea por año son en promedio 25 a 30 toneladas (Guzman,
2016).
El brandy es otro producto que se fabrica de la uva y con potencial exportador según Daniel
Picciotto de la empresa Casa Domecq localizada en la ciudad de Cali, quienes han
sembrado un piloto de 5 hectáreas en el corregimiento de Santa Elena en el municipio de
Cerrito Valle, buscando demostrar a los productores de la zona la necesidad de tecnificar
para ello un ingeniero agrónomo procedente de Chile, será el encargado de la instalación
del cultivo y la planificación de la producción, buscando suplir la demanda que es de 1500
 Planificación ex - ante del uso de la tierra con programación multiobjetivo, en un 27
agroecosistema de cultivos y ganadería bovina en el Valle del Cauca, Colombia

toneladas por año (El Tiempo, 2016). El potencial de cultivo de la uva para el Valle esta
cimentado en las características edafoclimaticas, apoyada por el ministerio de agricultura
y el ICA que autorizaron la importación de 100.000 plántulas de uva sin semilla y de la
tecnología que permitirán el buen desempeño de esta especie, las cuales ocuparán unas
75 hectáreas sumando así 1.400 a nivel nacional, la mayoría asentadas en el Valle del
Cauca; con demanda potencial a nivel nacional e internacional, con estos cultivos se
incrementará la demanda de mano de obra y el desarrollo de otras industrias como el
hotelería en torno a estas plantaciones (Prado, 2016).

2.2.4 Cultivo del maracuyá (Passiflora edulis)

El Maracuyá es un frutal originario de Brasil, que se adapta desde los 300 metros sobre el
nivel del mar hasta los 1.300, con un rango de temperatura entre 20 – 30 grados
centígrados, es una planta que crece en forma de enredadera, se siembra por semilla en
vivero y se trasplanta cuando tiene el primer zarcillo y una altura de 40 centímetros, la
distancia es de 4 metros entre plantas y 4 entre surcos, para una densidad de 625 plantas
por hectárea, en espaldera de alambre (ICA, 2011).

En Colombia existían 6.120 has en 2017 siendo el mayor productor el departamento de

Huila con 1.419 hectáreas, para una producción 21.285 toneladas y un promedio por
hectárea de 15 toneladas. Seguido por meta con 873 hectáreas, con producción de 21.301
toneladas, y en tercer lugar Valle del Cauca con 735 hectáreas con una producción de
13.891 toneladas. A nivel mundial Colombia ocupa el tercer lugar con el 12% de la
producción, después de Brasil 70% y Ecuador con 13% (Gobernación de Antioquia, 2014).

2.2.5 Ganadería de leche

“El sector lácteo participa en el PIB Nacional con alrededor del 0,83%, así mismo con un
9,1% del PIB del sector agropecuario, y con un 24,3% del PIB pecuario, representando
cerca de 395.000 productores en el territorio nacional y la producción manufacturera de
lácteos participa un 3,5% en el PIB Industrial” (MADR, 2017).
 28 Planificación ex - ante del uso de la tierra con programación multiobjetivo, en un
agroecosistema de cultivos y ganadería bovina en el Valle del Cauca, Colombia

En cuanto al inventario ganadero lechero según encuesta agropecuaria del Dane 2014, el
total de cabezas 20.944.801 (60.9% hembras y 39.1% machos), al realizar el análisis por
sexos y categorías se encontró que para los machos menores de 12 meses es de 9.5%,
en la categoría de 12 a 23 meses el porcentaje es de 13.7% y de 24 – 36 meses 11.5%;
en cuanto a las hembras el mayor número de cabezas se encuentra en la categoría
mayores de 36 meses con 21.8%, para la edad de 24 a 36 meses es 12.4%, en la edad de
18 a 23 meses 9.1% y en la categoría menores de 12 meses 10.1%. En cuanto al tamaño
del hato el 81% corresponden a menores de 50 cabezas. (DANE – ENA 2014).

Para el año 2014, la producción total de leche fue 17.554.680 litros, con un total de
2.801.063 vacas en ordeño, para un promedio de 6,27 litros vaca por día, procedentes de
22 departamentos, de estos se destacan el departamento de Cundinamarca con promedio
de producción por vaca por día con 15.66 litros, seguido de Antioquia con 11.35 litros,
Nariño 8.65 litros y Boyacá 6.48 litros; respecto al inventario total de cabezas ganado del
país el 6% corresponde a la lechería (DANE & ENA, 2014).
En cuanto el uso del suelo para la producción bovina corresponde al 80% (30.362.366 ha)
del total de producción agropecuaria, 20.336.865 ha en pastos y forrajes, malezas y
rastrojos 7.048.951 ha, 2.974.091 ha en sabanas, paramos y xerofítica (DANE & ENA,
2014).
En cuanto a la generación de empleo directo el sector lácteo contribuye con 717.434, de
los cuales la ganadería doble propósito aporta el 68% y la lechería especializada el 32%
(DANE & ENA, 2014).

Mediante el proyecto de ganadería sostenible se busca una empresa rentable y amigable

con el medio ambiente, se incorporan diversos arboles aportantes al sistema ganadero
(sistemas silvopastoriles), los cuales ayudan a mitigar los efectos del cambio climático, al
reducir la temperatura, conservación de bosques naturales, mejorar la diversidad biológica,
conservación del suelo, evitando la erosión e incrementando la macrofauna, permiten que
el animal pueda tener el confort para el consumo de forraje en horas de mayor temperatura,
utilizando hasta 50% de su tiempo para el consumo. Los participantes en el proyecto
pueden tener acceso al pago por servicios ambientales (PSA) (FEDEGAN, 2018).
 Planificación ex - ante del uso de la tierra con programación multiobjetivo, en un 29
agroecosistema de cultivos y ganadería bovina en el Valle del Cauca, Colombia

2.3 Evaluación ex - ante en el sector agropecuario

La planeación ex - ante “Es la determinación o estimación de necesidades de evaluación
aplicada en la “fase ex - ante” del ciclo de evaluación, que incluye estudios de factibilidad,
identificación de los objetivos del proyecto y todas aquellas funciones realizadas antes de
comenzarlo (MMA & A, 2014).
En la valoración preliminar de un proyecto se pretende cuantificar, de la forma más
relevante y equitativa probable, la efectividad, eficiencia, efecto, conveniencia y factibilidad
de la permanencia potencial de las prácticas y resultados esperados de un proyecto, según
los objetivos propuestos, logrando preveer el éxito o fracaso de las futuras producciones,
suministrando la información pertinente al agente decisor de la inversión (MMA & A, 2014).

La toma de decisiones es una situación que el hombre siempre ha tenido que enfrentar
desde los albores de la humanidad, esta práctica es tan antigua como el ser humano, con
la particularidad que las decisiones a resolver en los diferentes ámbitos de la vida, son
cada vez más complejas y plurales. Este concepto ha recibido innumerables contribuciones
durante su evolución a través de la historia, lo que ha hecho que la teoría de la decisión se
haya consolidado como una disciplina científica (Fernández & Escribano, 2014).

En la toma de decisiones se selecciona la mejor opción, entre muchas alternativas de

análisis, tanto en el sector empresarial, como en la vida cotidiana, con las cuales se busca
resolver situaciones en conflicto, que pueden ser positivas y que también implican riesgos
(FUNDESYRAM, 2011).

El diseño de alternativas tecnológicas para el desarrollo de los objetivos, que se fija el

productor agropecuario buscando anticipar los resultados de estas, se denomina
evaluación ex - ante, con la que se propone lograr los objetivos de producción,
contribuyendo con la sostenibilidad, equidad y competitividad de los agroecosistemas.
Teniendo en cuenta la complejidad de este tipo de evaluación, se requiere la construcción
de modelos de simulación para el estudio del sistema productivo, desde el punto de vista
físico, biológico, económico, social y energético (Pérez, 2008).

La evaluación ex - ante puede emplear modelos de simulación para predecir el efecto de

determinadas prácticas agrícolas como, por ejemplo, la disminución de la erosión y el
impacto sobre la producción de los cultivos, los efectos de la sedimentación de los
 30 Planificación ex - ante del uso de la tierra con programación multiobjetivo, en un
agroecosistema de cultivos y ganadería bovina en el Valle del Cauca, Colombia

embalses, aumento de riesgos de inundaciones, disminución del agua disponible para

riego etc. (Barros, 2016)

2.4 Factores de riesgo agropecuario

El riesgo es la incertidumbre, a factores que pueden conducir a un daño o a una pérdida;

son las condiciones de vulnerabilidad y amenaza de diferente índole, cuando una actividad
puede traer consecuencias negativas, se dice que esa actividad posee un riesgo asociado,
que debe ser previstas mediante la aplicación de tecnologías que reduzcan el impacto de
estas (Murillo, 2017).

El concepto de riesgo en el agro, se asocia generalmente con el riesgo climático, más

precisamente con la posibilidad de pérdidas físicas derivadas de estos fenómenos
adversos que generan mermas en los parámetros producidos ya sea por sequías
generadas por las temperaturas extremas, excesos de lluvias, inundaciones, vientos
fuertes, tormentas tropicales, heladas, granizo, también se asocia el riesgo con eventos
biológicos, tales como plagas, enfermedades y otras afectaciones, que se disparan
por efectos de los cambios climáticos (FAO, 2014).

La empresa agropecuaria se distingue por la incertidumbre en la producción o riesgo

productivo. Contrario a lo que sucede en otros sectores productivos, el empresario
agropecuario, no logra anticipar acertadamente cuáles serán sus resultados productivos,
debido a condiciones climáticas, plagas, enfermedades, factores biológicos, etc. Aunque
existe una relación directa entre el manejo y los recursos empleados para lograr los
mejores rendimientos, los factores antes mencionados hacen que la productividad sea muy
variable e incierta a través de los años (Estupiñan, 2017).

Otro factor de riesgo que el productor agropecuario debe afrontar al momento de la

comercialización, son los precios variables del mercado, que determinan los resultados
económicos de su sistema productivo (Banco Agrario de Colombia, 2015).
 Planificación ex - ante del uso de la tierra con programación multiobjetivo, en un 31
agroecosistema de cultivos y ganadería bovina en el Valle del Cauca, Colombia

Según la CEPAL (2013), “Además de las amenazas climáticas, los productores

agropecuarios están expuestos a otras de diversa índole, como las de origen
antropogénico (incendios, contaminación e inundaciones provocados por el ser humano),
económicos (volatilidad y variabilidad de los precios) y financieros (fluctuaciones
cambiarias y de las tasas de interés)”. De igual manera, puede verse afectado por
variables macroeconómicas externas, como precios internacionales de los productos que
requiere para la administración de la producción, los cambios en las tasas de interés y los
efectos cambiarios. Otros riegos a tener en cuenta son la inadecuada aplicación de la
tecnología, riesgos legales y de recursos humanos (Núñez & Aspitia, 2013).

2.5 Programación lineal clásica

Se considera a George Bernard Dantzig, físico, matemático y profesor universitario
norteamericano, hijo del también matemático ruso Tobías Dantzig, como el padre de la
programación lineal; aun siendo estudiante logró avances significativos en este tema,
trabajando para la fuerza aérea de Estados Unidos. En el año 1947 presenta su primer
trabajo de programación lineal y propone el método simplex para resolverlo, dedicado a la
planificación y programación militar (Alvarado, 2011). Desde entonces se ha empleado
esta metodología en los diferentes sectores productivos.

La programación lineal es una rama de las matemáticas aplicada a los problemas de la

vida cotidiana, utilizada para la toma de decisiones, con la que se busca obtener
respuestas para maximizar o minimizar el uso de recursos reducidos para ser invertidos
de manera eficiente en las actividades empresariales y obtener los mejores resultados
(Jimenez, 2010). Para ello debemos disponer de varias alternativas de solución, una
función objetivo, una serie de restricciones y una matriz de coeficientes técnicos. Recibe
el nombre de programación lineal clásica porque en sus inicios solo contemplaba una
función objetivo (Ruz, 2018).

Para resolver un problema de programación lineal existen varios métodos tales como: el
gráfico, algebraico y el simplex con este se pueden resolver problemas con más de tres
ecuaciones simultaneas (Soler, 2013).
 32 Planificación ex - ante del uso de la tierra con programación multiobjetivo, en un
agroecosistema de cultivos y ganadería bovina en el Valle del Cauca, Colombia

Este último método es un proceso matemático (algoritmo) que utiliza la suma, resta,
división y multiplicación en un singular método continuo para resolver problemas, hoy se
utilizan las computadoras, también para realizar los análisis post-óptimos o de sensibilidad
del modelo analizado (Mateo & Lahoz, 2009).

Según Hurtado (1999) la expresión matemática para el método simplex:

Max Z = c' x
Sujeto a:
Ax = b
x≥0
Donde:
Z = Función objetivo
A = Matriz de coeficientes técnicos
b = Restricciones
c = Coeficientes de la función objetivo
x = Variables o alternativas de solución (no negativo)

2.5.1 Premisas de la programación lineal

 Aditividad: Por ejemplo, para obtener una producción de un cultivo se requieren

una cantidad de agroquímicos, horas hombre, litros de agua, área de terreno, si se
proyecta duplicar la producción, se requiere utilizar 2 veces los insumos, la mano
de obra, volumen de riego y la tierra (Alvarado Boirivant, 2009).

 Proporcionalidad: Supuesto que indica que el cambio del valor de uno de los
símbolos o variables (recursos para producción) de la función objetivo, es
proporcional al valor de la actividad, ambas deben ser lineales. Lo anterior nos lleva
a pensar que los rendimientos son constantes (tanto los crecientes como los
decrecientes), pero en el sector agropecuario esto no es real por tratarse de
procesos biológicos. Por ejemplo: la aplicación de nitrógeno para un cultivo, el
Planificación ex - ante del uso de la tierra con programación multiobjetivo, en un 33
agroecosistema de cultivos y ganadería bovina en el Valle del Cauca, Colombia

primer kilogramo puede aumentar la producción en 600 gramos, el segundo 450

gramos, el tercero 350 gramos de producto, siendo un rendimiento decreciente y
no se presenta proporcionalidad entre el producto y la cantidad de fertilizante
utilizado (Getán & Boj, 2014).

 No negatividad: “El resultado de cada una de las variables de decisión en la

solución óptima de ser positivo. Cuando se presentan variables negativas, éstas se
deben expresar como la adición de variables positivas” (Jimenez, 2010).

 Divisibilidad: En programación lineal se considera que tanto los medios de

producción como los insumos utilizados en la producción agropecuaria son
divisibles, pero esto no es totalmente cierto, por ejemplo, un tractor, un equipo de
ordeño, un lago, no son divisibles (Getán & Boj, 2014). Es decir, el resultado no
necesariamente son números enteros, pudiendo tomar cualquier valor sea entero
o fraccionario (Coronel & Araujo, 2004).

 Determinismo: La programación lineal parte de que tanto las materias primas

como los productos, están determinados o son invariables. Asumiendo que precios
y rendimientos de las producciones agrícolas en estudio no cambian en el tiempo.
En la realidad no se tiene esa seguridad, por lo tanto, se requiere, predecir con
alguna precisión la información empleados (Escobar & Rivas, 2013).

 Certeza de datos: Se presume la veracidad de la información empleada. “Las

actividades incluidas en el modelo son todas las posibles y los datos utilizados son
lo que se darán en la realidad” (Coronel & Araujo, 2004).

2.5.2 Características básicas de los problemas de programación

lineal
 34 Planificación ex - ante del uso de la tierra con programación multiobjetivo, en un
agroecosistema de cultivos y ganadería bovina en el Valle del Cauca, Colombia

 Formulación del problema

Según Martinez (2012) en términos matemáticos se define por:

A) Las variables del problema: se denominan por el vector x = (x1,…, Xn),

ejemplo el área de cada tipo de cultivo y la producción por unidad de
superficie.

B) Función objetivo: minimizar las horas hombre, para una actividad

determinada.

C) Restricciones: disponibilidad de capital, disponibilidad de área de terreno.

2.5.3 Ventajas de la programación lineal

Según Baltazar, 2011 entre las innumerables ventajas tenemos:

 El gerente tiene disponible un buen número de alternativas de solución y de

análisis de consecuencias para selección de manera rápida.

 El administrador puede ser más objetivo en las decisiones, utilizando

eficazmente los factores y la distribución adecuada.

 Es posible realizar los ajustes a las restricciones según los requerimientos

de la empresa.

 Permite identificar los “cuellos de botella” en el estado base de la empresa.

 Planificación ex - ante del uso de la tierra con programación multiobjetivo, en un 35
agroecosistema de cultivos y ganadería bovina en el Valle del Cauca, Colombia

2.5.4 Desventajas de la programación lineal

Este método presenta algunas limitaciones:

 No da pautas de posibles precios, se deben suministrar.

 No calcula la correspondencia entre materias primas y el producto, debe partirse

de cifras conocidas.

 No resuelve escenarios de riesgo, se basa en el supuesto de la certeza de la

información (Baltazar, 2011).

2.6 La Programación Lineal Multiobjetivo (PLMO)

“La programación multiobjetivo es una parte de la programación matemática que se

encarga de problemas de decisión con múltiples funciones objetivo que deben ser
optimizadas sobre un conjunto factible de soluciones” (Toskano, 2005).

El desarrollo de la Programación Lineal Multiobjetivo (PLMO), se ha logrado mediante

diversas investigaciones en los últimos 50 años, los mayores avances se han presentado
en la década de los años 70 y 80 (Pliego Martínez, 2012).

Koopmans (1951) introdujo el concepto de Programación Lineal Multiobjetivo para la

resolución de los problemas con más de un objetivo. En este mismo año Kuhn y Tucker
aportaron el problema de maximización de vectores (Pliego Martínez, 2012).

Los referentes del uso de la programación lineal en los problemas agrícolas, indican que
los primeros intentos presentaron pocos resultados válidos e iniciaron en la década de los
años 50 (Coronel & Araujo, 2004). El primer intento en este campo, fue realizado por
 36 Planificación ex - ante del uso de la tierra con programación multiobjetivo, en un
agroecosistema de cultivos y ganadería bovina en el Valle del Cauca, Colombia

Jerome Cornfield en 1941, quien trataba de balancear raciones para los animales a costo
mínimo y llenando los requerimientos nutricionales de estos (Frank, 2001).

Posteriormente con las sucesivas mejoras a este método matemático, el desarrollo de los
sistemas de cómputo y de las rutinas prácticas del cálculo, esta herramienta se convirtió
un instrumento eficaz para planificar una empresa agropecuaria (Alvarado, 2011).

Esta herramienta proporciona métodos útiles y eficientes para la toma de decisiones sobre
problemas que incluyen diversidad de objetivos; los cuales hay que evaluar de manera
conjunta, ya que no es posible obtener la mejor u óptima alternativa, que dará respuesta a
todos los objetivos que el decisor se ha fijado, para la planeación ex – ante de la empresa
agropecuaria (Pliego, 2012).
Como una característica fundamental de las metodologías multicriterio se tiene la
pluralidad de elementos que se pueden combinar en el desarrollo de la evaluación de un
proyecto (Arancibia, Contreras, Mella, Torres, & Villablanca, 2005).

Los problemas que tienen más de un objetivo programado se les aplica la PLMO, para
resolverlos, se debe formular el modelo de tal manera que incluya las variables de decisión
que den respuesta a las restricciones que el sistema productivo genera y que el decisor,
debe lograr optimizar al encontrar los vectores o rango de funciones, que corresponda a
los objetivos del problema a resolver. Además del conjunto de soluciones eficientes, las
funciones objetivo constituyen un espacio multidimensional, llamado “espacio objetivo”,
donde se encuentra el conjunto de soluciones eficientes para resolver el problema
propuesto, de las cuales quien toma las decisiones debe elegir (Pliego, 2012).

Las técnicas de PLMO, o técnicas de optimización vectorial, deben resolver problemas que
optimicen simultáneamente varios objetivos lineales, por lo tanto, no es posible definir un
óptimo para varios objetivos en conflicto. La programación multiobjetivo, trata de encontrar
un conjunto de soluciones eficientes no dominadas llamadas óptimos de Pareto (Reyes &
Oslund, 2014).

De forma general, el modelo de programación multiobjetivo (PLMO) es el siguiente:

 Planificación ex - ante del uso de la tierra con programación multiobjetivo, en un 37
agroecosistema de cultivos y ganadería bovina en el Valle del Cauca, Colombia

Eff 𝑧(𝑥) = (𝑓1 (𝑥), 𝑓2 (𝑥), . . . , 𝑓𝑘 (𝑥)),

Sujeto a: 𝑥 ∈ 𝑆.

Donde Eff significa la búsqueda de soluciones eficientes en el conjunto a optimizar ; 𝑓𝑖 (𝑥)

es la i-ésima función objetivo, se tienen en total 𝑘 funciones objetivos; y 𝑆 es el conjunto
de soluciones factibles.

2.6.1 Generación del conjunto eficiente

Existen varios enfoques para generar el conjunto eficiente, estos son:

 Método de las ponderaciones: este método se caracteriza porque se combinan

todos los objetivos en una función única. Con este propósito, se asocia un peso o
coeficiente de ponderación a cada uno de los objetivos, procediéndose después a
agregar todos los objetivos, cumpliendo con las restricciones del problema, para
luego, variando paramétricamente los valores de los coeficientes de ponderación,
conseguir generar el conjunto eficiente. De acuerdo con esto, el problema para dos
objetivos, por ejemplo, vendrá dado por la siguiente ecuación (Jiménez, 2009).

Función objetivo general:

Eff 𝑓(𝑥) = (𝑓1 (𝑥), 𝑓2 (𝑥))

Función objetivo en particular

𝑓(𝑤1 , 𝑤2 ) = 𝑤1 𝑓1 (𝑥) + 𝑤2 𝑓2 (𝑥),

Sujeto a 𝑥 ∈ 𝑓.

Dónde:

𝑤1 y 𝑤2 = constituyen las ponderaciones que se le asignan a cada objetivo

𝑆 = es el conjunto de soluciones factibles.

 38 Planificación ex - ante del uso de la tierra con programación multiobjetivo, en un
agroecosistema de cultivos y ganadería bovina en el Valle del Cauca, Colombia

 Método de las restricciones: Consiste en elegir un objetivo (función objetivo), del

total de ellos y proceder a su optimización, e incluir los demás dentro del conjunto
como restricciones. Por medio de variaciones paramétricas de los términos
independientes de los objetivos incluidos como restricciones, se va generando el
conjunto eficiente; para resolver este tipo de problemas se puede utilizar el software
de programación lineal (Jiménez, 2009). Para el caso de 2 objetivos, se formula
así:

Función objetivo general

Eff 𝑓(𝑥) = (𝑓1 (𝑥), 𝑓2 (𝑥)),

Función objetivo del método en particular:

Optimizar 𝑓1 (𝑥),

Sujeto a 𝑓2 (𝑥) ≥ 𝐿,
𝑥 ∈ 𝑆.

Donde L: término independiente del objetivo incluido como restricciones. Los

valores extremos de L se obtienen generalmente maximizando y minimizando
𝑓2 (𝑥), sujeto a las restricciones del modelo (Maino, Pittet, & Kobrich, 1993).

 Método simplex multiobjetivo: “Consiste en la utilización de un algoritmo para

optimizar el valor de la función objetivo, teniendo en cuenta las restricciones
planteadas, el procedimiento es iterativo, pues mejora los resultados de la función
objetivo en cada etapa hasta alcanzar la solución buscada” (Alvarado Boirivant,
2011).

2.6.2 Ventajas y desventajas de cada método para obtener el

conjunto de soluciones eficientes.
 Planificación ex - ante del uso de la tierra con programación multiobjetivo, en un 39
agroecosistema de cultivos y ganadería bovina en el Valle del Cauca, Colombia

Al comparar el método de restricciones con el de ponderaciones, se prefiere el primero,

por no tener la exigencia de la convexidad en el espacio de los objetivos, aunque para
ambos se generan un conjunto de soluciones no exactas, para el caso de restricciones no
existe una solución única, sino que se genera un conjunto del cual el agente decisor podrá
elegir (Soler, 2013).

Sin embargo, el método simplex multiobjetivo es más confiable porque entrega una exacta
representación del conjunto eficiente, el inconveniente es la disponibilidad del software
apropiado. “Por ello, la principal ventaja de la PLMO como método de planificación no es
tanto la conducción a un plan esquemático y sencillo, sino la consecución de un método
para analizar una variedad de decisiones alternativas” (Alvarado, 2011).

La PLMO, actualmente es un método matemático de uso común con el cual muchas

empresas y organizaciones en el mundo han ahorrado grandes cantidades de dinero;
siendo considerada como uno de los avances científicos más extraordinarios,
desarrollados a mediados del siglo XX” (Alvarado, 2011).

2.7 Conceptos de la PLMO con enfoque en el óptimo de

Pareto
Para comprender los diferentes enfoques de la PLMO, es necesario conocer los siguientes
conceptos que la representan:

 Alternativas: conjunto de soluciones posibles para el decisor elegir (Toskano,

2005).

 Atributo: Son los valores a medir que se expresan mediante funciones

matemáticas f(x) de las diferentes variables de decisión, ejemplo, margen bruto, el
riesgo, etc (Ramos, Sánchez, Ferrer, Barquín, & Linares, 2010).

 Objetivo: Define si el atributo (variables), se maximiza o minimiza, ejemplo

maximizar el margen bruto (Ramos et al., 2010).
 40 Planificación ex - ante del uso de la tierra con programación multiobjetivo, en un
agroecosistema de cultivos y ganadería bovina en el Valle del Cauca, Colombia

 Nivel de aspiración: es el nivel en el cual se considera aceptable el logro de un

atributo o variables (Eiselt & Sandblom, 2007).

 Meta: se refiere al valor al cual queremos llegar con un atributo o variable, estas
toman la forma de f(x) b, b representa esa cifra propuesta para alcanzar (Garcia,
2017).

 Restricciones: son las limitaciones que debe cumplir las soluciones probables del
problema y determinan el conjunto de soluciones viables, ejemplo área máxima a
cultivar de un terreno (Martin, 2017).

 Criterios: basado en los objetivos, según su jerarquía, sirve para seleccionar entre
las alternativas y toma de decisiones, pudiéndose contrastar la eficiencia (Martin,
2017).

 Óptimo de Pareto: Para Otero (2005) es el punto de equilibrio y máximo bienestar

de la sociedad, en el que ninguna integrante puede ganar sin que el otro pierda;
mientras que, para Reyes & Oslund (2014) es el punto de estabilidad en el que
ninguna de las partes involucradas pueda mejorar sin afectar la condición de
cualquier otra.

Para los problemas de optimización se debe tener en cuenta una medida de referencia que
nos indique las bondades de las soluciones encontradas. Para un problema mono-objetivo,
la solución es entregada por la función resuelta, lográndose un conjunto de soluciones
ordenado, del cual se puede elegir fácilmente la alternativa, por ejemplo, para dos
soluciones “a” y “b”, es claro definir si a es mejor que “b” o lo contrario, otra alternativa
seria que fueran iguales.

Lo anterior no sucede para un problema multiobjetivo, al tenerse n número de funciones,

de igual forma se obtienen n soluciones o vector n-dimensional, caso en el cual se utiliza
el óptimo de Pareto (Lopez, 2013).

En la figura 2-1 se observa que “la solución “a” pertenece al conjunto de soluciones
óptimas (o soluciones no dominadas) dado que no puede encontrarse una solución “b” tal
 Planificación ex - ante del uso de la tierra con programación multiobjetivo, en un 41
agroecosistema de cultivos y ganadería bovina en el Valle del Cauca, Colombia

que mejore uno de los objetivos sin empeorar al menos uno de los otros. En este caso, la
solución “c” es dominada por “a” y por “b” “(Aranda Pinilla & Orjuela Castro, 2015).

Figura 2-1. Frontera de Pareto de un problema de minimización

Tomado de Aranda Pinilla & Orjuela Castro (2015)

De acuerdo a un ejemplo de planificación agropecuaria tomado de Maino et al., (1993), el

centro decisor tiene tres objetivos:

1) Maximizar el margen bruto (MB), 2) maximizar el empleo de mano de obra (MO)

y 3) minimizar el endeudamiento (ED), existiendo las siguientes soluciones posibles
(Tabla 2-1):
42 Planificación ex - ante del uso de la tierra con programación multiobjetivo, en un
agroecosistema de cultivos y ganadería bovina en el Valle del Cauca, Colombia

Tabla 2-1. Posibles soluciones de acuerdo a los objetivos

Solución MB2/ MO2/ ED1/

A 300 150 90 Eficiente
B 200 150 90 No eficiente
C 200 170 100 Eficiente
1/: Unidades monetarias (u.m)

2/: Horas hombre

Según la definición de eficiencia, se puede apreciar que la solución B no es

eficiente, porque está dominada por la solución A. En efecto y aunque tanto para el
caso del empleo como para el del endeudamiento ambas soluciones coinciden, el
margen bruto dado por la solución A, es mayor que el dado por la solución B. Con
esto, la solución B nunca será elegida por un centro decisor racional. Por el
contrario, la solución C es eficiente pues no está dominada por la A, ya que a pesar
de que en términos de margen bruto y endeudamiento es peor, en términos del
empleo generado es mejor.

Intercambios (Trade-off): El concepto de soluciones eficientes o Pareto óptimas,

nos conduce a otro concepto muy importante en la teoría de la decisión
multiobjetivo: el valor de los intercambios entre dos objetivos. El intercambio entre
dos objetivos, mide lo que se sacrifica de un objetivo, frente a una mejora unitaria
de otro.

Así, si se tienen dos soluciones eficientes X1 y X2, el intercambio entre el j-esimo

y el k-esimo criterio viene dado por:

𝑓𝑗 (𝑥1 ) − 𝑓𝑗 (𝑥2 )
𝑇𝑗𝑘 =
𝑓𝑘 (𝑥1 ) − 𝑓𝑘 (𝑥2 )

Dónde: 𝑓𝑗 (𝑥1 ) y 𝑓𝑘 (𝑥2 ) representan las dos funciones objetivos consideradas.

Siguiendo con el ejemplo, el valor del intercambio entre margen bruto y
endeudamiento para las soluciones A y C es:
 Planificación ex - ante del uso de la tierra con programación multiobjetivo, en un 43
agroecosistema de cultivos y ganadería bovina en el Valle del Cauca, Colombia

300 − 200
𝑇𝐴𝐶 = = 10.
100 − 90

El intercambio indica que cada unidad que disminuye el endeudamiento implica una
disminución de 10 u.m. en el margen bruto. En otras palabras, el costo de
oportunidad de una unidad de endeudamiento es 10 u.m. de margen bruto.

2.8 Aplicación e importancia de la PLMO en el sector

agropecuario

Desde el nacimiento de la técnica de modelación matemática, ha estado vinculada al sector

agropecuario, la primera aplicación comercial por Waugh, balanceando raciones para
vacas lecheras, buscando llenar los requerimientos nutricionales a mínimo costo, la
solución se realizó de forma gráfica y luego matemática, con este trabajo recibió una
distinción de Best Journal Article en 1951. Swanson manifiesta en 1955 que con la
computadora Illiac de la Universidad de Illinois, se había resuelto en menos de 10 minutos
balanceo de racionas con 20 materias primas y 17 restricciones (Frank, George, & Dantzig,
2014).

En la planificación de la empresa agropecuaria en 1951, en el denominado “Simposio cero”

se presentó un artículo de tipo conceptual, no caso real ni cualitativo, en él se explicaba
sobre la aplicación de rotaciones de los cultivos. King (1953) presento casos reales de la
“activity analysis” (como se conoció en sus inicios la programación lineal), economía
agraria.

Para 1954 en la reunión anual de economistas agrarios de los Estados unidos, se presentó
un trabajo denominado la programación lineal para no matemáticos un ejemplo práctico
sobre un caso de una empresa agraria en Iowa, por el reconocido economista agrario Earl
O. Heady (1916-1987), con el cual recomendaba que al realizar estudios a gran escala se
debía recurrir a la Programación Lineal (Heady, 1954).
 44 Planificación ex - ante del uso de la tierra con programación multiobjetivo, en un
agroecosistema de cultivos y ganadería bovina en el Valle del Cauca, Colombia

La aplicación de la programación lineal (PL) en el sector agropecuario se extendió

rápidamente, el primer curso sobre este tema fue orientado por Dantzig en 1950, se
destaca que estos estudios son documentos científicos escritos por matemáticos, que aun
en estado de teoría fueron aplicados por los anteriores miembros del sector agrario. Es
inconcebible que quienes tienen a cargo la alta dirección del sector agropecuario en
nuestros países no recurran al uso de esta ciencia para las grandes planificaciones y se
queden solo a nivel de investigación (Frank, et al., 2014).
Para el año de 1960 se realizó una encuesta sobre el uso de la programación lineal en los
Estados Unidos en 47 estados de economía agraria de “land grant colleges” (universidades
agropecuarias), este estudio demostró que el 87% es usada en investigación, 30% en
extensión, 26% en cursos específicos sobre este tema, 66% en otros cursos, lo cual
demostró, que la programación lineal se usa principalmente en administración rural
(Eisgruber & Reisch, 1961).

Swanson (1961), manifestó que para esta época el uso de la programación lineal, era muy
poco en la planificación de las empresas agropecuarias y solo se aplicaba a unas pocas
de gran tamaño, lo contrario ocurrió en el uso en el balanceo de raciones para animales
que ya se había generalizado. Además de la planificación de fincas y el balanceo de
raciones, la programación lineal en el sector agrario ha tenido otras aplicaciones como la
selección del equipo de maquinaria, la evaluación de inversiones, la mezcla de fertilizantes
y de granos, la selección de una cartera de inversiones, la planificación del riego, el trozado
de canales bovinas, la asignación de operarios a puestos de trabajo, el momento óptimo
de corte de un cultivo forestal, etc.(Frank et al., 2014).

En Argentina el primer trabajo de aplicación de la programación lineal en este sector se

publicó por Kohout & Cainelli (1964), el cual se relacionaba con la planificación de una
empresa agropecuaria. Este mismo autor concluye que la aplicación de la programación
lineal no reemplaza el análisis técnico y el juicio del empresario, pero si es una ayuda en
la combinación optima de actividades y restricciones propias de estos sistemas de
producción y un aporte en el logro del buen desempeño para obtener los mejores
rendimientos económicos.
 Planificación ex - ante del uso de la tierra con programación multiobjetivo, en un 45
agroecosistema de cultivos y ganadería bovina en el Valle del Cauca, Colombia

Éstos autores publican en la revista Idia del INTA (instituto nacional de tecnología
agropecuaria de Argentina), un artículo sobre la aplicación de la programación lineal a la
empresa agraria de una manera detallada y la acompañaron de una amplia bibliografía,
esto debido a que consideraban que la falta de aplicación de esta ciencia a esta actividad
productiva, se debía a que la información de la que se disponía presentaba conceptos
puramente matemáticos, factor que limitaba su uso por parte de los técnicos y como
ejemplo práctico presentaron datos y resultados de una explotación maicera (Kohout &
Cainelli 1964).
Además de la falta de entrenamiento del técnico, se tenía la no disponibilidad de equipos
de cómputo, aun así, se desarrollaron algunos modelos de programación lineal hasta con
130 actividades agropecuarias y fue hasta la década de los 80 cuando se masifico el uso
de estos equipos razón por la que fue necesario recurrir a métodos manuales conocido
como “programme planning”, desarrollado en Europa (Rossi, 1971).

Para 1981, se incorpora un curso sobre programación lineal aplicada a las empresas
agrarias, para graduados en administración agropecuaria en la Universidad de Buenos
Aires, el cual se continuó impartiendo hasta que en 1991 se incorporó como catedra en las
carreras de administración agropecuaria, esto con la masificación del uso de los equipos
de cómputo (Frank et al., 2014).

Martínez (2009), aplico la programación lineal para realizar el análisis de un estudio en

raciones para caballos en diferentes estados fisiológicos (gestación, lactación, crecimiento
y ejercicio ligero), en estabulación, en el cual analizo los costos, requerimientos
nutricionales y la optimización de 24 raciones con heno de alfalfa, residuos de cosecha de
cereales o la combinación de estos al 50% y 14 materias primas para el suplemento de
grano, además se calculó el volumen de consumo, se encontraron 23 soluciones validas,
siendo la más económica con residuos de cosecha solo, variaciones de consumo de
materia seca, en una localidad española. Actualmente en Argentina el uso de la
programación lineal en el balanceo de raciones para animales es infaltable, pues no se
concibe esta labor sin la ayuda de estos programas que se han adaptado para el uso de
los técnicos, haciendo indispensable el uso de los programas de mínimo costo, según
entrevista realizada a diferentes nutricionistas (Frank et al., 2014).
 46 Planificación ex - ante del uso de la tierra con programación multiobjetivo, en un
agroecosistema de cultivos y ganadería bovina en el Valle del Cauca, Colombia

En cuanto a la planificación de la empresa desafortunadamente no se ha difundido de la

misma manera que en la nutrición, debido a que sería necesario desarrollar un modelo
para las condiciones de cada empresa y tener un profesional especializado en este tema.

2.8.1 Aplicaciones de la PL al sector agropecuario en Colombia

En Colombia se realizado algunas aplicaciones de la programación lineal en el sector
agropecuario y ambiental, a continuación, se relacionan los siguientes:

Gutiérrez & Buitrago (1974), utilizaron la programación lineal y el computador IBlvl 370/14
con el programa MPSj360, para realizar el cálculo de raciones para cerdos en diferentes
etapas de desarrollo fisiológico, con diferentes materias primas y subproductos de uso
común en Colombia, requerimientos nutricionales (restricciones) de las tablas del NRC y a
menor costo.

Un estudio realizado por investigadores de la universidad del Amazonas en Colombia, en

4 veredas del piedemonte de esta región, donde se determinó que el tamaño promedio de
fincas era de 15 has, teniendo en cuentas las características biofísicas, socioeconómicas
y la participación de los productores agropecuarios, las producciones representativas
fueron la ganadería doble propósito, con pasturas nativas principalmente, en lo referente
a la agricultura los cultivos predominantes eran maíz, plátano, yuca; mano de obra familiar,
bajo nivel tecnológico y por consiguiente bajas producciones, se propusieron alternativas
de producción incluyendo las existentes e incorporando el cultivo de arroz. La distribución
de la tierra fue 4 para ganadería intensiva, 1 para infraestructura y la restante agricultura
en diferentes combinaciones; mediante el uso de la programación lineal, el resultado de la
modelación fue 8,12 ha yuca, 5.8 ha de plata, no sembrar arroz y el resto en ganadería
doble propósito, estimándose una utilidad neta del 300%, sin validación del modelo,
comparada con la línea base (Muñoz, Ramón Nonato, & Albelo, 2005)

Guzmán (2010) realizo el estudio del modelo logístico de transporte en un trapiche

panelero en el municipio de florida Valle del cauca, el estudio incluyo desde el corte, alce
y transporte hasta el sitio de molienda, para el análisis utilizo un modelo de programación
 Planificación ex - ante del uso de la tierra con programación multiobjetivo, en un 47
agroecosistema de cultivos y ganadería bovina en el Valle del Cauca, Colombia

lineal, este arrojo múltiple resultados, los vagones más eficientes son aquellos con
capacidad mínima de 3 toneladas, lo que conduce a la minimización de costos,
optimización de los recursos y aumento de la capacidad de molienda, este modelo además
facilita el proceso de toma de decisiones relacionadas con el número de viajes.

Mosquera Navia (2011) realizo una investigación sobre un modelo de planificación de

cultivos de papa en 82 fincas de pequeños y medianos productores del municipio de Pasto
departamento de Nariño, cuyo objetivo fue diseñar una herramienta de decisión, buscando
optimizar los rendimientos, además se “identificó y caracterizo las variables de producción
biofísicas, socioeconómicas y tecnológicas, se realizó un análisis multivariado, se
construyó un modelo de programación lineal para el pronóstico de precios, este modelo
arroja información para determinar las siembras, ciclos de las mismas, rotación el tiempo
optimo según disponibilidad de terreno, para maximización de la utilidad según los
paquetes tecnológicos”.

En los llanos orientales de Colombia departamento del Meta, se realizó un estudio de la

cadena de suministro de biocombustible de la palma africana, la información analizada se
tomó desde el cultivo hasta el suministro del biocombustible al consumidor final, para el
análisis se utilizó la herramienta matemática de programación lineal clásica (Barón, 2013).
 48 Planificación ex - ante del uso de la tierra con programación multiobjetivo, en un
agroecosistema de cultivos y ganadería bovina en el Valle del Cauca, Colombia

3. Materiales y métodos

3.1 Descripción inicial del caso de estudio

3.1.1 Localización De La Hacienda Brasilia

El estudio de campo se realizó en la Hacienda Brasilia localizada en el municipio de El
Cerrito Valle del Cauca, corregimiento de Santa Elena, vereda Amaimito, en la vía que
conduce al Museo de la caña de azúcar o Hacienda Piedechinche (Google maps 2016).

La distancia a las cabeceras municipales más próximas: se ubica aproximadamente a de

37 km de la ciudad de Cali, 13km de Palmira, 56km de Buga, 30km de Guacarí.
Coordenadas Georreferenciadas: Latitud: 3º 37´ 4´´N; Longitud: 76º 15´13´´O (IGAC,
2016).

Por su geología, la hacienda se encuentra en el cuerpo del abanico aluvial, dentro del
paisaje piedemonte y las napas de desborde y de explayamiento de la llanura aluvial de
los ríos tributarios del Cauca (IGAC, 2016). Localizado en la zona plana, influenciada por
la llanura de inundación del rio Cauca y los conos del río Amaime (Figura 3-1).

3.1.2 Breve reseña histórica de la Hacienda Brasilia

La Hacienda Brasilia fue adquirida por la familia Castro en la década de 1960, de forma
fraccionada hasta completar 70 has. La distribución inicial de la tierra fue, 56 has (80%)
 Planificación ex - ante del uso de la tierra con programación multiobjetivo, en un 49
agroecosistema de cultivos y ganadería bovina en el Valle del Cauca, Colombia

para ganadería extensiva en producción de leche, y 14 has., (20 % del área total) para la
producción agrícola en cultivos semestrales (maíz).

Figura 3-1. Municipio de Cerrito y localización de la hacienda Brasilia (Tomado de:

Google maps, 2016).

En la década de los setenta y ochenta, se incrementó el área para la producción agrícola

en un 10 % (21 has); se adquirió maquinaria agrícola (tractor e implementos para
preparación del suelo), equipo para riego por aspersión (motor, tubería y aspersores),
iniciándose una agricultura con tecnología de punta, con cultivos semestrales, frijol Caraota
(Phaseolus vulgaris), Maíz (Zea mays), Soya (Glycine max), Sorgo de grano (Sorghum
vulgare). Se introducen bovinos tipo lechero, de las razas Holstein y Pardo Suizo,
adaptadas a la región, pero se continúa con una producción extensiva (7 litros/vaca/día).

En la década de 1990 por políticas gubernamentales (apertura económica), son

determinantes los cambios en la Hacienda Brasilia, pasando de una ganadería extensiva
que ocupaba el mayor porcentaje del terreno, a ocupar solo el 25% del área (17,5 has), y
se introdujo el cultivo de la caña de azúcar (Saccharum officinarum), en 52.5 has (75% de
la finca).
 50 Planificación ex - ante del uso de la tierra con programación multiobjetivo, en un
agroecosistema de cultivos y ganadería bovina en el Valle del Cauca, Colombia

Se realizó renovación de potreros cambiando la grama trenza (Paspalum notatum), por

pasto estrella (Cynodon plectostachium) y guinea (Panicum máximum), además se
introdujo el pasto elefante de corte (Pennisetum purpureum) en la mayor parte del área.
Incrementándose así la producción de leche a 8-9 litros vaca /día, conservando el mismo
inventario ganadero.
En la primera década del 2000, se introdujo el cultivo Uva Isabela (Vitis labrusca) en las
zonas con suelos altamente pedregosos, hasta llegar en la actualidad a cuatro hectáreas,
con tendencia a incrementarse. En el año de 2014 se construyeron de invernaderos para
el cultivo tomate de mesa (Solanum lycopersicum), bajo esta tecnología. En 2015 se
reduce el área pecuaria en 30 % y se reemplazó por el cultivo de Papaya (Carica papaya).
Para el año 2016 una vez terminó la cosecha de papaya, se destinó esta área al cultivo de
uva Isabella (Información suministrada por el propietario 2016).

3.1.3 Condiciones Agroecológicas

Tabla 3-1. Condiciones agroecológicas de la Hacienda Brasilia

PARAMETRO INDICADOR
Radiación solar 12 horas luz
Temperatura Promedia: 28-32°C (Mín.18°C-Máx. 32°C)
Precipitación Pluvial 500-600 mm /año
Altitud 994 m.s.n.m.
Relieve plano Pendiente del 2%
Vientos Moderados
Humedad relativa 70-75%
Zona de Vida según clasificación de Bosque muy seco tropical (bms-T).
Holdridge (1947)
2 Periodos de lluvia 6 Marzo a 15 Junio – 16 septiembre a 15 de
Diciembre
2 Periodos secos 16 de Junio – 15 Septiembre- 16 Diciembre a Marzo
15
Clima general Cálido durante el día 28 – 32 grados Cº, y frio en la
noche 18 – 20 ºC
Tomado de Alcaldia de Ginebra (2017)
 Planificación ex - ante del uso de la tierra con programación multiobjetivo, en un 51
agroecosistema de cultivos y ganadería bovina en el Valle del Cauca, Colombia

3.1.4 Suelos
Los suelos que predominan en la zona de localización de la Hacienda Brasilia presentan,
de pH casi neutro a ligeramente ácido con contenidos de carbón orgánico bajo a medio,
medios a altos en calcio y potasio; no son salinos ni sódicos, y, por consiguiente, son suelos
excelentes para la agricultura; dominan los Molisoles y los Vertisoles. Las texturas
predominantes son franco–arenosos o franco–arcillosos sobre gravillosos o limosos.
(Botero, Rodríguez, & Rodríguez, 2006) (Tabla 3-2).

Tabla 3-2. Análisis de suelos de la Finca Brasilia

COMPONENTE CANTIDAD
Arenas 51.40 %
Limos 27.00 %
Arcillas 21.60 %
pH 6.4 – 6.6
Materia Orgánica 2.19%
Fosforo Bray II 17.31 ppm.
Cationes intercambiables m- ---
equiv/100: 14. 21
Calcio (Ca) mg/kg. 8. 22
Magnesio (Mg)mg/kg 0. 23
Potasio (K) 0. 12
Sodio (Na) 21.51
CIC 1.73
Ca/Mg 0.44
PSI ---
Sustancias bases
Ca cmol(+) /kg 62.61
Mg cmol(+) /kg 36.04
K cmol(+) /kg 0.87
Na cmol(+) /kg 0.47
Cationes solubles Me/L --
B mg/kg. 0.1 muy bajo
Cu mg/kg. 5.58 normal
Fe mg/kg. 54.72 normal
Mn mg/kg. 12.21 normal
Zn mg/kg. 0.77 bajo
Clasificación del suelo según
Cenicaña 3CO
Fuente: Laboratorio del ingenio providencia, 2014
 52 Planificación ex - ante del uso de la tierra con programación multiobjetivo, en un
agroecosistema de cultivos y ganadería bovina en el Valle del Cauca, Colombia

3.1.5 Disponibilidad de agua

El agua para consumo de la Hacienda Brasilia se toma del rio Amaime de un canal de
derivación (aforo 1300 lts /seg.), que pasa por la finca y cuyo destino principal es la fábrica
de ingenio Providencia, de este se benefician 32 usuarios además del ingenio, en su
recorrido, por la Hacienda Brasilia, esta tiene una concesión de 30 litros/seg. Otorgada por
la CVC, en épocas de mínimas precipitaciones, se somete a turnos el uso de agua para
riego, en periodos de cada 15 días.

3.1.6 Actividades productivas y distribución de áreas

Distribución de las áreas según actividades productivas de la Hacienda Brasilia. (Ver figura
3-2). (Tabla 3-3)

Tabla 3-3. Actividades productivas de la finca Brasilia

SUPERFICIE AGRICOLA UTIL (SAU) Área ha %

Cultivo de caña de azúcar (Saccharum 54.66 77.64

Officinarum)
Cultivo de uva Isabela (Vitis labrusca) 1.00 1.42
Maracuyá (Passiflora edulis) 1.00 1.42
Pasto de corte (Pennisetum purpureum) 4.20 5.97
Pasto de pastoreo (Guinea mombasa) 1.74 2.47
Otros cultivos 62.60 88.92
SUBTOTAL SAU
SUPERFICIE USO NO AGRICOLA 0.80 1.14
Construcciones e instalaciones 7.00 9.94

SUBTOTAL USO NO AGRICOLA 7.80 11.08

Área total 70.40 100
Tomado de Castro (2016), propietario hacienda Brasilia.
 Planificación ex - ante del uso de la tierra con programación multiobjetivo, en un 53
agroecosistema de cultivos y ganadería bovina en el Valle del Cauca, Colombia

3.1.7 Producción pecuaria

La producción pecuaria está constituida por bovinos: para producción de leche con las
siguientes razas y cruces:
Cruces de Holstein blanco y negro, Holstein Clavel o rojo y Holstein encerado (8%)
Cruces de Pardo Suizo (70%)
Cruces De Pardo Suizo con Cebú (22%)
 Figura 3-2. Mapa de la Hacienda Brasilia escala 1: 250

Fuente: Castro, 2016 propietario hacienda Brasilia (levantamiento realizado por el topógrafo Marmolejo L).
3.2 Técnicas de recolección y procesamiento de
información para PLMO

Se realizaron visitas a la Hacienda Brasilia para recolectar información, en cuant la toma

de datos, se utilizaron plantillas estandarizadas de los cultivos y de la ganadería en estudio,
se tomaron los registros de producción, costos variables directos, precios y rendimientos
de ventas de los diferentes productos de los últimos 7 años (2010 a 2016). De acuerdo a
estos datos, se construyeron tablas que contenían la información de las actividades
agropecuarias descritas anteriormente en el orden: cultivo de caña de azúcar, cultivo de
uva Isabella, cultivo de maracuyá, y operaciones de ganadería por cada año:

 Margen bruto por tipo de actividad: calculado a partir de los registros de producción,
ingreso bruto menos costos de producción (tabla 3-4).

Tabla 3-4. Margen bruto por tipo de actividad [$/ha-año].

Tipo de 2010 2011 2012 2013 2014 2015 2016
actividad
Caña de 3 595 610 5 565 909 3 451 309 3 639 501 2 606 693 6 543 325 7 524 824
azúcar
Uva -3 856 646 24 470 616 19 634 381 20 797 305 26 632 237 31 170 869 35 846 499
Isabella
Maracuyá 7 674 986 6 146 468 7 960 265 33 535 323 20 547 452 21 301 065 24 496 225

Ganadería 579 772 215 658 1 405 738 1 167 407 2 567 797 2 431 180 2 795 857

 Horas hombre por año necesarias para trabajar una hectárea según tipo de cultivo:
calculado según costos de la mano obra por hectárea de cada actividad productiva
para la empresa en estudio, dividido por smlv día valor del jornal de 8 horas para
cada año según histórico (Renovación Sindical, 2018) (tabla 3-5).
 58 Planificación ex - ante del uso de la tierra con programación multiobjetivo, en un
agroecosistema de cultivos y ganadería bovina en el Valle del Cauca, Colombia

Tabla 3-5 Horas hombre por año requeridas para procesar una hectárea según tipo de
cultivo [h/ha-año].

Tipo de
actividad 2010 2011 2012 2013 2014 2015 2016
Caña de azúcar 312 224 220 216 375 224 431
Uva Isabella 3 238 1 609 2 934 4 009 3 691 3 387 3895
Maracuyá 2 740 2 527 2 446 2 447 2 447 2 447 2 814
Ganadería 947 923 977 897 838 963 1 107

 Capital de trabajo necesario para trabajar una hectárea y otros datos relacionados:
calculado a partir de mano de obra, insumos, administración, costos de financiación
(cuotas e intereses) (tabla 3-6 y 3-7).

Tabla 3-6 Otros datos relacionados.

Descriptor 2 010 2 011 2 012 2 013 2 014 2 015 2016

Disponibilidad
de horas de 35 869 28 476 30 583 30 750 44 568 33 101 45 785
mano de obra
[h/año]
Capital
disponible [$] 432 508 373 396 263 458 466 952 659 555 579 393 732 435 211 665 060 367 813 180 308

Tabla 3-7 Capital de trabajo requerido para trabajar una hectárea de cada tipo de cultivo
[$/ha-año].

Caña de
azúcar Uva Isabella Maracuyá Ganadería

3 597 538 23 092 643 10 105 079 4 667 134

El terreno total disponible para realizar las actividades agropecuarias es de 62.6 ha, las
cuales deben ser utilizadas en su totalidad.
 Planificación ex - ante del uso de la tierra con programación multiobjetivo, en un 59
agroecosistema de cultivos y ganadería bovina en el Valle del Cauca, Colombia

Posteriormente, la información recolectada se organizó en el software Excel y se procesó

el software Matlab para resolver el problema de optimización multiobjetivo una vez
formulado.

3.3 Formulación de un modelo de programación lineal

multiobjetivo (PLMO) empleado

Para la construcción del modelo se utilizó como herramienta matemática la Programación

Multiobjetivo. El modelo matemático que se analizó en este estudio, considera la
asignación de tipos de cultivo o actividades agropecuarias a parcelas de tierra con el fin
de que el terreno pueda ser utilizado de forma diversificada. Sin embargo, la división de
parcelas involucra diferentes aspectos de interés, criterios u objetivos para los propietarios.
Uno de estos objetivos, que es tal vez el más obvio, es la maximización de los rendimientos
generados por la operación de las actividades agropecuarias. Otro objetivo de interés es
la minimización del riesgo económico predial. Por último, se considera la optimización del
uso de la mano de obra contratada. Una vez identificados los objetivos, se definieron de
forma precisa cada uno de éstos de la siguiente manera:

Variables de decisión

𝑥1 Hectáreas dedicadas al cultivo de la caña de azúcar (Saccharum officinarum)

𝑥2 Hectáreas dedicadas al cultivo de la uva Isabella (Vitis labrusca)

𝑥3 Hectáreas dedicadas al cultivo de maracuyá (Passiflora edulis)

𝑥4 Hectáreas dedicadas a la ganadería

3.3.1 Formulación de las funciones objetivo

La descripción completa y detallada del problema de optimización variable por variable se
presenta en el Anexo A.
 60 Planificación ex - ante del uso de la tierra con programación multiobjetivo, en un
agroecosistema de cultivos y ganadería bovina en el Valle del Cauca, Colombia

3.3.2 Maximización del margen bruto

En primera instancia se definió maximizar el margen bruto promedio total. Dicho margen
bruto promedio total puede calcularse de la siguiente manera:

max 𝑓1 = 𝑀𝐵1 𝑥1 + 𝑀𝐵2 𝑥2 + 𝑀𝐵3 𝑥3 + 𝑀𝐵4 𝑥4 ,

Dónde 𝑀𝐵𝑖 representa el margen bruto medio del tipo de actividad agropecuaria 𝑖.

3.3.3 Minimización del riesgo económico predial

Se tomó como referencia el modelo de Hazell (1971) y Bocco, Sayago, & Tártara (2002),
asumiendo el riesgo como la sumatoria de las desviaciones absolutas de los márgenes
brutos de cada alternativa productiva, con respecto al promedio del margen bruto de cada
una de ellas para cada año, en el periodo de 7 años de estudios (2010 a 2016). De esta
forma, este objetivo quedó formulado de la siguiente manera:

min 𝑓2 = 𝑥5 + 𝑥6 + 𝑥7 + 𝑥8 + 𝑥9 + 𝑥10 + 𝑥11 + 𝑥12 + 𝑥13 + 𝑥14 + 𝑥15 + 𝑥16 + 𝑥17 + 𝑥18.

Las variables anteriores representan las desviaciones absolutas de los márgenes brutos
(ver también Ignizio (1976)). La relación que debe existir entre dichas variables y las
variables inicialmente planteadas es la siguiente:

𝑀𝐵11 𝑥1 − 𝑀𝐵1 𝑥1 + 𝑀𝐵21 𝑥2 − 𝑀𝐵2 𝑥2 + 𝑀𝐵31 𝑥3 − 𝑀𝐵3 𝑥3 + 𝑀𝐵41 𝑥4 − 𝑀𝐵4 𝑥4 = 𝑥5 − 𝑥6 ,

𝑀𝐵12 𝑥1 − 𝑀𝐵1 𝑥1 + 𝑀𝐵22 𝑥2 − 𝑀𝐵2 𝑥2 + 𝑀𝐵32 𝑥3 − 𝑀𝐵3 𝑥3 + 𝑀𝐵42 𝑥4 − 𝑀𝐵4 𝑥4 = 𝑥7 − 𝑥8 ,

𝑀𝐵13 𝑥1 − 𝑀𝐵1 𝑥1 + 𝑀𝐵23 𝑥2 − 𝑀𝐵2 𝑥2 + 𝑀𝐵33 𝑥3 − 𝑀𝐵3 𝑥3 + 𝑀𝐵43 𝑥4 − 𝑀𝐵4 𝑥4 = 𝑥9 − 𝑥10 ,

𝑀𝐵14 𝑥1 − 𝑀𝐵1 𝑥1 + 𝑀𝐵24 𝑥2 − 𝑀𝐵2 𝑥2 + 𝑀𝐵34 𝑥3 − 𝑀𝐵3 𝑥3 + 𝑀𝐵44 𝑥4 − 𝑀𝐵4 𝑥4 = 𝑥11 − 𝑥12 ,

𝑀𝐵15 𝑥1 − 𝑀𝐵1 𝑥1 + 𝑀𝐵25 𝑥2 − 𝑀𝐵2 𝑥2 + 𝑀𝐵35 𝑥3 − 𝑀𝐵3 𝑥3 + 𝑀𝐵45 𝑥4 − 𝑀𝐵4 𝑥4 = 𝑥13 − 𝑥14 ,

𝑀𝐵16 𝑥1 − 𝑀𝐵1 𝑥1 + 𝑀𝐵26 𝑥2 − 𝑀𝐵2 𝑥2 + 𝑀𝐵36 𝑥3 − 𝑀𝐵3 𝑥3 + 𝑀𝐵46 𝑥4 − 𝑀𝐵4 𝑥4 = 𝑥15 − 𝑥16 ,

𝑀𝐵17 𝑥1 − 𝑀𝐵1 𝑥1 + 𝑀𝐵27 𝑥2 − 𝑀𝐵2 𝑥2 + 𝑀𝐵37 𝑥3 − 𝑀𝐵3 𝑥3 + 𝑀𝐵47 𝑥4 − 𝑀𝐵4 𝑥4 = 𝑥17 − 𝑥18 ,
 Planificación ex - ante del uso de la tierra con programación multiobjetivo, en un 61
agroecosistema de cultivos y ganadería bovina en el Valle del Cauca, Colombia

Donde:
𝑀𝐵𝑖𝑗 : es el ingreso bruto promedio generado por la actividad agropecuaria i durante el
periodo j. En este caso se considerarán periodos en años para un total de seis años.

3.3.4 Optimización de la mano de obra contratada

Para abordar este objetivo, fue necesario conocer las exigencias de mano de obra según
el ciclo agrícola, de cada uno de los sistemas de cultivo y el agroecosistemas de ganadería
para producción de leche, durante el periodo de estudio (2010 a 2016). En este sentido, el
tiempo de trabajo se ajustó lo más posible al tiempo disponible al año evitando tiempos
ociosos o uso de tiempo extra no programado. La función objetivo formulada para este
objetivo es la siguiente:

min 𝑓3 = 𝑥19 + 𝑥20 + 𝑥21 + 𝑥22 + 𝑥23 + 𝑥24 + 𝑥25 + 𝑥26 + 𝑥27 + 𝑥28 + 𝑥29 + 𝑥30 + 𝑥31 +
𝑥32 .

Las variables anteriores representan las desviaciones del uso de las horas de mano de
obra con respecto a su disponibilidad durante el año. La relación que debe existir entre
dichas variables y las variables inicialmente planteadas es la siguiente:

𝐴11 𝑥1 + 𝐴21 𝑥2 + 𝐴31 𝑥3 + 𝐴41 𝑥4 − 𝐻1 = 𝑥19 − 𝑥20 ,

𝐴12 𝑥1 + 𝐴22 𝑥2 + 𝐴32 𝑥3 + 𝐴42 𝑥4 − 𝐻2 = 𝑥21 − 𝑥22 ,

𝐴13 𝑥1 + 𝐴23 𝑥2 + 𝐴33 𝑥3 + 𝐴43 𝑥4 − 𝐻3 = 𝑥23 − 𝑥24 ,

𝐴14 𝑥1 + 𝐴24 𝑥2 + 𝐴34 𝑥3 + 𝐴44 𝑥4 − 𝐻4 = 𝑥25 − 𝑥26 ,

𝐴15 𝑥1 + 𝐴25 𝑥2 + 𝐴35 𝑥3 + 𝐴45 𝑥4 − 𝐻5 = 𝑥27 − 𝑥28 ,

𝐴16 𝑥1 + 𝐴26 𝑥2 + 𝐴36 𝑥3 + 𝐴46 𝑥4 − 𝐻6 = 𝑥29 − 𝑥30 ,

𝐴17 𝑥1 + 𝐴27 𝑥2 + 𝐴37 𝑥3 + 𝐴47 𝑥4 − 𝐻7 = 𝑥31 − 𝑥32 ,

 62 Planificación ex - ante del uso de la tierra con programación multiobjetivo, en un
agroecosistema de cultivos y ganadería bovina en el Valle del Cauca, Colombia

Donde:
𝐴𝑖𝑗 : son las horas-hombre requeridas para procesar una hectárea de la actividad
agropecuaria 𝑖 durante el año 𝑗.
𝐻𝑗 : son las horas disponibles en el año 𝑗.

3.3.5 Restricciones del sistema

En primera instancia se tienen restricciones de terreno disponible. En este sentido el

terreno usado para las distintas actividades agropecuarias debe coincidir con el terreno
disponible. Esta restricción se formuló así:

𝑥1 + 𝑥2 + 𝑥3 + 𝑥4 = 𝑆,

Donde:
𝑆 : es el terreno total disponible.

Por otro lado, las restricciones de capital implican que el costo de operar cada actividad
agropecuaria no debe exceder el capital disponible por año. Esto es:

𝐶1 𝑥1 + 𝐶2 𝑥2 + 𝐶3 𝑥3 + 𝐶4 𝑥4 ≤ 𝐾𝑗 ,

Donde
𝐶𝑖 : es el costo de procesar una hectárea del tipo de actividad agropecuaria 𝑖
𝐾𝑗 : es el capital de trabajo disponible al inicio del año 𝑗.

Por último, se tienen restricciones acerca del número de hectáreas mínimos y máximos a
considerar en cada tipo de actividad agropecuaria.

𝑛𝑖 ≤ 𝑥𝑖 ≤ 𝑁𝑖 ,
Donde:
𝑛𝑖 : es el valor mínimo que puede tomar la variable
𝑁𝑖 : es su valor máximo.
 Planificación ex - ante del uso de la tierra con programación multiobjetivo, en un 63
agroecosistema de cultivos y ganadería bovina en el Valle del Cauca, Colombia

De esta forma, la formulación matemática del modelo fue la siguiente:

min 𝑓1 = −𝑀𝐵1 𝑥1 − 𝑀𝐵2 𝑥2 − 𝑀𝐵3 𝑥3 − 𝑀𝐵4 𝑥4 ,

min 𝑓2 = 𝑥5 + 𝑥6 + 𝑥7 + 𝑥8 + 𝑥9 + 𝑥10 + 𝑥11 + 𝑥12 + 𝑥13 + 𝑥14 + 𝑥15 + 𝑥16 +

𝑥17 + 𝑥18 ,

min 𝑓3 = 𝑥19 + 𝑥19 + 𝑥20 + 𝑥21 + 𝑥22 + 𝑥23 + 𝑥24 + 𝑥25 + 𝑥26 + 𝑥27 + 𝑥28 + 𝑥29 +
𝑥30 + 𝑥31 + 𝑥32 ,

Sujeto a:

𝑀𝐵11 𝑥1 − 𝑀𝐵1 𝑥1 + 𝑀𝐵21 𝑥2 − 𝑀𝐵2 𝑥2 + 𝑀𝐵31 𝑥3 − 𝑀𝐵3 𝑥3 + 𝑀𝐵41 𝑥4 − 𝑀𝐵4 𝑥4

= 𝑥5 − 𝑥6 ,

𝑀𝐵12 𝑥1 − 𝑀𝐵1 𝑥1 + 𝑀𝐵22 𝑥2 − 𝑀𝐵2 𝑥2 + 𝑀𝐵32 𝑥3 − 𝑀𝐵3 𝑥3 + 𝑀𝐵42 𝑥4 − 𝑀𝐵4 𝑥4

= 𝑥7 − 𝑥8 ,

𝑀𝐵13 𝑥1 − 𝑀𝐵1 𝑥1 + 𝑀𝐵23 𝑥2 − 𝑀𝐵2 𝑥2 + 𝑀𝐵33 𝑥3 − 𝑀𝐵3 𝑥3 + 𝑀𝐵43 𝑥4 − 𝑀𝐵4 𝑥4

= 𝑥9 − 𝑥10 ,

𝑀𝐵14 𝑥1 − 𝑀𝐵1 𝑥1 + 𝑀𝐵24 𝑥2 − 𝑀𝐵2 𝑥2 + 𝑀𝐵34 𝑥3 − 𝑀𝐵3 𝑥3 + 𝑀𝐵44 𝑥4 − 𝑀𝐵4 𝑥4

= 𝑥11 − 𝑥12 ,

𝑀𝐵15 𝑥1 − 𝑀𝐵1 𝑥1 + 𝑀𝐵25 𝑥2 − 𝑀𝐵2 𝑥2 + 𝑀𝐵35 𝑥3 − 𝑀𝐵3 𝑥3 + 𝑀𝐵45 𝑥4 − 𝑀𝐵4 𝑥4

= 𝑥13 − 𝑥14 ,

𝑀𝐵16 𝑥1 − 𝑀𝐵1 𝑥1 + 𝑀𝐵26 𝑥2 − 𝑀𝐵2 𝑥2 + 𝑀𝐵36 𝑥3 − 𝑀𝐵3 𝑥3 + 𝑀𝐵46 𝑥4 − 𝑀𝐵4 𝑥4

= 𝑥15 − 𝑥16 ,

𝑀𝐵17 𝑥1 − 𝑀𝐵1 𝑥1 + 𝑀𝐵27 𝑥2 − 𝑀𝐵2 𝑥2 + 𝑀𝐵37 𝑥3 − 𝑀𝐵3 𝑥3 + 𝑀𝐵47 𝑥4 − 𝑀𝐵4 𝑥4

= 𝑥17 − 𝑥18 ,

𝐴11 𝑥1 + 𝐴21 𝑥2 + 𝐴31 𝑥3 + 𝐴41 𝑥4 − 𝐻1 = 𝑥19 − 𝑥20 ,

𝐴12 𝑥1 + 𝐴22 𝑥2 + 𝐴32 𝑥3 + 𝐴42 𝑥4 − 𝐻2 = 𝑥21 − 𝑥22 ,

 64 Planificación ex - ante del uso de la tierra con programación multiobjetivo, en un
agroecosistema de cultivos y ganadería bovina en el Valle del Cauca, Colombia

𝐴13 𝑥1 + 𝐴23 𝑥2 + 𝐴33 𝑥3 + 𝐴43 𝑥4 − 𝐻3 = 𝑥23 − 𝑥24 ,

𝐴14 𝑥1 + 𝐴24 𝑥2 + 𝐴34 𝑥3 + 𝐴44 𝑥4 − 𝐻4 = 𝑥25 − 𝑥26 ,

𝐴15 𝑥1 + 𝐴25 𝑥2 + 𝐴35 𝑥3 + 𝐴45 𝑥4 − 𝐻5 = 𝑥27 − 𝑥28 ,

𝐴16 𝑥1 + 𝐴26 𝑥2 + 𝐴36 𝑥3 + 𝐴46 𝑥4 − 𝐻6 = 𝑥29 − 𝑥30 ,

𝐴17 𝑥1 + 𝐴27 𝑥2 + 𝐴37 𝑥3 + 𝐴47 𝑥4 − 𝐻7 = 𝑥31 − 𝑥32 ,

𝑥1 + 𝑥2 + 𝑥3 + 𝑥4 = 𝑆,

𝐶1 𝑥1 + 𝐶2 𝑥2 + 𝐶3 𝑥3 + 𝐶4 𝑥4 ≤ 𝐾1 ,

𝐶1 𝑥1 + 𝐶2 𝑥2 + 𝐶3 𝑥3 + 𝐶4 𝑥4 ≤ 𝐾2 ,

𝐶1 𝑥1 + 𝐶2 𝑥2 + 𝐶3 𝑥3 + 𝐶4 𝑥4 ≤ 𝐾3 ,

𝐶1 𝑥1 + 𝐶2 𝑥2 + 𝐶3 𝑥3 + 𝐶4 𝑥4 ≤ 𝐾4 ,

𝐶1 𝑥1 + 𝐶2 𝑥2 + 𝐶3 𝑥3 + 𝐶4 𝑥4 ≤ 𝐾5 ,

𝐶1 𝑥1 + 𝐶2 𝑥2 + 𝐶3 𝑥3 + 𝐶4 𝑥4 ≤ 𝐾6 ,
𝐶1 𝑥1 + 𝐶2 𝑥2 + 𝐶3 𝑥3 + 𝐶4 𝑥4 ≤ 𝐾7 ,

𝑛1 ≤ 𝑥1 ≤ 𝑁1 ,
𝑛2 ≤ 𝑥2 ≤ 𝑁2 ,
𝑛3 ≤ 𝑥3 ≤ 𝑁3 ,
𝑛4 ≤ 𝑥4 ≤ 𝑁4 ,
𝑥𝑖 ≥ 0.

Es de resaltar, que la función objetivo relacionada con la maximización del margen bruto
medio total se multiplicó por (−1) para obtener la función objetivo 𝑓1 que es una función
objetivo de minimización. Esto se ha realizó con el propósito de que todas las funciones
 Planificación ex - ante del uso de la tierra con programación multiobjetivo, en un 65
agroecosistema de cultivos y ganadería bovina en el Valle del Cauca, Colombia

objetivo que se consideren sean de minimización, sin afectar el resultado final del
problema.

Para fines de comprensión se denominó al anterior problema el problema P1.

3.4 Estrategia de solución

Uno de los métodos más conocidos y utilizados para resolver modelos de optimización
multiobjetivo es el método de restricciones 𝜖, lo que principalmente se debe a su facilidad
de implementación (Jürgen, Kalyanmoy, Kaisa, & Roman, 2008; Matthias, 2005). Es por
eso que en este trabajo se empleó dicho método para resolver el problema de optimización
planteado.

Con el fin de resolver el problema multiobjetivo anterior, se simplificó la notación usada

anteriormente. El problema con la notación simplificada quedó formulado así:

min (𝑓1 (𝐱), 𝑓2 (𝐱), 𝑓3 (𝐱)),

s. a. 𝐱 ∈ 𝑆,

Dónde
𝐱 : representa todas las variables de decisión del problema original, esto es 𝐱 =
{𝑥𝑖 , 𝑛𝑗 , 𝑝𝑗 , 𝑟𝑗 , 𝑠𝑗 }.
𝑆 : representa la región factible generada por el conjunto de restricciones del problema P1.

3.4.1 El método de restricciones épsilon

 66 Planificación ex - ante del uso de la tierra con programación multiobjetivo, en un
agroecosistema de cultivos y ganadería bovina en el Valle del Cauca, Colombia

El método considera que un objetivo es seleccionado para ser optimizado mientras que el
resto de objetivos son convertidos en restricciones, de esta manera se formuló el siguiente
problema denominado P2:

min 𝑓𝑙 (𝐱),
s. a. 𝑓𝑗 (𝐱) ≤ 𝜖𝑗 , ∀𝑗 = 1,2, … , 𝑘, 𝑗 ≠ 𝑙
𝐱 ∈ 𝑆,

En dónde se seleccionó el objetivo 𝑓𝑙 (𝐱), 𝑙 = 1,2, … , 𝑘, para ser optimizado, los objetivos
restantes se restringieron a una cota superior 𝜖𝑗 , 𝑗 = 1, … , 𝑘, 𝑗 ≠ 𝑙, que tomará diferentes
valores para los cuales la solución del problema anterior (P2) estará relacionada con la
frontera eficiente del problema multiobjetivo P1. Note que 𝜖𝑗 representa el peor valor que
puede tomar la función objetivo 𝑓𝑗 (𝐱), en este caso la restricción 𝑓𝑗 (𝐱) ≤ 𝜖𝑗 puede estar o
no activa en la solución óptima.

La selección del objetivo a optimizar no tuvo ningún efecto en la obtención de la frontera

de Pareto, por lo que cualquier objetivo es válido para ser optimizado. El propósito fue
entonces resolver el problema P2 para diferentes valores de 𝜖𝑗 lo que permitirá generar la
frontera de Pareto resolviendo el problema multiobjetivo P1. Para tal fin fue necesario, en
primera instancia, seleccionar el objetivo a optimizar. Seguidamente, se seleccionó el
rango de valores para cada 𝜖𝑗 , que, contrario al paso anterior, no es una actividad trivial.
En el Anexo B se presentan el código en MATLAB del método restricciones ϵ.

3.4.2 Selección del rango de valores 𝝐𝒋

El rango de valores para cada 𝜖𝑗 está relacionado con los valores mínimo y máximo de la
función objetivo 𝑓𝑗 (𝐱). El método tradicional para obtener dichos valores se basa en una
tabla de pagos, la cual muestra el caso de dos funciones objetivo (Tabla 3.5).
 Planificación ex - ante del uso de la tierra con programación multiobjetivo, en un 67
agroecosistema de cultivos y ganadería bovina en el Valle del Cauca, Colombia

Cada función se optimiza de forma independiente y el óptimo obtenido x∗ se evalúa en

dicha función y en el resto de funciones objetivo. De esta forma el resultado 𝑓2 (x∗ |𝑓1) se
obtiene al evaluar el óptimo generado por la minimización de 𝑓1 en la función objetivo 𝑓2.

Tabla 3-8. Método de pagos para la selección del rango de valores 𝝐.

𝑓1 𝑓2

min 𝑓1 𝑓1 (x∗ |𝑓1) 𝑓2 (x∗ |𝑓1)

min 𝑓2 𝑓1 (x∗ |𝑓2) 𝑓2 (x∗ |𝑓2)

La tabla de pagos no garantiza que los rangos anteriores produzcan puntos en la frontera
eficiente. Con el fin de garantizar soluciones de eficientes Mavrotas (2009) sugiere usar la
tabla de pagos anterior construida con base en el método lexicográfico, un método clásico
de optimización multiobjetivo. Se empleó este método de la siguiente manera:

i. Optimizar la primer función objetivo (función objetivo de mayor prioridad) para

obtener 𝑓1 (x∗ ) = 𝑧1∗ . Con el óptimo obtenido evalúe el resto de funciones objetivo
para completar la primera fila de la tabla de pagos.

ii. Optimizar la segunda función objetivo añadiendo al problema la restricción

adicional 𝑓1 (x∗ ) = 𝑧1∗ , para obtener 𝑓2 (x∗ ) = 𝑧2∗ . Con el óptimo obtenido evalúe el
resto de funciones objetivo para completar la segunda fila de la tabla de pagos.

iii. Optimizar la tercera función objetivo añadiendo al problema las restricciones

adicionales 𝑓1 (x∗ ) = 𝑧1∗ y 𝑓2 (x∗ ) = 𝑧2∗ , para obtener 𝑓3 (x∗ ) = 𝑧3∗ . Con el óptimo
obtenido evalúe el resto de funciones objetivo para completar la segunda fila de la
tabla de pagos.

iv. El proceso se repite hasta llenar la tabla de pagos.

 68 Planificación ex - ante del uso de la tierra con programación multiobjetivo, en un
agroecosistema de cultivos y ganadería bovina en el Valle del Cauca, Colombia

3.4.3 Modificación del método para garantizar soluciones

eficientes

En general no hay garantía de que el método de restricciones 𝜖 produzca soluciones

eficientes, por lo tanto se emplearon diferentes extensiones del método que ayudan a
remediar esta situación, una de ellas es el método propuesto por Mavrotas (2009) para
resolver el problema de soluciones no eficientes, donde propone la reformulación del
problema P2 de la siguiente manera:

𝑘
𝑒𝑗
min 𝑓𝑙 (𝐱) + 𝜉 ∑ ,
𝑡𝑗
𝑗=1,𝑗≠𝑙

s. a. 𝑓𝑗 (𝐱) + 𝑒𝑗 = 𝜖𝑗 , ∀𝑗 = 1,2, … , 𝑘, 𝑗 ≠ 𝑙,
𝐱 ∈ 𝑆,
𝑒𝑗 ≥ 0,

Dónde
𝜉 : es un número pequeño seleccionado adecuadamente
𝜉 ∈ [10−3 , 10−6 ], 𝑒𝑗 corresponde a la variable de holgura de la restricción impuesta a la
función objetivo 𝑗, y 𝑡𝑗 es el rango de la 𝑗-ésima función objetivo obtenido de la tabla de
pagos.
4. Resultados

4.1 Solución de funciones objetivo independientes

La solución de cada objetivo individual generó los resultados mostrados en la Tabla 4-1.
Para resolver el problema de optimización, considerando el análisis de las funciones
objetivas de forma individual, se seleccionó la de interés y se eliminaron las demás. Para
el caso de la maximización del margen bruto, el cultivo predominante es la caña de azúcar,
seguido del de uva Isabella y el maracuyá. Esto debido a que este cultivo tiene unos costos
de producción bajo, si se compara con las demás producciones en estudio.

Por su parte, para la minimización del riesgo económico predial, la actividad predominante
debe ser la ganadería, seguido del cultivo de la caña de azúcar. Esto se debe a que el
riesgo económico predial es una medida de la variabilidad del margen bruto a lo largo de
los años, la ganadería es la actividad agropecuaria que menos variabilidad tiene. Es decir,
esta actividad genera un rendimiento bruto a lo largo de los años más estable que las otras
actividades, lo que se puede evidenciar de los datos presentados en la metodología. A su
vez la ganadería y el cultivo de caña de azúcar son los que tienen consumos de mano de
obra por hectárea más estables, lo que explica la predominancia de dichas actividades en
la optimización de la mano de obra requerida.

El consumo del capital de trabajo usado comparado con el capital de trabajo disponible
resultó ser mayor cuando se pretende maximizar el margen bruto (ver tabla 4-1). Lo
anterior no se cumple para el resto de funciones objetivo en donde apenas se utiliza
apenas el 50 % en promedio del capital disponible. La razón para esto es que para la
 70 Planificación ex - ante del uso de la tierra con programación multiobjetivo, en un
agroecosistema de cultivos y ganadería bovina en el Valle del Cauca, Colombia

maximización del margen bruto el cultivo de la uva Isabella alcanza 10 hectáreas, el mayor
valor obtenido, siendo que este cultivo es intensivo en capital.

Tabla 4-1 Solución del problema de optimización para las funciones objetivo
independientes.

Maximización Minimización del Optimización de

del riesgo la
margen bruto económico predial mano de obra
Valor función objetivo 481 093 796 344 803 088 10 234
Hectáreas de azúcar 51.6 15.7 46.4
Hectáreas de uva Isabella 10 1 2.20
Hectáreas de maracuyá 1 0 1
Terreno para ganadería 0 46.0 13.0
Capital usado promedio (%)* 71 49 48

Tiempo usado al año (%) ** 140.1 147.6 100.0

Margen bruto [$/año] 481 093 796 168 994 896 304 878 322
Riesgo económico predial 5 012 441 558 344 803 088 4 950 123 389
[$/año]
* Porcentaje de capital usado promedio calculado con base al capital disponible cada año.
** Porcentaje del tiempo de trabajo usado calculado con base en el tiempo disponible cada
año.

El porcentaje de tiempo de trabajo usado, calculado con base en las horas de trabajo anual
disponibles, en la mayoría de los casos supera el programado. Cuando se pretende
maximizar el margen bruto, las horas de trabajo utilizadas son cerca de un 140% de las
horas disponibles programadas, lo que se debe principalmente al cultivo de uva Isabella
que es intensivo en requerimientos de tiempo de mano de obra, y es uno de los cultivos
predominantes en este caso.

Un resultado similar es obtenido para la minimización del riesgo económico predial, donde
la ganaderia es la actividad de mayor demanda de mano de obra, requiriendo más horas
hombre de las disponibles. Por su parte, para la función optimización de la mano de obra,
las horas hombre trabajadas son similares a las horas hombre disponibles.
Planificación ex - ante del uso de la tierra con programación multiobjetivo, en un 71
agroecosistema de cultivos y ganadería bovina en el Valle del Cauca, Colombia

A partir de los resultados de la tabla 4-1, se observa claramente que se presentan

contradicciones en los resultados de las funciones objetivo, es decir, resulta imposible
optimizar simultáneamente todos los objetivos. La mejor alternativa es encontrar óptimos
de Pareto o soluciones eficientes. Para lograr lo anterior se elaboró una tabla de pagos
que permitió identificar los rangos de validez de cada una de las funciones objetivo para
generar soluciones eficientes.

Para tal fin, se construyó la tabla de pagos cuyo resultado se muestra en la tabla 4-2. Las
funciones objetivo se enumeran siguiendo el orden descrito en la metodología. Es de
mencionar que, dado que se pretende maximizar el margen bruto, esto es equivalente a
minimizar el negativo de dicho margen bruto.

Tabla 4-2 Tabla de pagos del problema multiobjetivo.

Solución 𝑓1 ( Negativo del margen 𝑓3

optima bruto medio) 𝑓2 (Riesgo económico) (Horas/ha/año)
min 𝑓1 -481 093 796 819 474 379 117 867
min 𝑓2 -99 832 790 325 026 356 190 844
min 𝑓3 -304 878 322 560 784 136 10 234

4.2 Búsqueda de soluciones eficientes

El análisis de soluciones eficientes se dividió en dos partes, la primera parte consideró el
estudio de pares de funciones objetivo simultáneamente lo que facilitará la comprensión
de las soluciones. Por último, se realizó un análisis de frontera eficiente simultáneo para
las tres funciones objetivo.

4.2.1 Frontera eficiente para pares de funciones objetivo

La figura 4-1 muestra la frontera eficiente para el margen bruto y el riesgo económico
predial, los números entre paréntesis representan las hectáreas operadas según cada tipo
 72 Planificación ex - ante del uso de la tierra con programación multiobjetivo, en un
agroecosistema de cultivos y ganadería bovina en el Valle del Cauca, Colombia

de actividad agropecuaria en su orden: cultivo de caña de azúcar, cultivo de uva Isabella,

cultivo de maracuyá, terreno para ganadería.

Se observó un incremento en el margen bruto causando este mismo efecto en el riesgo

económico predial, por lo que dichas funciones objetivo son contradictorias. De igual forma,
el margen bruto se mejora al aumentar las hectáreas cultivadas de caña de azúcar y de
uva Isabella reduciendo la ganadería, lo que causa también un aumento en el riesgo
económico predial. Este análisis mostro la proximidad a los puntos de operación históricos,
a los puntos eficientes de estas dos funciones objetivo.

Un incremento en el margen bruto ocasiona un uso menos apropiado de la mano de obra

en el sentido de que se van a utilizar más horas de trabajo de las disponibles. Por
consiguiente, para mejorar el uso de la mano de obra es necesario cultivar menos
hectáreas de uva y usar un mayor terreno para la ganadería (figura 4-2).

En la figura 4-3 se observa que, si el riesgo económico predial disminuye, la efectividad en

el uso de la mano de obra también disminuye. Si se quiere reducir el riesgo económico
predial se debe usar menos hectáreas de caña de azúcar e incrementar el uso de tierra
para actividades de ganadería.
Planificación ex - ante del uso de la tierra con programación multiobjetivo, en un 73
agroecosistema de cultivos y ganadería bovina en el Valle del Cauca, Colombia

Figura 4-1. Frontera de Pareto para las combinaciones de dos objetivos: margen bruto y
el riesgo económico predial
8
x 10
9

(52, 10, 1, 0), f3=1.6105

8

(54, 8, 1, 2), f3=1.3105

7

(47, 6, 1, 8), f3=2.0105

6
f2

5 (39, 6, 1, 17), f3=2.9105 Puntos de operación históricos

4 (28, 4, 1, 29), f3=4.2105

(0, 0, 0, 63), f3=7.9105

3
-5 -4.5 -4 -3.5 -3 -2.5 -2 -1.5 -1 -0.5
8
f1 x 10

Figura 4-2. Frontera de Pareto para las combinaciones de dos objetivos: margen bruto y
uso de mano de obra
4
x 10
12
(46, 2, 1, 13), f2=5.8109

10
(56, 6, 1, 0), f2=1.01010

8
(55, 7, 1, 0), f2=5.2109

6
f3

(53, 8, 1, 0), f2=4.6109

(53, 9, 1, 0), f2=4.3109

2

(52, 10, 1, 0), f2=4.1109

0
-5 -4.5 -4 -3.5 -3 -2.5
f1 8
x 10
 74 Planificación ex - ante del uso de la tierra con programación multiobjetivo, en un
agroecosistema de cultivos y ganadería bovina en el Valle del Cauca, Colombia

Figura 4-3. Frontera de Pareto para las combinaciones de dos objetivos: riesgo predial y
uso de mano de obra
5
x 10
2
(0, 0, 0, 63), f1=3.0108
1.8

1.6
(7, 0, 0, 56), f1=1.9108
1.4

1.2
(14, 0, 0, 49), f1=1.7108

1
f3

0.8 (22, 0, 0, 41), f1=1.4108

0.6

0.4 (30, 0, 0, 33), f1=1.2108

0.2
(46, 2, 1, 13), f1=1.0108
0
3 3.5 4 4.5 5 5.5 6 6.5 7
f2 8
x 10

4.2.2 Puntos de operación históricos

El propietario del terreno durante los años 2010 a 2016 ha considerado la distribución de
tierras como se muestra en la tabla 4-3. Claramente el propietario ha tendido a favorecer
el cultivo de uva Isabella en los últimos años, mientras ha reducido el cultivo de la caña de
azúcar y ha puesto menor interés a la ganadería. La tendencia del propietario muestra que
la estrategia actual es más intensiva en capital y recursos de mano de obra, y sugiere una
distribución deseada del terreno así: 46 has de caña de azúcar, 10 ha cultivo de uva
Isabela, 1 ha cultivo de maracuyá y 6 ha para actividades ganaderas. Esta estrategia se
analizó a la luz de las soluciones eficientes del problema multiobjetivo.
Planificación ex - ante del uso de la tierra con programación multiobjetivo, en un 75
agroecosistema de cultivos y ganadería bovina en el Valle del Cauca, Colombia

Tabla 4-3. Distribución histórica del terreno

𝒙𝟒
𝒇𝟐 𝒇𝟑 𝒙𝟏 𝒙𝟐 𝒙𝟑 %
𝒇𝟏 (ha) % horas
Año Riesgo Horas/ha/ (ha) (ha) (ha) capital
Margen bruto Gana usadas
económico año Caña Uva Maracuyá usado
dería
2010 288 954 664 422 646 182 8 284 54 1 1 13 52% 97%
2011 288 954 664 422 646 182 8 284 54 1 1 13 52% 97%
2012 288 954 664 422 646 182 8 284 54 1 1 13 52% 97%
2013 288 954 664 422 646 182 8 284 54 1 1 13 52% 97%
2014 330 200 982 495 076 928 21 565 54 4 1 10 59% 111%
2015 322 512 525 493 531 954 11 888 52 4 1 6 56% 101%
2016 416 014 723 652 078 831 104 390 46 10 1 6 76% 152%
Media 317 792 412 475 896 063 24 425 53 3 1 10 57% 107%

En primera instancia se observó que la estrategia del propietario no es una solución de

frontera eficiente para el año 2016 puesto que los resultados de una de las funciones
objetivo se salen del rango de valores permitido impuesto por la (tabla de pagos 4-2), en
lo relacionado con el porcentaje de horas hombre consumidas, las cuales superan en 52%,
con respecto a las programadas. En general, las soluciones no son eficientes, lo que se
puede apreciar en las figuras de frontera eficiente con dos funciones objetivo (figuras 4-1,
4-2, 4-3). Sin embargo, cuando se analizan las funciones objetivo f_1 y f_2, la estrategia
del propietario se encuentra muy cerca de la frontera de Pareto para estas dos funciones
objetivo.

4.2.3 Análisis de eficiencia para todas las funciones objetivo

La representación gráfica para el análisis de eficiencia simultáneo de las tres funciones

objetivo es más complejo puesto que se requiere la representación en un espacio de tres
dimensiones, es por esto que se usa un gráfico de contorno para facilitar la visualización.
La figura 4-4 y 4-5 muestra el resultado del análisis simultáneo de las tres funciones
objetivo.
Se detallan las curvas de contorno que involucran los objetivos 𝑓1 y 𝑓3 para diferentes
niveles de la función objetivo 𝑓2, etiquetados en las curvas de contorno. Se observó que a
medida que la función objetivo 𝑓2 (minimización del riesgo económico predial) disminuye
 76 Planificación ex - ante del uso de la tierra con programación multiobjetivo, en un
agroecosistema de cultivos y ganadería bovina en el Valle del Cauca, Colombia

su valor, las funciones objetivo 𝑓1 (maximización del riesgo económico y 𝑓3 (optimización

del uso de la mano de obra) tienden a tener menor contradicción, es decir, la maximización
o minimización de una de ellas tiende a afectar en menor medida la función objetivo
restante.

Figura 4-4. Líneas de contorno de la frontera eficiente para diferentes niveles de la

función objetivo 𝒇𝟐 .
5
x 10

1.8

1.6

1.4

1.2
f3

0.8

0.6

0.4

0.2

-4.8 -4.6 -4.4 -4.2 -4 -3.8 -3.6 -3.4 -3.2 -3

8
f1 x 10
Planificación ex - ante del uso de la tierra con programación multiobjetivo, en un 77
agroecosistema de cultivos y ganadería bovina en el Valle del Cauca, Colombia

Figura 4-5. Líneas de contorno en tercera dimensión de la frontera eficiente para

diferentes niveles de la función objetivo 𝑓2.

5
x 10

1.5

1
f3

0.5

0
-5

-4

-3 9
8
x 10 8
-2 7
6 8
-1 5 x 10
4
f1 0 3 f2

Por su parte, la tabla 4-4 muestra un conjunto de soluciones eficientes para el caso del
análisis simultáneo de las tres funciones objetivo. Esta información es de gran utilidad para
los actores interesados permitiendo hacer una mejor distribución del terreno al tener en
cuenta los tres criterios de decisión.

De los puntos de operación históricos analizados en la tabla 4-3 se observa la disminución

de las hectáreas sembradas de caña de azúcar, y las de ganadería, al igual que el
incremento del cultivo de uva Isabella, llegando a una distribución 46 ha de caña de azúcar,
10 ha cultivo de uva Isabela, 1 ha cultivo de maracuyá y 6 ha para actividades ganaderas
para el año 2016. Esto debido a consideraciones de tipo agronómico tales como sitios con
mayor pedregosidad que dificultan la productividad del cultivo de la caña de azúcar, pero
si aptos para el cultivo de uva Isabella.
Esta distribución, sin embargo, no es completamente eficiente, una alternativa sería
realizar la distribución o solución eficiente F (46 ha de caña de azúcar, 6 ha cultivo de uva
Isabela, 1 ha cultivo de maracuyá y 10 ha para actividades ganaderas) como se observa
en la tabla 4-4, del análisis de funciones de forma simultaneas. Sin embargo, la diferencia
entre el accionar del propietario y la solución eficiente recomendada no es muy
 78 Planificación ex - ante del uso de la tierra con programación multiobjetivo, en un
agroecosistema de cultivos y ganadería bovina en el Valle del Cauca, Colombia

significativa. Esta solución alternativa, generaría un porcentaje de capital usado promedio

de 60%, y un porcentaje de horas hombre usadas de 25 % superior a las disponibles. La
mayoría de las soluciones eficientes mostraron que las horas de mano de obra siempre se
exceden a las programadas.

Por esta razón, es necesario que el propietario tenga en cuenta este aspecto para planear
una mayor disponibilidad de horas hombre al año. Finalmente, una lista más detallada de
soluciones eficientes se encuentra disponible en el Anexo C.

Tabla 4-4. Una muestra de soluciones eficientes considerando simultáneamente las tres
funciones objetivo. Las variables se enumeran de acuerdo al orden preestablecido de los
cultivos.
Solucio 𝒇𝟏 𝒇𝟐 𝒇𝟑 𝒙𝟏 𝒙𝟐 𝒙𝟑 𝒙𝟒 % %
nes ($) ($) (horas/ (ha) (ha) (ha) (ha) capital horas
eficient Margen Riesgo hombre) caña Uva Marac Gana usado usadas
es bruto económico uyá dería

A 99 832 790 2 202 763 337 167 307 0 0 0 63 49% 172%

B 304 878 322 2 226 137 243 10 234 47 2 1 13 48% 100%
C 374 567 718 1 753 232 564 74 454 44 6 1 12 61% 131%
D 468 893 203 1 406 210 806 84 671 53 10 0 0 70% 134%
E 481 093 796 1 346 842 257 99 649 52 10 1 0 71% 140%
F 386 163 441 1 762 085 351 61 878 46 6 1 10 60% 125%
Media 345 853 166 1 787 037 241 87 263 40 6 1 16 60% 135%

Convenciones: 𝒇𝟏 Margen bruto, 𝒇𝟐 Riego económico predial, 𝒇𝟑 Optimización de mano

de obra, 𝒙𝟏 Cultivo de caña de azúcar, 𝒙𝟐 Cultivo de uva Isabella, 𝒙𝟑 Cultivo de maracuyá,
𝒙𝟒 Actividades ganaderas, ha hectárea.

4.3 Análisis de sensibilidad

Con el fin de evaluar el efecto que tienen ciertos parámetros en el conjunto de soluciones
eficientes se han considerado las siguientes variaciones:

 Incremento en las horas de mano de obra disponibles.

 Reducción de las hectáreas de tierra disponibles.

Planificación ex - ante del uso de la tierra con programación multiobjetivo, en un 79
agroecosistema de cultivos y ganadería bovina en el Valle del Cauca, Colombia

 Reducción del capital de trabajo disponible.

Este análisis se realizó variando un parámetro a la vez, dejando los demás constantes.
Un incremento en las horas de mano de obra disponibles por año, genera que el porcentaje
de uso de estas sea más razonable, como lo muestra la tabla 4-5.

El impacto que tiene esto es una reducción de las hectáreas cultivadas de caña de azúcar,
y un aumento en el uso del terreno para la ganadería, como se observa en los valores
promedio de las Tablas 4-5 y 4-6, respectivamente. Otro cambio que se observa es una
reducción en el margen bruto y el riesgo económico predial.

Una reducción en el capital de trabajo disponible ocasiona que gran parte de las
formulaciones generadas por el método de restricciones 𝜖 no sean factibles, indicando que
este parámetro es un recurso crítico para la solución del problema. Un efecto de esta
variación es el incremento del porcentaje de uso del mismo, como lo muestra la tabla 4-6.
Esto también ocasiona que el porcentaje de horas de mano de obra usadas se reduzca, lo
que se justifica en el sentido de que actividades menos intensivas en recursos tienden a
ser predominantes, como se observa en una reducción de las hectáreas cultivadas de uva
Isabella al comparar los resultados de las Tablas 4-5 y 4-7.

Un escenario interesante de analizar es la situación en donde se tiene escasez de tierra

para realizar las actividades agropecuarias (tabla 4-7). En una situación de escases de
este recurso se muestra que las actividades predominantes deberían ser el cultivo de la
caña de azúcar, de uva Isabella, y en menor proporción la actividad de ganadería.

Tabla 4-5. Muestra de soluciones eficientes obtenidas al incrementar un 30 % las horas

de mano de obra disponibles al año.
% %
𝒇𝟏 𝒇𝟐 𝒇𝟑 𝒙𝟏 𝒙𝟐 𝒙𝟑 𝒙𝟒
Soluciones capital horas
eficientes ($) ($) (horas/ (ha) (ha) (ha) (ha) usado usadas
hombre) Caña Uva
 80 Planificación ex - ante del uso de la tierra con programación multiobjetivo, en un
agroecosistema de cultivos y ganadería bovina en el Valle del Cauca, Colombia

Margen bruto Riesgo Mara Gana

medio económico cuyá dería

A 417 864 520 819 474 379 21 241 50 7 1 5 63% 98%

B 374 567 718 572 250 368 67 266 43 6 1 12 61% 101%
C 481 093 796 819 474 379 67 266 52 10 1 0 71% 108%
D 99 832 790 325 026 356 113 290 0 0 0 63 49% 132%
E 374 567 718 572 250 368 113 290 43 6 1 13 61% 101%
F 481 093 796 819 474 379 113 290 52 10 1 0 71% 108%
Media 343 339 706 634 056 370 78 772 36 6 1 20 61% 108%

Convenciones: 𝒇𝟏 Margen bruto, 𝒇𝟐 Riego económico predial, 𝒇𝟑 Optimización de mano

de obra, 𝒙𝟏 Cultivo de caña de azúcar, 𝒙𝟐 Cultivo de uva Isabella, 𝒙𝟑 Cultivo de maracuyá,
𝒙𝟒 Actividades ganaderas, ha hectárea.

Tabla 4-6. Muestra de soluciones eficientes obtenidas al reducir el capital disponible en

un 30 %, es decir, un escenario de escasez de recursos económicos.

% %
Soluciones
𝒇𝟏 𝒇𝟐 𝒇𝟑 𝒙𝟏 𝒙𝟐 𝒙𝟑 𝒙𝟒 capital horas
eficientes ($) ($) (horas/ (ha) (ha) (ha) (ha) usado usadas
Margen Riesgo hombre) Caña Uva Mara Gana
bruto medio económico cuyá dería
A 417 864 520 819 474 379 21 241 50 7 1 5 63% 98%
B 374 567 718 572 250 368 67 266 43 6 1 12 61% 101%
C 481 093 796 819 474 379 67 266 52 10 1 0 71% 108%
D 99 832 790 325 026 356 113 290 0 0 0 63 49% 132%
E 374 567 718 572 250 368 113 290 43 6 1 13 61% 101%
F 481 093 796 819 474 379 113 290 52 10 1 0 71% 108%
Media 343 339 706 634 056 370 78 772 36 6 1 20 61% 108%

Convenciones: 𝒇𝟏 Margen bruto, 𝒇𝟐 Riego económico predial, 𝒇𝟑 Optimización de mano

de obra, 𝒙𝟏 Cultivo de caña de azúcar, 𝒙𝟐 Cultivo de uva Isabella, 𝒙𝟑 Cultivo de maracuyá,
𝒙𝟒 Actividades ganaderas, ha hectárea.
Planificación ex - ante del uso de la tierra con programación multiobjetivo, en un 81
agroecosistema de cultivos y ganadería bovina en el Valle del Cauca, Colombia

Tabla 4-7. Muestra de soluciones eficientes obtenidas al reducir el terreno disponible en

un 50 %, es decir, un escenario de escasez del recurso tierra.
% %
Soluciones
𝒇𝟏 𝒇𝟐 𝒇𝟑 𝒙𝟏 𝒙𝟐 𝒙𝟑 𝒙𝟒 capital horas
eficientes ($) ($) (horas/ (ha) (ha) (ha) (ha) usado usadas
Margen Riesgo hombre) Caña Uva Mara Gana
bruto Económico cuyá dería
A 300 641 895 627 520 221 24 916 22 8 1 0 46% 99%
B 240 978 647 395 016 699 38 633 19 6 1 5 39% 89%
C 322 741 383 627 520 221 38 633 21 9 1 0 50% 110%
D 49 916 395 162 513 178 52 349 0 0 0 31 24% 86%
E 241 841 779 395 016 699 52 349 22 5 1 3 38% 82%
F 333 862 290 627 520 221 52 349 20 10 1 0 53% 115%
Media 231 224 020 441 517 404 41 376 17 6 1 7 40% 93%

Convenciones: 𝒇𝟏 Margen bruto, 𝒇𝟐 Riego económico predial, 𝒇𝟑 Optimización de mano

de obra, 𝒙𝟏 Cultivo de caña de azúcar, 𝒙𝟐 Cultivo de uva Isabella, 𝒙𝟑 Cultivo de maracuyá,
𝒙𝟒 Actividades ganaderas, ha hectárea.
 82 Planificación ex - ante del uso de la tierra con programación multiobjetivo, en un
agroecosistema de cultivos y ganadería bovina en el Valle del Cauca, Colombia

5. Conclusiones
 Se logró formular y validar el modelo de Programación Lineal Multiobjetivo
propuesto. Con él se puede planificar de forma ex ante las áreas de terreno y la
asignación de las producciones, mediante una modelación en la que se pueden
analizar de forma simultanea múltiples objetivos y las restricciones propias del
sistema, la simulación de las combinaciones más eficientes según el tipo de análisis
que se proyecte, ayudando al agente decisor a tomar las decisiones previas a la
ejecución de las actividades productivas.

 Para el caso de estudio las soluciones eficientes mostraron las combinaciones para
las tres funciones de forma simultánea (maximización del margen bruto promedio,
minimización del riesgo económico predial y la optimización de la mano de obra),
independientemente de las condiciones edafoclimaticas de la finca, estas le
servirán al propietario como guía, puesto que se lograron mediante el análisis de
los datos históricos de sus producciones durante los 7 años estudiados.

 El análisis demostró que las actividades más determinantes para lograr un mejor
margen bruto son la caña de azúcar y la uva Isabella, siendo el primero el que
ocupa mayor área y el segundo el de mayores costos de producción. Para lograr
mayor optimización de la mano de obra las actividades deben ser caña de azúcar
y ganadería.

 Cuando se analizó de forma simultanea pares de funciones, los datos de la

operación histórica del propietario, si bien no son eficientes al análisis Pareto
optimó, si están muy cerca a esta frontera cuando el análisis es para las funciones
de margen bruto y riesgo económico predial, teniendo en cuenta el capital
disponible o proyectado para cada año por el propietario.
Planificación ex - ante del uso de la tierra con programación multiobjetivo, en un 83
agroecosistema de cultivos y ganadería bovina en el Valle del Cauca, Colombia

 En este caso de estudio, para los diferentes análisis, el factor limitante es la

disponibilidad de mano de obra, según los datos de la empresa suministrados por
el propietario.

 En el sector agropecuario no es común observar métodos como este para la

distribución predial. Los modelos matemáticos proveen una guía de planificación a
los agricultores, los cuales pueden articular con sus conocimientos sobre, por
ejemplo, las plagas que se presentan dentro de un predio.

 Para realizar este tipo de estudio los mayores limitantes que se tienen para aplicar
los modelos de programación lineal multiobjetivo, son la falta de información en la
empresa agropecuaria y de técnicos agropecuarios con los conocimientos
matemáticos y de Tics, al igual que de equipos interdisciplinarios que permitan
abordar simultáneamente mayor información, para la planeación ex – ante de forma
holística y sostenible.
84 Planificación ex - ante del uso de la tierra con programación multiobjetivo, en un
agroecosistema de cultivos y ganadería bovina en el Valle del Cauca, Colombia

6. Recomendaciones
 La aplicación de este modelo multiobjetivo, permite realizar una planificación del
uso de la tierra, de los recursos disponibles y sus restricciones para que los
empresarios agropecuarios que tengan la información requerida para su aplicación,
puedan tomar las decisiones más acertadas sin que se requiera haber ejecutado
sus proyectos con los riesgos y consecuencias que se corren en el sector
agropecuario, logrando así mejores rendimientos y una adecuada planificación de
sus producciones, teniendo como base sus históricos de producción.

 Se recomienda en futuros estudios incorporar mayor información como temas

ambientales, sociales, mercados, ampliando el estudio a regiones y nivel nacional
a través de las entidades encargadas de la planificación de este sector económico.

 Sería importante que la Universidad, el SENA y otras instituciones de formación

para el campo, incorporaran estos temas de modelación en sus programas de
formación, teniendo en cuenta los beneficios que esta ciencia ha proporcionado en
las diferentes áreas de producción, social y ambiental. Además, crear líneas de
investigación que incluyan este tema. Realizando la socialización a los productores
para que conozcan las bondades de su aplicación.

 Otra aplicación debería ser para la planificación de los entes gubernamentales que
se encargan de realizar la planificación del sector agropecuario de nuestro país.
Planificación ex - ante del uso de la tierra con programación multiobjetivo, en un 85
agroecosistema de cultivos y ganadería bovina en el Valle del Cauca, Colombia
 Anexo A: Formulación compacta del
problema de optimización

La formulación del modelo de programación lineal multiobjetivo contiene la siguiente

notación:

Conjuntos

𝐶 Tipos de actividades agropecuarias con las cuales se puede utilizar el terreno

disponible.

Parámetros

𝑇 Número de periodos del horizonte de análisis.

𝑚𝑖𝑗 Margen bruto [$/ha] generado por la actividad agropecuaria 𝑖 obtenido en el año 𝑗,
𝑖 ∈ 𝐶, 𝑗 = 1,2, … , 𝑇.

𝑚̅𝑖 Margen bruto medio [$/ha] generado por la actividad agropecuaria 𝑖 en el año 𝑗,
̅ 𝑖 = (1/𝑇) ∑𝑇𝑗=1 𝑚𝑖𝑗 .
𝑖 ∈ 𝐶, 𝑗 = 1,2, … , 𝑇. Note que 𝑚

𝑎𝑖𝑗 Horas hombre por hectárea por año [h/ha-año] requeridas para operar la actividad
agropecuaria 𝑖 en el año 𝑗, 𝑖 ∈ 𝐶, 𝑗 = 1,2, … , 𝑇.

ℎ𝑗 Disponibilidad de horas [h] de mano de obra totales en el año 𝑗, 𝑗 = 1,2, … , 𝑇.

𝑞𝑖 Capital requerido [$/ha] para trabajar una hectárea de la actividad agropecuaria

𝑖, 𝑖 ∈ 𝐶.

𝑆 Disponibilidad de terreno [ha] para realizar las actividades agropecuarias.

𝐾𝑗 Capital disponible [$] en el año 𝑗, 𝑗 = 1,2, … , 𝑇.

𝑁𝑖 Número mínimo de hectáreas a considerar para la actividad agropecuaria 𝑖, 𝑖 ∈ 𝐶.

 88 Planificación ex-ante con análisis multiobjetivo, para optimizar el uso de la tierra
en un agroecosistema agropecuario en Cerrito, Valle del Cauca, Colombia

Variables de decisión

𝑥𝑖 Cantidad de hectáreas de tierra dedicadas a la actividad agropecuaria 𝑖, 𝑖 ∈ 𝐶.

Formulación de las funciones objetivo

Maximización del margen bruto

En primera instancia se pretende maximizar el margen bruto promedio total. Dicho

margen bruto promedio total puede calcularse como sigue:

max ∑𝑚
̅ 𝑖 𝑥𝑖 .
𝑖∈𝐶

Minimización del riesgo económico predial

Se tomará como referencia el modelo de Hazell (1971) y Bocco, Sayago, y Tártaro (2002),
asumiendo el riesgo como la sumatoria de las desviaciones absolutas de los márgenes
brutos de cada alternativa productiva, con respecto al promedio del margen bruto de cada
una de ellas para cada año, en el periodo de 6 años de estudios (2010 a 2016). De esta
forma, este objetivo queda formulado de la siguiente manera:
𝑇

min ∑ |∑ 𝑚𝑖𝑗 𝑥𝑖 − 𝑚
̅ 𝑖 𝑥𝑖 | .
𝑗=1 𝑖∈𝐶

Observe que la función objetivo anterior es una función no lineal; sin embargo, se conoce
una formulación lineal equivalente para dicha función. Para esto sean 𝑛𝑗 y 𝑝𝑗 , 𝑗 = 1,2, … , 𝑇,
dos nuevas variables de decisión (ver también Ignizio (1976)). La formulación equivalente
requiere también la adición de un nuevo conjunto de restricciones como sigue:
𝑇

min ∑ 𝑛𝑗 + 𝑝𝑗 ,
𝑗=1

s. a. ∑ 𝑚𝑖𝑗 𝑥𝑖 − 𝑚
̅ 𝑖 𝑥𝑖 = 𝑛𝑗 − 𝑝𝑗 , ∀𝑗 = 1,2, … , 𝑇.
𝑖∈𝐶
Bibliografía 89

Optimización de la mano de obra contratada

Para abordar este objetivo, es necesario conocer las exigencias de mano de obra según
ciclo agrícola, de cada uno de los sistemas de cultivo y el agroecosistema de ganadería
para producción de leche, durante el periodo de estudio (2010 a 2016). En este sentido,
se pretende que el tiempo de trabajo se ajuste lo más posible al tiempo disponible al año
evitando tiempos ociosos o uso de tiempo extra no programado. La función objetivo
quedaría formulada como sigue
𝑇

min ∑ |∑ 𝑎𝑖𝑗 𝑥𝑖 − ℎ𝑗 | .
𝑗=1 𝑖∈𝐶

Al igual que la función objetivo anterior, esta función es no lineal, su transformación a una
función lineal equivalente se realiza añadiendo las variables adicionales 𝑟𝑗 y 𝑠𝑗 , 𝑗 = 1,2, … , 𝑇,
y un conjunto de restricciones adicionales. En este sentido el problema modificado es:
𝑇

min ∑ 𝑟𝑗 + 𝑠𝑗 ,
𝑗=1

s. a. ∑ 𝑎𝑖𝑗 𝑥𝑖 − ℎ𝑗 = 𝑟𝑗 − 𝑠𝑗 , ∀𝑗 = 1,2, … , 𝑇.
𝑖∈𝐶

Restricciones del sistema

En primera instancia se tienen restricciones de terreno disponible. En este sentido el

terreno usado para las distintas actividades agropecuarias debe coincidir con el terreno
disponible. Esta restricción queda formulada como sigue:

∑ 𝑥𝑖 = 𝑆.
𝑖∈𝐶

Por otro lado, las restricciones de capital implican que el costo de operar cada actividad
agropecuaria no debe exceder el capital disponible por año. Esto es:

∑ 𝑐𝑖 𝑥𝑖 ≤ 𝐾𝑗 , ∀𝑗 = 1,2, … , 𝑇.
𝑖∈𝐶
 90 Planificación ex-ante con análisis multiobjetivo, para optimizar el uso de la tierra
en un agroecosistema agropecuario en Cerrito, Valle del Cauca, Colombia

Por último, se tienen restricciones acerca del número de hectáreas mínimos a considerar
en cada tipo de actividad agropecuaria.
𝑥𝑖 ≥ 𝑁𝑖 , ∀𝑖 ∈ 𝐶.

De esta forma, la formulación matemática del modelo sería la siguiente:

min 𝑓1 = − ∑ 𝑚
̅ 𝑖 𝑥𝑖 ,
𝑖∈𝐶
𝑇

min 𝑓2 = ∑ 𝑛𝑗 + 𝑝𝑗 ,
𝑗=1
𝑇

min 𝑓3 = ∑ 𝑟𝑗 + 𝑠𝑗 ,
𝑗=1

s. a. ∑ 𝑚𝑖𝑗 𝑥𝑖 − 𝑚
̅ 𝑖 𝑥𝑖 = 𝑛𝑗 − 𝑝𝑗 , ∀𝑗 = 1,2, … , 𝑇,
𝑖∈𝐶

∑ 𝑎𝑖𝑗 𝑥𝑖 − ℎ𝑗 = 𝑟𝑗 − 𝑠𝑗 , ∀𝑗 = 1,2, … , 𝑇,
𝑖∈𝐶

∑ 𝑐𝑖 𝑥𝑖 ≤ 𝐾𝑗 , ∀𝑗 = 1,2, … , 𝑇,
𝑖∈𝐶

∑ 𝑥𝑖 = 𝑆,
𝑖∈𝐶

𝑥𝑖 ≥ 𝑁𝑖 , ∀𝑖 ∈ 𝐶,
𝑥𝑖 , 𝑛𝑗 , 𝑝𝑗 , 𝑟𝑗 , 𝑠𝑗 ≥ 0, ∀𝑖 ∈ 𝐶, 𝑗 = 1,2, … , 𝑇.
Bibliografía 91

Anexo B. Código en MATLAB del

método restricciones 𝝐

clear all
close all
clc

load Parameters

% Se asume que todos los datos están guardados en el archivo denominado

“Parameters”. Este contiene A, Aeq, b, beq, F.

LB = zeros(size(F,1),1);
k = size(F,2); % Number of objectives
n = 3; % Number of Pareto points
options = optimoptions('linprog', 'display','off'); % Ajuste del
algoritmo de programación lineal

% Construcción de la tabla de pagos

PayoffTable = zeros(k,k);
for i = 1:k
[x, fval] = linprog(F(:,i), A, b, Aeq, beq, LB, [], [], options);
AeqNew = cat(1,Aeq,F(:,i)');
beqNew = cat(1, beq, fval);
for j = 1:k
if i == j
PayoffTable(i,j) = fval;
else
[x1, fval1] = linprog(F(:,j), A, b, AeqNew, beqNew, LB, [],
[], options);
PayoffTable(i,j) = F(:,j)'*x1;
if isempty( linprog(F(:,j), A, b, cat(1, AeqNew, F(:,j)'),
cat(1, beqNew, fval1), LB, [], [], options) ) == 0
beqNew = cat(1, beqNew, fval1);
AeqNew = cat(1, AeqNew, F(:,j)');
end
end
end
end

% Construcción de la lista de valores epsilon

eps_min = min(PayoffTable(:,2:end));
eps_max = max(PayoffTable(:,2:end));
eps = zeros(n,k-1);
for i = 2:k
eps(:,i-1) = eps_min(i-1):(eps_max(i-1) - eps_min(i-1))/(n-
1):eps_max(i-1);
end
 92 Planificación ex-ante con análisis multiobjetivo, para optimizar el uso de la tierra
en un agroecosistema agropecuario en Cerrito, Valle del Cauca, Colombia

% Resolución del problema para cada valor de epsilon

fval1 = zeros(n,n);
fval2 = zeros(n,n);
fval3 = zeros(n,n);
rXi = 10e-6*(eps_max - eps_min);
F = cat( 1, F, [rXi 0] );

A = cat( 2, A, zeros(size(A,1),1) );
LB = [LB; 0];
for i = 1:n
for j = 1:n
AeqNew = cat(2, Aeq, zeros(size(Aeq,1),1));
AeqNew = cat(1, AeqNew, [F(1:end-1,2:end)', ones(k-1,1)]);
beqNew = cat(1,beq,[eps(i,1);eps(j,2)]);
[x, ~, exitflag] = linprog(F(:,1), A, b, AeqNew, beqNew, LB, [],
[],options);

if exitflag ~= 1; % Consideración de soluciones factibles

fval1(i,j) = inf;
fval2(i,j) = inf;
fval3(i,j) = inf;
else
fval1(i,j) = F(:,1)'*x;
fval2(i,j) = F(:,2)'*x;
fval3(i,j) = F(:,3)'*x;

% Para el reporte de resultados

FVALS = [F(:,1)'*x, F(:,2)'*x, F(:,3)'*x];
XVALS = x(1:4)';
PH = mean(Aeq(7:12,1:4)*x(1:4)./beq(7:12));
CU = mean(A(1:6,1:4)*x(1:4)./b(1:6));
Sol(n*(j-1)+i,:) = [FVALS, XVALS, CU, PH];
end

end
end

% Grafica de los resultados

n = 15;
v = eps_min(2-1):(eps_max(2-1) - eps_min(2-1))/(n-1):eps_max(2-1);
contour(fval1, fval3, fval2, v, 'ShowText','on');
xlabel('$f_1$','Interpreter','latex')
ylabel('$f_3$','Interpreter','latex')

figure;
mesh(fval1, fval2, fval3)
xlabel('$f_1$','Interpreter','latex')
ylabel('$f_2$','Interpreter','latex')
zlabel('$f_3$','Interpreter','latex')
Bibliografía 93

Anexo C. Lista detallada de

soluciones eficientes
% capital % horas
𝒇𝟏 𝒇𝟐 𝒇𝟑 𝒙𝟏 𝒙𝟐 𝒙𝟑 𝒙𝟒
usado usadas
432 735 715 686 454 854 81 432 52 10 1 0 1 1
425 611 610 686 454 854 73 457 52 10 1 0 1 1
418 437 130 686 454 854 65 481 53 9 1 0 1 1
410 734 100 686 454 854 57 506 53 9 1 0 1 1
406 388 765 632 021 666 81 432 48 9 1 4 1 1
404 735 152 632 021 666 73 457 50 9 1 3 1 1
403 081 538 632 021 666 65 481 51 9 1 2 1 1
402 184 239 686 454 854 49 531 54 8 1 0 1 1
401 427 924 632 021 666 57 506 52 8 1 2 1 1
399 445 031 632 021 666 49 531 53 8 1 0 1 1
393 634 377 686 454 854 41 556 54 7 1 0 1 1
393 634 377 632 021 666 41 556 54 7 1 0 1 1
385 084 516 686 454 854 33 580 55 7 1 0 1 1
385 084 516 632 021 666 33 580 55 7 1 0 1 1
380 041 817 577 588 478 81 432 45 8 1 8 1 1
378 388 203 577 588 478 73 457 46 8 1 7 1 1
376 734 589 577 588 478 65 481 48 8 1 6 1 1
376 534 655 686 454 854 25 605 55 6 1 0 1 1
376 534 652 632 021 666 25 605 55 6 1 0 1 1
375 080 975 577 588 478 57 506 49 7 1 6 1 1
373 427 362 577 588 478 49 531 50 7 1 5 1 1
371 771 353 577 588 478 41 556 51 7 1 4 1 1
369 588 577 577 588 478 33 580 52 6 1 3 1 1
367 984 794 632 021 666 17 630 56 6 1 0 1 1
367 984 794 686 454 854 17 630 56 6 1 0 1 1
367 405 799 577 588 478 25 605 54 6 1 2 1 1
365 223 023 577 588 478 17 630 55 6 1 0 1 1
353 694 868 523 155 290 81 432 42 7 1 12 1 1
352 041 254 523 155 290 73 457 43 7 1 11 1 1
350 387 641 523 155 290 65 481 44 7 1 11 1 1
348 734 027 523 155 290 57 506 45 6 1 10 1 1
347 080 413 523 155 290 49 531 47 6 1 9 1 1
345 426 799 523 155 290 41 556 48 6 1 8 1 1
343 773 185 523 155 290 33 580 49 6 1 7 1 1
341 914 899 523 155 290 25 605 50 5 1 6 1 1
339 448 584 523 155 290 17 630 52 5 1 5 1 1
326 371 656 468 722 103 81 432 40 6 1 16 1 1
325 694 306 468 722 103 73 457 40 6 1 16 1 1
324 040 692 468 722 103 65 481 41 6 1 15 1 1
 94 Planificación ex-ante con análisis multiobjetivo, para optimizar el uso de la tierra
en un agroecosistema agropecuario en Cerrito, Valle del Cauca, Colombia

322 387 078 468 722 103 57 506 42 5 1 14 1 1

320 733 464 468 722 103 49 531 43 5 1 13 1 1
319 079 851 468 722 103 41 556 45 5 1 12 1 1
317 426 237 468 722 103 33 580 46 5 1 11 1 1
315 772 623 468 722 103 25 605 47 4 1 10 1 1
313 422 410 468 722 103 17 630 48 4 1 9 1 1
298 767 529 414 288 915 81 432 37 5 1 19 1 1
298 767 529 414 288 915 73 457 37 5 1 19 1 1
297 693 743 414 288 915 65 481 38 5 1 19 1 1
296 040 129 414 288 915 57 506 39 4 1 18 1 1
294 386 516 414 288 915 49 531 40 4 1 17 1 1
292 732 902 414 288 915 41 556 41 4 1 16 1 1
291 079 288 414 288 915 33 580 43 4 1 15 1 1
288 870 139 414 288 915 25 605 44 3 1 14 1 1
286 441 666 414 288 915 17 630 46 3 1 13 1 1
271 163 402 359 855 727 65 481 35 4 1 23 1 1
271 163 402 359 855 727 81 432 35 4 1 23 1 1
271 163 402 359 855 727 73 457 35 4 1 23 1 1
269 693 181 359 855 727 57 506 36 4 1 22 1 1
268 039 567 359 855 727 49 531 37 3 1 21 1 1
266 385 953 359 855 727 41 556 38 3 1 20 1 1
264 271 175 414 288 915 9 655 46 2 1 14 0 1
264 271 174 632 021 666 9 655 46 2 1 14 0 1
264 271 174 577 588 478 9 655 46 2 1 14 0 1
264 271 174 523 155 290 9 655 46 2 1 14 0 1
264 271 174 686 454 854 9 655 46 2 1 14 0 1
264 271 174 468 722 103 9 655 46 2 1 14 0 1
264 205 829 359 855 727 33 580 40 3 1 19 1 1
261 777 356 359 855 727 25 605 41 2 1 18 1 1
259 348 884 359 855 727 17 630 43 2 1 17 1 1
243 559 276 305 422 540 81 432 33 3 1 26 1 1
243 559 276 305 422 540 65 481 33 3 1 26 1 1
243 559 276 305 422 540 73 457 33 3 1 26 1 1
243 346 232 305 422 540 57 506 33 3 1 26 1 1
241 692 618 305 422 540 49 531 34 2 1 25 1 1
239 541 519 305 422 540 41 556 35 2 1 24 1 1
237 113 047 305 422 540 33 580 37 2 1 23 1 1
234 684 574 305 422 540 25 605 39 1 1 22 0 1
232 256 101 305 422 540 17 630 40 1 1 20 0 1
215 955 149 250 989 352 65 481 30 1 1 30 1 1
215 955 149 250 989 352 73 457 30 1 1 30 1 1
215 955 149 250 989 352 81 432 30 1 1 30 1 1
215 955 149 250 989 352 57 506 30 1 1 30 1 1
214 877 210 250 989 352 49 531 31 1 1 29 1 1
212 448 737 250 989 352 41 556 33 1 1 28 0 1
210 020 264 250 989 352 33 580 34 1 1 27 0 1
Bibliografía 95

207 591 792 250 989 352 25 605 36 0 1 25 0 1

161 764 229 196 556 164 81 432 26 0 0 36 0 1
161 764 229 196 556 164 65 481 26 0 0 36 0 1
161 764 229 196 556 164 49 531 26 0 0 36 0 1
161 764 229 196 556 164 73 457 26 0 0 36 0 1
161 764 229 196 556 164 57 506 26 0 0 36 0 1
 96 Planificación ex-ante con análisis multiobjetivo, para optimizar el uso de la tierra
en un agroecosistema agropecuario en Cerrito, Valle del Cauca, Colombia

Bibliografía

Alcaldia de Ginebra, V. del C. (2017). Sitio Oficial del Municipio de Ginebra, Valle del
Cauca, Colombia. Recuperado 25 de enero de 2017, a partir de [Link]
[Link]/informacion_general.shtml

Alvarado Boirivant, J. (2009). La programación lineal aplicación de las pequeñas y

medianas empresas. Rev. Reflexiones, 88(1), 89-105. Recuperado a partir de
[Link]

Alvarado Boirivant, J. (2011). El análisis Post-Optimal en Programación Lineal Aplicada a

la Agricultura. Reflexiones, 90(1), 161-173. Recuperado a partir de
[Link]

Anghinoni, i., moraes, a., carvalho, p. C. F., souza, e. D., conte, o., & lang, c. R. (2012).
Beneficios da integração lavoura-pecuária sobre a fertilidade do solo em sistema
plantio direto. Recuperado 23 de mayo de 2018, a partir de
[Link]
integracao-lavoura-pecuaria-sobre-a-fertilidade-do-solo-em-sistema-plantio-direto

Arancibia, S., Contreras, E., Mella, S., Torres, P., & Villablanca, I. (2005). Evaluación
Multicriterio: aplicación para la formulación de proyectos de infraestructura deportiva.
Santiago de Chile. Recuperado a partir de
[Link]

Aranda Pinilla, J. A., & Orjuela Castro, J. A. (2015). Optimización multiobjetivo en la gestión
de cadenas de suministro de biocombustibles TT - Una revisión de la literatura
Multiobjective optimization in biofuel supply chain management. A review of the
literature. Ingeniería, 20(1), 21-47. Recuperado a partir de
[Link]
750X2015000100004&lang=pt
Bibliografía 97

ASOCAÑA. (2017). El sector azucarero Colombiano en la actualidad. Recuperado 25 de

mayo de 2018, a partir de [Link]

Azuara, G. (2017). Modelo Multiobjetivo De Asignación Sostenible De Usos Del Suelo

Tesis Doctoral Presentada por. Universidad de Córdoba. Recuperado a partir de
[Link]/publicaciones

Balbino, L. C., Porfírio-da-Silva, V., Kichel, A. N., Rosinha, R. O., & Costa, J. A. (2011).
Documentos 303: Manual Orientador para Implantação de Unidades de Referência
Tecnológica de Integração Lavoura-Pecuária- Floresta – URT iLPF. Embrapa
Cerrados. Documentos 303. Planaltina-DF.
[Link]

Baltazar, J. (2011). Programación lineal. Mexico: Universidad Autónoma del Estado de

Hidalgo, Escuela Superior Huejutla, México. Recuperado a partir de
[Link]
struc/pro_lineal.pdf

Banco Agrario de Colombia. (2015, noviembre). Colombia: Perspectivas macro del sector
agropecuario en 2015 – 2016. Investigaciones Economicas, 4. Recuperado a partir
de
[Link]
[Link]

Barón, J. (2013). Modelo de Programación Matemática para la cadena de Biocombustibles

Biodiesel, en el departamento del Meta, Colombia.

Barros, J. A. (2016). Evaluacion Ex-ante y Ex-post del uso de modelos de simulación un

estudio de casos. Universidad de Chile. Recuperado a partir de
[Link]
[Link]?sequence=1
 98 Planificación ex-ante con análisis multiobjetivo, para optimizar el uso de la tierra
en un agroecosistema agropecuario en Cerrito, Valle del Cauca, Colombia

Bocco, M., Sayago, S., & Tártara, E. (2002). Modelos multicriterio: una aplicación a la
selección de alternativas productivas. Agricultura Técnica, 62(3), 450-462.
[Link]

Botero, P. J., Rodríguez, J., & Rodríguez, C. (2006). Paisajes y territorio ancestral de
Palmira Valle del Cauca,. En Territorio ancestral, rituales funerarios y chamanismo en
Palmira prehispánica. Departamento de Antropología. Recuperado a partir de
[Link]/1552/2/01P

CDIM-ESAP. (2017). La planificación del uso de la tierra. Sistema de documentacion en

informacion municipal. Recuperado 2 de febrero de 2017, a partir de
[Link] PDF/la planificacion del uso de la
[Link].

CEPAL. (2013). Gestión integral de riesgos y seguros agropecuarios en Centroamérica y

la República Dominicana: Situación actual y líneas de acción potenciales.

CONPES. (2014). Documento CONPES: política para el desarrollo integral de la orinoquia:

altillanura -fase i. Bogota, Colombia: Consejo Nacional de Política Economica y Social
. Recuperado a partir de [Link]
Altillanura [Link]

Coronel, M., & Araujo, P. (2004). La Programación Lineal Aplicada Al Manejo Forestal,
Economía y Administración forestal, Facultad de ciencias Forestales, Universidad
Nacional de Santiago del Estero, Argentina. Recuperado a partir de
[Link]
[Link]

Corporacion PBA, & ECOPETROL. (2012). Planificacion Predial Participativa/ Ordenando

la finca para mejorar la producción. Bogota, Colombia. Recuperado a partir de
[Link] Predial
[Link]
Bibliografía 99

DANE, & ENA. (2014). Boletin Tecnico: Encuesta nacional agropecuaria. Bogota,
Colombia: DANE. Recuperado a partir de
[Link]
na_2014.pdf

DNP. (2011). Bases del Plan nacional de desarrollo 2010-2014. Bogota, Colombia:
Departamento Nacional de Planeacion. Recuperado a partir de
[Link] PND 2010-2014 Versión 5 14-04-
2011 [Link]

DNP. (2013). Manual de Soporte Conceptual Metodología General de Formulación y

Evaluación de Proyectos de Inversión Pública, Dirección de Inversiones y Finanzas
Públicas. Bogota D.C. Recuperado a partir de
[Link]

Eiselt, H. A., & Sandblom, C. L. (2007). Linear programming and its applications. Springer
Science & Business Media. Recuperado a partir de
[Link]
ming_and_its_Applications.pdf

Eisgruber, L. M., & Reisch, E. (1961). A note on the application of linear programming by
agricultural economics departments of land grant colleges. Journal of Farm
Economics, 43(2), 303-307.

El Pais. (2017, mayo 7). Estos diez cultivos podrían transformar al Valle del Cauca.
Periodico El Pais noticias de Economia, p. 1. Recuperado a partir de
[Link]
[Link]

El Tiempo. (2016). Casa Domecq intensificará el cultivo de uva Isabella. Recuperado 25

de mayo de 2018, a partir de [Link]
intensificara-el-cultivo-de-uva-isabella-37643
 10 Planificación ex-ante con análisis multiobjetivo, para optimizar el uso de la tierra
0 en un agroecosistema agropecuario en Cerrito, Valle del Cauca, Colombia

Escobar, J. D., & Rivas, D. A. (2013). Modelos de optimización estocástica en la generación

térmica de energía eléctrica. Universidad de el Salvador. Recuperado a partir de
[Link]

Estupiñan, F. (2017, enero 7). Más sombras que luces para el agro en el 2017. El
Espectador, p. 1. Recuperado a partir de
[Link]
2017-articulo-673662

FAO. (2014). La gestión de riesgos climáticos catastróficos para el sector agropecuario en

México: Caso del componente para la atención a desastres naturales para el sector
agropecuario. Mexico. Recuperado a partir de [Link]
static/cms/media/20/13954329605800/[Link]

FAO. (2017). El futuro de la alimentación y la agricultura: Tendencias y desafíos.

Organizacion de las Naciones Unidas para la alimentación y la agricultura.
Recuperado a partir de [Link]

FEDEGAN. (2018). Ganadería Colombiana Sostenible. Recuperado 25 de mayo de 2018,

a partir de [Link]

Fernández, B. G., & Escribano, C. M. (2014). Decision Theory: state of the art after three
hundred years. Boletín de Estadística e Investigación de Operaciones, 30(3), 292-
312. Recuperado a partir de [Link]
/files/BEIOVol30Num3_HistoriayEnsenanza.pdf

FINAGRO. (2014). Perspectiva del sector agropecuario Colombiano. Bogota, Colombia.

Recuperado a partir de
[Link]
[Link]
Bibliografía 101

Fonseca, F. (2018). Este es el talón de aquiles del sector agropecuario Colombiano.

Recuperado 30 de mayo de 2018, a partir de [Link]
impresa/pais/articulo/fallas-del-sector-agropecuario-en-colombia/256769

Frank, R, G., George, B., & Dantzig. (2014). La programación lineal y el sector agrario,
Reconocimiento de la Sociedad Argentina a los Referentes del Cambio realizada a
través del programa “Argentina, Sociedad Anónima”. Recuperado a partir de
[Link]
Dantzig, la programación [Link]?sequence=1%0A

Frank, R. (2001). Planeamiento de la empresa con programación lineal. Documento de

Administración Rural. Facultad de Agronomía. Universidad de Buenos Aires. FAUBA.
Buenos Aires. Buenos Aires: Documento de Administración Rural. Facultad de
Agronomía.

FUNDESYRAM. (2011). ¿Cómo enseñar a tomar decisiones acertadas? Proceso para la

toma de decisiones. Recuperado 18 de enero de 2019, a partir de
[Link]

Garcia, G. (2017). Programación por metas: explicación y ejemplo -. Recuperado 18 de

enero de 2019, a partir de [Link]
explicacion-y-ejemplo/

Getán, J., & Boj, E. (2014). Programación lineal. Barcelona: Universitat de Barcelona.
Recuperado a partir de
[Link] [Link]

Gobernación de Antioquia. (2014). Manual técnico del cultivo de maracuyá bajo buenas
practicas agricolas (1.a ed.). Medellín, Colombia: Francisco Velez. Recuperado a partir
de [Link] BPA_0.pdf

Gutiérrez, H., & Buitrago, J. (1974). Cálculo de raciones de mínimo costo para cerdos en
zonas tropicales, CIAT Cali Colombia. Recuperado a partir de
 10 Planificación ex-ante con análisis multiobjetivo, para optimizar el uso de la tierra
2 en un agroecosistema agropecuario en Cerrito, Valle del Cauca, Colombia

[Link]

Guzman, J. (2016, abril 12). Colombia duplicaria su produccion de uva y el valle del cauca
es el líder. Agronegocios, p. 1. Recuperado a partir de
[Link]
y-el-valle-del-cauca-es-el-lider-2621888

Guzmán, N. L. (2010). Modelo logístico de transporte de caña para un trapiche panelero,

Universidad Pontificia Bolivariana Colombia – Palmira.

Hausmann, R., Rodrik, D., & Velasco, A. (2005). Growth Diagnostics. Estados Unidos: John
F. Jennedy School of Government Harvard University. Recuperado a partir de
[Link]
pdf

Hazell, P. (1971). A linear alternative of quadratic and semivariance programming for

farming planing under uncertainty. Am. J. Agric. Econ, 53, 53-62. Recuperado a partir
de
[Link]
_Alternative_to_Quadratic_and_Semi_Variance_Programming_for_Farm_Planning_
Under_Uncertainty/links/[Link]

Heady, E. O. (1954). Simplified presentation and logical aspects of linear programming

technique. Journal of Farm Economics, 36(5), 1035-1048.

Hurtado, F. (1999). Programación lineal multiobjetivo aplicado a sistemas campesinos:

simulación de efectos medioambientales. Peru: Universidad Nacional de San Antonio
Abad del Cusco. Recuperado a partir de
[Link]
Bibliografía 103

ICA. (2011). El cultivo de maracuyá (Passiflora edulis) en temporada invernal. Bogota,

Colombia: Produmedios. Recuperado a partir de
[Link]
[Link]

ICA. (2012). Manejo fitosanitario del cultivo de la vid (Vitis vinifera y [Link]): Medidas
para la temporada invernal. Bogota, Colombia: Produmedios. Recuperado a partir de
[Link]
57b7984c5afb/[Link]

IGAC. (2016). INSTITUTO GEOGRAFICO AGUSTIN CODAZI. Recuperado 27 de enero

de 2016, a partir de [Link]

Ignizio, J. P. (1976). Goal programming and extensions. MA: Lexington Books.

Jiménez, L. G. (2009). Decisiones multicriterio y análisis multiobjetivo. En Universidad

Nacional de Colombia - Sede Manizales (Ed.), Optimizacion (1.a ed., p. 85).
Manizales: Universidad Nacional de Colombia- Sede manizales. Recuperado a partir
de [Link]

Jimenez Lozano, G. (2010). Investigación Operativa I. Universidad de Granada.

Universidad Nacional de Colombia Sede Manizales. Recuperado a partir de
[Link]

Jürgen, B., Kalyanmoy, D., Kaisa, M., & Roman, S. (2008). Multiobjective optimization.
Berlin Heidelberg:Springer.

Kichel, A. N., Costa, J. A. A., Almeida, R. G., & Paulino, V. T. (2014). Sistema de integração
lavoura-pecuária-floresta (ILPP) - Experiencia no Brasil. Boletim de Indústria Animal.
[Link]

Kohout, J. C., & Cainelli C. (1964). Principios básicos de la programación lineal y su

aplicación en agricultura. IDIA.
 10 Planificación ex-ante con análisis multiobjetivo, para optimizar el uso de la tierra
4 en un agroecosistema agropecuario en Cerrito, Valle del Cauca, Colombia

Koopmans, T. (1951). Analysis of production as an efficient combination of activities.

Activity Analysis of Production and Allocations, 13, 33-97.

Leibovich, J., & Estrada, L. (2009). Competitividad del sector agropecuario colombiano
Capitulo IV. Colombia. Recuperado a partir de [Link]
content/uploads/2017/05/[Link]

Lopez, C. (2014). Los 10 cuellos de botella del sector agropecuario | Finanzas | Economía
| Portafolio. Recuperado 24 de mayo de 2018, a partir de
[Link]
60292

Lopez, J. (2013). Optimización multiobjetivo: aplicaciones a problemas del mundo real.

Universidad Nacional de la Plata. Recuperado a partir de
[Link]

MADR. (2017). Implementacion politica para mejorar la competitividad del sector lacteo
nacional. Bogota, Colombia: Ministerio de agricultura y desarrollo rural, Ministerio de
Comercio. Recuperado a partir de
[Link]
Manuel/INFORME UE FASE 2 -TERCER TRAMO VARIABLE %28JUNIO 7 2017%29
%281%[Link]

Maino, M., Pittet, J., & Kobrich, C. (1993). Programación Multicriterio: Un Instrumento Para
El Diseño De Sistemas De Producción. Red Internaciona de Metodologia de
investigacion de sistemas de produccion. Santiago de Chile. Recuperado a partir de
[Link]
[Link]/bitstream/handle/10625/14853/[Link]?sequence=1&isAllo
wed=y

Martin, S. (2017). Tema 8: Toma de Decisiones Multicriterio. Recuperado 10 de abril de

2017, a partir de [Link]
Bibliografía 105

investigacion-operativa-en-ingenieria/Contenido/Materiales/t8.1toma-de-decisiones

Martínez, A. L. (2009). NRC vs. INRA to formulate rations based on dry roughages and
pelleted concentrates for leisure horses. Archivos de zootecnia, 58(223), 333-344.
Recuperado a partir de [Link]
67650489390&partnerID=40&md5=7fe9ae530b4b73c5b8984b9c199a4871

Martinez, M. (2012). Características básicas de los problemas de Programación Lineal (No.

29). Recuperado a partir de
[Link]

Mateo, P. M., & Lahoz, D. (2009). Programación Lineal III. Análisis Post-optimal. Zaragoza:
Programación Lineal III. Recuperado a partir de
[Link]
operativa/ficheros/[Link]

Matthias, E. (2005). Multicriteria Optimization. Berlin: Springer.

Mavrotas, G. (2009). Effective implementation of the ε-constraint method in Multi-Objective

Mathematical Programming problems. Applied Mathematics and Computation, 213(2),
455-465. [Link]

MMA, & A. (2014). Guia para la evaluacion ex ante de proyectos de riego (1.a ed.). Bolivia:
Ministerio de Medio Ambiente y Agua. Recuperado a partir de
[Link]

Mosquera Navia, F. (2011). Diseño de un modelo de planificación de cultivos para mejorar

el desempeño de pequeños y medianos productores de papa en el municipio de
Pasto- Departamento de Nariño.

Muñoz Alcaraz, A. (2016). Productividad vs Erosión una alternativa sostenible. Universidad

de Sevilla. Recuperado a partir de
[Link]
 10 Planificación ex-ante con análisis multiobjetivo, para optimizar el uso de la tierra
6 en un agroecosistema agropecuario en Cerrito, Valle del Cauca, Colombia

f?sequence=1&isAllowed=y

Muñoz, R. ., Ramón Nonato, B., & Albelo, M. (2005). Modelo de programación lineal para
optimizar alternativas agroproductivas en fincas del piedemonte amazónico,
Universidad de la Amazonia, Colombia. Revista Momentos de Ciencia, 3(1), 2006.
Recuperado a partir de [Link]

Murillo, E. B. (2017). Riesgo agropecuario. Apthapi, 2(2), 103-127. Recuperado a partir de

[Link]

Núñez, M., & Aspitia, M. (2013). Manual para Desarrollar Capacidades Institucionales en
la Gestión del Riesgo Agroempresarial (IICA- Instituto Interamericano de Cooperación
para la Agricultura). San Jose, Costa Rica: AGRIS. Recuperado a partir de
[Link]

Otero, J. (2005). Biografía de Vilfredo Pareto Publicación Especializada en Marketing

Dental y Gerencia en Odontología. Revista Virtual Odontología Ejercicio profesional,
6(60), 1608 – 1633. Recuperado a partir de
[Link]

Pacheco, J. F., & Contreras, E. (2008). Manual metodológico de evaluación multicriterio

para programas y proyectos. (CEPAL, Ed.). Santiago de Chile. Recuperado a partir
de [Link]

Pérez, J. (2008). Viabilidad y factibilidad para la creación de una empresa de asistencia

tecnica agropecuaria integral para la región de la Sabana de Bogota. Universidad de
la Salle. Recuperado a partir de
[Link]
[Link]?sequence=1

Pliego Martínez, O. A. (2012). Programación Lineal Multiobjetivo: Análisis, técnicas y casos

de aplicación. Universidad Nacional Autonoma de México. Recuperado a partir de
Bibliografía 107

[Link]
[Link]?sequence=1

Prado, M. F. (2016). El Valle de la uva. Recuperado 25 de mayo de 2018, a partir de

[Link]

Praguer, M. M., Restrepo, J. M., Angel, D. I., Malagon, R. M., & Zamorano, A. M. (2002).
Agroecologia: Una disciplina para el estudio y desarrollo de sistemas sostenibles de
producción agropecuaria (1.a ed.). Palmira: DIPAL. Recuperado a partir de
[Link]

Ramos, A., Sánchez, P., Ferrer, J. M., Barquín, J., & Linares, P. (2010). Modelos
matemáticos de optimización (Publicación ténica). Universidad Pontificia Comillas.
[Link]

Renovación Sindical. (2018). Evolución histórica del salario mínimo en Colombia:

Renovación sindical Antioquia. Recuperado 28 de mayo de 2018, a partir de
[Link]
en-colombia

Reyes, O., & Oslund, F. (2014). Teoría del bienestar y el optimo de pareto como problemas
microeconómicos. Revista Electrónica de Investigación en Ciencias Económicas,
2(3), 217-234. [Link]

Reyes, O., & Oslund, F. (2014). Teoría del bienestar y el óptimo de pareto como problemas
microeconómicos. Revista Electrónica de Investigación en Ciencias Económicas,
2(3), 18. Recuperado a partir de [Link]
[Link]

Rossi, M. A. (1971). El rol de la administración rural en el desarrollo agropecuario

argentino. Idia Inform De Invest Agr.
 10 Planificación ex-ante con análisis multiobjetivo, para optimizar el uso de la tierra
8 en un agroecosistema agropecuario en Cerrito, Valle del Cauca, Colombia

Ruz, J. . (2018). Introducción a la programación matemática. Madrid: Universidad

Complutense de Madrid. Recuperado a partir de
[Link] en aLF/Tema [Link]

Seibane, C., & Riachi, J. (2014). Rol profesional de los ingenieros agrónomos y forestales.
En Introducción A Las Ciencias Agrarias Y Forestales, Una Primera Aproximación A
La Realidad Teoría Y Metodología Para Una Mirada Problematizadora Y Crítica De
Los Distintos Componentes De La Realidad Agropecuaria Y Forestal (1.a ed., p. 354).
Recuperado a partir de
[Link]
quence=3

Soler, S. (2013). Programación Multiobjetivo: Caso práctico aplicado a una compañía

aérea. Unviersidad de Murcia. Recuperado a partir de
[Link]

Swanson, E. R. (1961). Programmed solutions to practical farm problems. Journal of Farm

Economics, 43(2), 386-392.

Toskano, G. B. (2005). El proceso de análisis jerárquico (AHP) como herramienta para la

toma de decisiones en la selección de proveedores. Trabajo de grado (Licenciado en
Investigación). Universidad Nacional Mayor De San Marcos. Recuperado a partir de
[Link]

URPA. (2013). Proyecto: estudios y planificación del uso del suelo rural, con criterios
sociales, económicos y ambientales, Unidad De Planificación De Tierras Rurales,
Adecuación De Tierras Y Usos Agropecuarios. Recuperado a partir de
[Link]/..uso.../39499890-aa61-47b5-b2c2-98c1dccd3978

Zunzunegui, A. (2017). La teoría de la decisión multicriterio. Universidad de Cantabria.

Recuperado a partir de
[Link]
Bibliografía 109

[Link]?sequence=1