Académique Documents
Professionnel Documents
Culture Documents
INTRODUCCION
Los negocios modernos dependen de la medicin y del anlisis del desempeo. Las mediciones deben derivar de la estrategia de la compaa y proporcionar datos e informacin crticos sobre los procesos, las salidas y los resultados dominantes. Los datos y la informacin necesaria para la medicin y la mejora de desempeo son de muchos tipos, incluyendo: cliente, desempeo del producto y del servicio, operaciones, mercado, comparaciones competitivas, proveedores, relativas al personal, costos y financieros. El anlisis exige el uso de data para determinar tendencias, proyecciones, y causas y efectos, cuya fuerza no se hacen evidentes sin anlisis. Los datos y el anlisis soportan una variedad de propsitos de la compaa, tales como planeamiento, repaso de desempeo de la compaa, mejorar operaciones, y comparar desempeo de la compaa con los competidores o con las mejores prcticas pruebas patrones. Una consideracin importante en la mejora del desempeo implica la creacin y el uso de las medidas o de los indicadores de desempeo. Las medidas o los indicadores de desempeo son caractersticas mesurables de productos, servicios, procesos, y de las operaciones que la compaa utiliza para seguir su trayectoria y mejorar su desempeo. Las medidas o los indicadores se deben seleccionar para representar lo mejor posible los factores que conducen al desempeo mejorado del cliente, operacional, y financiero. Un grupo comprensivo de medidas o de indicadores at al cliente y/o los requisitos de desempeo de la compaa representan una base sin obstruccin para alinear todas las actividades con las metas de la compaa. Con el anlisis de datos de los procesos que siguen su trayectoria, las medidas o los indicadores ellos mismos se pueden evaluar y cambiar para mejorar el soporte de tales metas. Todos los datos que a continuacin sern presentados no corresponden a la realidad de ninguna empresa. Son valores arbitrarios utilizados con el fin de presentar una representacin grfica de los indicadores que estudiaremos.
etapas y distinguimos las siguientes: Calidad del Pollito BB, Primera semana, Semanal y Resultado Final.
PRIMERA SEMANA
La primera semana es la etapa ms importante del proceso de crianza de pollo de engorde. Podra compararse en el primer ao de vida de un beb. Si Un beb ha recibido todos los cuidados necesarios tendr un futuro saludable y con gran resistencia a enfermedades. La primera semana en pollos de engorde tiene igual importancia. Si dotamos de las condiciones adecuadas para que ese BB llegue a la primera semana con buenas caractersticas aseguraremos un lote con buen resultado. Las medidas ms comunes en primera semana son: Peso y % de mortalidad. Mientras ms cerca el peso de la primera semana est de la Tabla correspondiente a la lnea gentica mejor ser el desempeo del lote. Generalmente el % mortalidad se considera inferior al 1% y este valor tiene una responsabilidad compartida entre la incubadora y el manejo del criador. Los siguientes grficos muestran la distribucin del peso de primera semana y el % mortalidad de primera semana.
Grfico 1
Grfico 2 Probablemente otra medida poco utilizada por los criadores es la uniformidad del pollo a la primera semana. Al igual que mencionamos en la uniformidad del pollo en la llegada (da 1) se sigue el mismo procedimiento para el sptimo da. Por ejemplo si el promedio del peso de primera semana es de 152 g y la desviacin estndar es de 30 g entonces el coeficiente de variacin es:
Mientras ms pequeo sea el CV mayor ser la uniformidad. Para nuestro ejemplo la uniformidad es del 68%. Cuando el peso promedio es de 152 g y la desviacin estndar de 10 g, entonces
SEMANAL
Los parmetros a medir son bsicamente dos: Peso promedio semanal y % Mortalidad semanal. Evidentemente hay otras medidas a considerar en la evolucin semanal del lote pero se consideran las dos que hemos mencionado como las medidas ms importantes para evaluar el desempeo del lote. El control semanal del peso promedio me dar una idea bien clara de la fecha probable de faenamiento ya que podremos hacer inferencias sobre l. En cuanto a la mortalidad, el registro semanal tambin es
importante controlar ya que me dir cuantos pollos tendr para faenar y si podr cumplir con mi presupuesto o programa de produccin. Un buen sistema de muestro me permitir hacer pronsticos ms acertados acerca del peso probable al faenamiento. De igual forma con la mortalidad, un buen sistema de almacenamiento de informacin que me permita evaluar la tendencia en el tiempo de la mortalidad ser importante a la hora de predecir cul ser la mortalidad final al faenamiento. Estos temas los trataremos ms adelante en la seccin de La estadstica y los indicadores de desempeo. Como herramienta de anlisis ser til graficar la tendencia del peso y la mortalidad comparados con algn estndar.
Grfico 3
Grfico 4
RESULTADO FINAL
A la finalizacin del lote necesitamos realizar la evaluacin del mismo con el objeto de medir el desempeo final de las aves. Las medidas anteriores nos permitirn evaluar el desempeo durante la vida del lote y podremos controlar y tomar decisiones para corregir cualquier desviacin dentro de lo programado. Para evaluar el resultado final tenemos las siguientes medidas: Peso Promedio (PP), Conversin alimenticia (CA), Edad de sacrificio (Edad), Ganancia diaria de peso (GDP), % de mortalidad (% M), Factor de eficiencia europeo (FEE), Kilos por m2 (Kg/ m2), Costo por Kg de carne producida (Costo/Kg).
Peso Promedio
El peso promedio corresponde al peso que en promedio tuvo cada pollo al sacrificio del lote.
La siguiente grfica muestra la evolucin del peso promedio desde el ao 2002 al 2006.
Grfico 5 La interpretacin del grfico es sencilla. La tendencia muestra una pendiente positiva con un incremento ao a ao. Puede haber muchos factores que expliquen este crecimiento entre los cuales estar la lnea gentica y posiblemente el mercado est pidiendo un pollo cada vez ms pesado.
Conversin Alimenticia
En general la conversin alimenticia es una medida de la productividad de un animal y se define como la relacin entre el alimento que consume con el peso que gana. Por ejemplo, si se usan cuatro kilos de alimento para producir dos kilos de carne de pollo, la conversin alimenticia es 2.00 (4 kilos divididos por 2 kilos). Es evidente que cuanto menor sea la conversin ms eficiente es el ave. Matemticamente la relacin se expresa de la siguiente manera:
Al igual que en el peso promedio podemos ver como ejemplo la evolucin de la conversin alimenticia de los ltimos 5 aos.
Grfico 6 Por si solo el grfico es muy elocuente. La conversin va disminuyendo ao tras ao. Este resultado se ve muy favorable si tomamos en cuenta la evolucin del peso promedio. Como se puede ver cada ao el criador ha ido mejorando su eficiencia. Esta tendencia ser observable muy probablemente en galpones con tecnologa de tnel, en galpones abiertos la tendencia probablemente sea menos acentuada.
Edad de sacrificio
La edad de sacrificio es una medida muy importante de desempeo del lote. La edad es el nmero de das de crianza contados a partir del primer da de ingreso de las aves hasta el da de faenamiento.
Continuando con el ejemplo, el siguiente grfico muestra como ha cambiado la edad de faenamiento en los ltimos 5 aos. Grfico 7
Como se puede apreciar la tendencia de la edad de faenamiento es descendente, esto significa que cada ao la para llegar a un peso promedio ms alto es necesario menos das de crianza que al final se traduce en mayor volumen de produccin y por lo tanto una reduccin en el costo. Otra vez esta tendencia depender del tipo de tecnologa que estemos utilizando, probablemente en galpones abiertos la edad de faenamiento sea mayor y en galpones con tnel la edad de faenamiento ser ms baja.
Grfico 8
Como es evidente la relacin es inversa a la edad. Como el peso promedio se incrementa en el tiempo se puede ver que la ganancia diaria tambin es creciente y aproximadamente cada ao sube 2 gramos de ganancia diaria de peso.
% Mortalidad
El porcentaje de mortalidad es la cantidad de aves que se murieron en el proceso de crianza expresada como porcentaje del total de aves ingresadas.
Como ejemplo los siguientes datos podran mostrar .la tendencia de la mortalidad en los ltimos 5 aos.
Grfico 9 Como era de esperarse la mortalidad tiene una tendencia creciente en el tiempo y es una conclusin obvia. El peso promedio esta creciendo y la edad de faenamiento bajando. La ganancia de peso creciente muestra una precocidad en el ave para ganar peso muy rpidamente lo que puede ser una causa para este incremento en la mortalidad. Si esta fuera la tendencia real, nuestras decisiones deberan orientarse hacia cmo revertir esta tendencia o disminuir esa pendiente
eficiencia del lote. Matemticamente la relacin entre las variables se escribe de la siguiente manera:
Existen otras formas de expresar el FEE dependiendo de las unidades de medida que tengamos. En nuestro caso tenemos la mortalidad en %, la ganancia diaria de peso (GDP) en Kg, por esta razn es necesario el factor 104. Para ilustrar la frmula anterior, considere un lote que tuvo 6.5% de mortalidad final, 2.45 de peso promedio, 46 das de edad y una conversin de 1.90. Aplicando la frmula tenemos:
Continuando con el ejemplo, el Grfico 10 siguiente muestra el FEE para los ltimos 5 aos
Grfico 10
Para medir realmente si somos eficientes cada una de estas medidas debera ser comparada contra algn parmetro estndar u objetivo, es decir, realizar un Benchmarking.
Das de descanso
Los das de descanso corresponden al nmero de das entre la salida del ltimo pollo a la faenadora y el ingreso del primer pollo al nuevo lote.
Densidad Inicial
Esta medida nos indica la cantidad inicial de carga de aves por m2 en el lote. Algebraicamente se expresa esta medida como: cul sera la densidad inicial adecuada?
Como ejemplo de estas tres medidas adicionales tenemos la siguiente tabla. Corregir aves por m2 Tabla 1: Otras medidas
Ao 2002 2003 2004 2005 2006 Das de descanso 21 20 19 17 15 Aves/m2 8.05 8.66 8.95 9.06 9.36 Aves/Ventilado r 701 881 1,029 1,035 1,117
Coeficiente de correlacin
Dadas dos medidas m1 y m2, se define la correlacin entre m1 y m2 como el grado de dependencia de las dos medidas. Este valor esta entre 0 y 1, mientras ms cercano a 1 est esta dependencia ser mayor y mientras ms cercano a 0 sea su dependencia ser nula. Cuando la correlacin es 0 se dice que son independientes. Como ejemplo consideremos la siguiente tabla de datos para el clculo del coeficiente de correlacin. Los datos muestran el peso al faenamiento y el peso de 1 da de edad de un Ao Peso BB Peso al Faenamient o
Para calcular el coeficiente de correlacin entre el peso del BB y el peso al faenamiento hemos utilizado una hoja electrnica. El coeficiente de correlacin es el siguiente: Peso BB Peso
Peso BB Peso 0.91
0.91
Este valor de 0.91 significa que el peso al faenamiento est influenciado en gran medida con el peso del pollito BB. Mayores pesos de BB nos llevarn a mayores pesos al faenamiento.
Anlisis de regresin
Otro mtodo para medir correlacin entre dos medidas es el anlisis de regresin. Consideremos dos medidas que sospechamos estn estrechamente relacionadas y nos interesa calcular el coeficiente de correlacin entre ellas y adems determinar si ese valor es significativo. Volvamos a nuestro ejemplo anterior del peso al faenmaiento y el peso del pollito BB.. Sea % PP el peso promedio al faenamiento de los ltimos 5 aos y Peso BB el peso promedio de un pollito de 1 da de edad. Nos planteamos la siguiente relacin lineal:
Utilizaremos el mtodo de los mnimos cuadrados para la estimacin de los parmetros desconocidos a y b y la ayuda de una hoja electrnica a los siguientes datos:
% Mortalidad 6.0% 6.6% 7.5% 8.9% 10.9%
DD 21 20 19 17 15
F 14.3 4
De los cuadros anteriores podemos concluir que la correlacin entre las dos medidas es estadsticamente significativa. Esto lo podemos comprobar en el cuadro de anlisis de varianza en la ltima columna, Valor crtico F de 0.03. La correlacin es muy importante a la hora de analizar problemas de causa-efecto porque permite cuantificar la dependencia entre las medidas e ir descartando aquellas que no tienen influencia sobre el problema. Existen tcnicas de anlisis de datos ms avanzadas que permiten analizar todo un conjunto de medidas y el efecto que cada una de ellas tiene sobre el problema que se est analizando. Para una referencia sobre ests tcnicas vea [2].
Grfico 12 La grfica muestra la evolucin del peso semanal. El objetivo es encontrar una ecuacin funcional que tenga como variable independiente la edad (ED) del ave y que nos permita escoger cualquier nivel y predecir el peso promedio (PP) para ese valor. El modelo que nosotros planteamos tiene la siguiente ecuacin funcional:
La ecuacin funcional es una funcin exponencial que tiene como argumento un polinomio de grado 3 (P3) evaluado en la raz cuadrado de la edad. Para los datos del grfico la funcin de estimacin es la siguiente:
Grfico 13 Estadsticas de la regression Coeficiente de correlacin mltiple Coeficiente de determinacin R2 R2 ajustado Error tpico Observaciones
La tabla anterior muestra las estadsticas de la regresin. De estos, R2 ajustado, es el ms importante. El valor de 1.00 nos indica que el modelo ajustado para el peso promedio es explicado en su totalidad por la relacin funcional. Mientras ms cercano a 1 sea este coeficiente mayor es el ajuste. Las diferencias entre el valor real y el ajustado se resumen en la siguiente tabla: Peso promedi o (g) 152 376 788 1286 1834 2316 2890 Pronstic o (g) 150 396 767 1249 1807 2392 2948
Edad (das) 7 14 21 28 35 42 49
56 63
3458 3802
3422 3774
36 28
1% 1%
La mayor diferencia se obtiene a los 42 das con 76 g por debajo del valor real lo que representa el 3%. La mayor desviacin en % est en el da 14 con 5% debajo del valor real. Para que las predicciones que hagamos mediante este mtodo sean ms exactas dentro de un rango de variacin permisible de 2% debe cumplirse las siguientes condiciones: 1. Mtodo de muestreo adecuado.- Para pesajes semanales mnimo un 2% de la poblacin 2. Base de datos histrica (mientras ms actual sea mejor).- Los datos del ltimo ao sera suficiente ya que muy atrs probablemente sea desactualizada.
CONCLUSIONES
1. Para evaluar el desempeo del lote debemos seleccionar las medidas adecuadas y compararlas con algn objetivo o estndar definido. Un adecuado seguimiento de estas medidas en todo el proceso productivo a travs de un buen sistema de informacin nos permitir reaccionar casi instantneamente para corregir cualquier desviacin fuera de lo normal y acercarnos a nuestro objetivo. 2. La estadstica es una herramienta que nos facilita realizar anlisis ms exhaustivos de estas medidas utilizndolas en conjunto o individualmente. Existen tcnicas ms avanzadas de las que hemos utilizado las cuales facilitan la toma de decisiones. Para un anlisis a profundidad de stos mtodos refirase a [1].
BIBLIOGRAFIA
[1] [2] Draper, N. R., and Smith, H. Applied Regression Analysis, 2th Edition, New York, Wiley, 2001 Mendenhall W., Scheaffer R. and Wackerly D., Estadstica Matemtica con Aplicaciones, Mxico, Iberoamrica, 2006