MODELO PRELIMINAR PARA LA PLANIFICACIN

DEL APROVECHAMIENTO EN PLANTACIONES

FORESTALES INDUSTRIALES EN VENEZUELA
Ramn Chiari LPEZ, Omar E. Carrero G., Mauricio Jerez,
Mara Alejandra Quintero M. y Jurgen Stock

RESUMEN

Se desarroll un modelo preliminar para la planificacin de
las actividades de aprovechamiento en plantaciones forestales
para la produccin de pulpa, el cual permite obtener secuencias
ptimas de corta que minimizan los costos totales de aprovecha-
miento. El objetivo principal fue identificar la importancia relati-
va que los factores tcnicos y financieros considerados tienen en
la determinacin de secuencias ptimas de corta en un sistema
de plantaciones forestales compuesto por rodales de diferentes
especies, edades, extensin y accesibilidad. El modelo, llamado
Ospino, fue planteado bajo los principios de programacin
entera binaria. Se generaron secuencias ptimas de corta bajo
diferentes escenarios basados en un caso real. Los escenarios in-
cluyeron la planificacin de secuencias de corta con hasta 300
rodales simultneamente durante un perodo de planificacin
de siete aos y, los resultados fueron evaluados en funcin de
la edad de corta, rendimiento en pulpa, superficie a cortar por
ao, cuota anual a cumplir, y costos unitarios y totales. Bajo
las asunciones del modelo, se encontr que los factores que ms
influyeron en la planificacin ptima de la cosecha fueron el in-
cremento medio anual en volumen (m3ha-1/ao) estimado para
las plantaciones y la superficie (ha) de los rodales. El modelo
Ospino es uno de los primeros intentos en Venezuela para desa-
rrollar un sistema de optimizacin de cosechas basado en tcni-
cas de programacin matemtica adaptado a las condiciones del
manejo forestal de plantaciones en el pas.

n problema especfico de
gran inters en el mane-
jo forestal es la planifi-
cacin ptima de la cosecha (Romero,
1989). La planificacin de la cosecha,
tambin llamada planificacin de cortas
o planificacin del aprovechamiento, con-
siste en determinar cundo, dnde y
cunta madera cortar para satisfacer los
objetivos de la empresa productora, ha-
ciendo un uso adecuado de los recursos
disponibles. Buongiorno y Gilles (1987)
sealan que mediante estos planes se
pueden controlar variables como el volu-
men de inventario, tasas de crecimiento,
flujo de caja, valor actual neto y retorno
sobre la inversin. As, una adecuada
planificacin del aprovechamiento puede
conducir a un aumento en la rentabilidad
de las empresas forestales.
Uno de los criterios
para decidir el momento de aprovechar
una plantacin forestal con fines pro-
ductivos es hacerlo en el momento en
que alcanza su mxima rentabilidad
(turno ptimo financiero de aprovecha-
miento). En muchas ocasiones, cortar
en el momento adecuado no es facti-
ble, ya sea por restricciones de capaci-
dad, limitaciones econmicas u otros

PALABRAS CLAVE / Planificacin del Aprovechamiento / Plantaciones Forestales / Programacin Entera Binaria /
Recibido: 02/04/2008. Modificado: 08/09/2008. Aceptado: 17/09/2008.

Ramn Chiari Lpez. Ingeniero Forestal, Instituto Tecnolgico, Costa Rica. M.Sc. en Manejo
de Bosques, Universidad de Los Andes (ULA), Venezuela. Ingeniero Forestal, Institucin Nacional del Ambiente, Panam. e-mail:
rjchiari@hotmail.com
Omar E. Carrero G. Ingeniero Forestal y M.Sc. en Economa, ULA, Venezuela. Profesor,
ULA, Venezuela. Direccin: Escuela de Ingeniera Forestal, Facultad de Ciencias Forestales y Ambientales, ULA, Mrida 5101, Ve-
nezuela. e-mail: neto@ula.ve
Mauricio Jerez. Ingeniero Forestal y M.Sc. en Estadstica Aplicada, ULA, Venezuela. Ph.D. en
Manejo Ecolgico de Bosques, Louisiana State University, EEUU. Profesor, ULA, Venezuela. e-mail: jerez@ula.ve, mjerezr@cantv.net
Mara Alejandra Quintero M. Ingeniero de Sistemas y M.Sc. en Estadstica Aplicada, ULA,
Venezuela. Profesora, ULA, Venezuela. e-mail: mariaq@ula.ve
Jurgen Stock. Ingeniero Forestal y M.Sc. en Manejo de Bosques, ULA, Venezuela. Gerente de
Investigacin, Smurfitkappa Cartn de Venezuela. e-mail: jurgen.stock@smurfitkappa.com.ve

802 0378-1844/08/11/802-08 $ 3.00/0 NOV 2008, VOL. 33 N 11

aspectos que puedan tenerse en consi-
deracin. Son muchos los factores (bio-
lgicos, ambientales, financieros, opera-
tivos, etc.) que deben tomarse en cuenta
en el proceso de planificacin forestal,
lo que hace que la toma de decisiones
sea un problema complejo.
Los problemas comple-
jos de planificacin forestal pueden en-
frentarse mediante el uso de tcnicas de
modelado que permitan identificar los
factores principales que los definen y
representarlos de forma tal que permitan
desarrollar sistemas para la seleccin de
las alternativas ms adecuadas para re-
solverlos, a la vez que proporcionen a
los planificadores informacin pertinen-
te para lograr una mejor comprensin de
los efectos que puede generar cualquier
decisin que tomen. Para tal fin, la pla-
nificacin forestal ha utilizado tcnicas
de modelado basadas en mtodos cuan-
titativos y sistemas de apoyo a decisio-
nes, destacndose los modelos de inves-
tigacin de operaciones, especficamente
aquellos basados en la programacin
matemtica (Garca, 1990).
Entre las tcnicas de
programacin matemtica, la programa-
cin lineal es la ms utilizada y exitosa
en la resolucin de problemas de plani-
ficacin forestal (Weintraub, 1975; Bell,
1977; Vincent, 1993; Daz y Prieto,
1999; Boyland, 2002). La programacin
lineal ha sido empleada desde la dcada
de los 60 para solucionar problemas de
planificacin forestal, siendo pioneros
los trabajos de Curtis (1962), Leak
(1964), Loucks (1964), Kidd et al.
(1966), Liittschwager et al. (1967), y
Nautiyal y Pearse (1967). Los primeros
modelos para la planificacin de cortas
basados en programacin lineal fueron
TIMBER RAM (Navon, 1971) y MAX-
MILLION (Ware y Clutter, 1971), desa-
rrollados por el Servicio Forestal de
EEUU y por la Universidad de Georgia,
respectivamente. Ambos sistemas sirvie-
ron de prototipo para versiones posterio-
res que intentaron adaptarse a los cam-
bios de la industria forestal estadouni-
dense, como por ejemplo FORPLAN
(Bradley, 1991) y SPECTRUM (Rey-
nolds, 2005).
En la planificacin fo-
restal tambin se ha utilizado la progra-
macin entera, la programacin entera
mixta y la programacin entera binaria,
que son tcnicas derivadas de la progra-
macin lineal. La programacin entera
se usa cuando las variables de decisin
deben tomar valores enteros; si se re-
quiere que solo algunas de las variables
sean enteras, se habla de programacin
entera mixta; en los casos en que las
variables deben ser ceros o unos se tie-
NOV 2008, VOL. 33 N 11
ne un problema de programacin entera
binaria. Estas tcnicas de modelado se
han empleado para abordar distintos
problemas inherentes a la planificacin
forestal, ya que con frecuencia se mane-
jan situaciones donde las variables de
decisin deben ser enteras.
En la mayora de las
aplicaciones de la programacin lineal y
sus variantes se busca el diseo de un
plan de cortas que maximice los benefi-
cios del bosque, expresados como el va-
lor actual neto (VAN), o que minimice
los costos. Los trabajos de Macmillan y
Fairthweather (1988), Burger y Jamnick
(1995), Andalaft et al. (2003), y Bas-
kent y Keles (2006) son buenos ejem-
plos de este tipo de modelos. En otras
investigaciones se ha planteado otras
funciones objetivo tales como el modelo
de Thompson et al. (1973) que aplica la
programacin lineal para maximizar el
volumen de madera obtenido en las co-
sechas y el modelo de Williamson y
Niehuwenhius (1993) que busca minimi-
zar la distancia de transporte de produc-
tos forestales.
Algunos pases de Am-
rica Latina han comenzado a utilizar
modelos de planificacin forestal. El
caso de mayor avance es el de Chile,
donde a partir de 1988 se empez a im-
plementar modelos de programacin ma-
temtica para apoyar la toma de decisio-
nes, generando un incremento considera-
ble en las ganancias anuales de las em-
presas forestales y, adems, ganancias
cualitativas en la productividad geren-
cial, mejor calidad de vida de los traba-
jadores y una reduccin del dao am-
biental en algunas reas (Weintraub y
Bare, 1996; Epstein et al. 1999). En
Brasil, tambin se han llevado a cabo
estudios referentes al desarrollo de mo-
delos de programacin matemtica apli-
cados a la planificacin foresta, tales
como los de Rodrigues et al. (2003,
2004a, 2004b, 2006), quienes han com-
parado distintas estrategias de modelado
y diferentes enfoques de solucin a los
problemas de planificacin de cortas ba-
sados en programacin entera.
A pesar de la aplicabi-
lidad que han tenido los modelos de
programacin matemtica como apoyo
en los procesos de planificacin forestal,
en Venezuela no se ha desarrollado este
tipo de herramienta. Sin embargo, existe
la necesidad de su utilizacin, por lo
que se han importado sistemas desarro-
llados en otros pases para su puesta en
prctica. As por ejemplo, la empresa
Terranova de Venezuela S.A utiliza el
programa computacional Austral que
permite, entre otros aspectos, determi-
nar: la disponibilidad en el largo plazo
de madera aserrable y pulpable de
acuerdo a intervenciones silviculturales
actuales y futuras (Smartwood, 2004).
Asimismo, la empresa emplea el sistema
ASICAM, desarrollado en Chile, para
optimizar las actividades de transporte
de madera y mejorar el rendimiento de
carga de los camiones (Daz, 2002). No
obstante, la aplicacin de modelos desa-
rrollados en otros pases presenta difi-
cultades tales como altos costos de ad-
quisicin y la adecuacin de los mode-
los a los requerimientos y condiciones
especficas del sector nacional. Esta si-
tuacin hace evidente la importancia de
desarrollar modelos de planificacin que
se adapten eficazmente a las necesida-
des y requerimientos de la industria fo-
restal nacional.
El objetivo de este tra-
bajo fue desarrollar un modelo prelimi-
nar de planificacin del aprovechamien-
to para plantaciones forestales venezola-
nas, con la finalidad de determinar la
importancia relativa de los factores que
ms influyen en la determinacin de las
secuencias ptimas de corta. Se genera-
ron secuencias ptimas de corta bajo di-
ferentes situaciones basadas en un caso
real. El modelo es una alternativa que
puede contribuir como complemento de
utilidad al criterio y experiencia de los
profesionales del campo forestal y per-
sonas encargadas de la toma de decisio-
nes, aspectos que facilitaran la planifi-
cacin a largo plazo y la obtencin de
resultados ms confiables.
Materiales y Mtodos
El problema
Los datos necesarios
par a realizar este estudio los facilit la
Divisin Forestal de la empresa Smurfit
Kappa Cartn de Venezuela, S.A. ubi-
cada en los Llanos Occidentales de Ve-
nezuela. Se trata de plantaciones de
Eucaliptus (Eucaliptus urophylla, E.
grandis, E. xurograndis), pino caribe
(Pinus caribaea) y gmelina (Gmelina
arborea) establecidas con fines de pro-
duccin de pulpa.
El problema consiste en
cmo planificar un sistema de cortas
para una unidad de produccin forestal
que permita abastecer de madera en for-
ma continua a una planta de pulpa para
la produccin de cartn, de manera tal
que los costos de aprovechamiento y
transporte sean mnimos.
Se considera que la uni-
dad de produccin forestal est confor-
mada por cierto nmero de fincas de
superficie variable. Un porcentaje de la
superficie de cada finca es destinado a
803
plantaciones forestales, las El costo de transporte
cuales se establecen en es el costo de transportar
unidades llamadas rodales. el volumen de madera pro-
A su vez, cada rodal se veniente del rodal i de la
subdivide en lotes. Cada especie j en el ao k hasta
lote est compuesto por la planta de procesamiento.
una especie forestal que Este costo incluy todas las
puede coincidir o no en es- actividades involucradas en
pecie, edad, crecimiento, el transporte desde el patio
reas y edad de corta con de carga hasta la planta de
los otros lotes presentes en procesamiento. Se asumi
los rodales de las fincas. que los costos unitarios de
Adems, la madera debe transporte son fijos durante
ser transportada desde las el perodo de planificacin
distintas fincas hasta la evaluado.
planta de procesamiento de El costo de oportunidad
pulpa para papel. En el representa el dinero que
modelo se toma en cuenta dejara de ganar el propie-
que el aprovechamiento tario al cortar en un ao
anual del volumen de ma- distinto del ao ptimo de
dera existente y disponible cosecha. Se calcul utili-
puede realizarse en una o Figura 1. Esquema del sistema de desarrollo del modelo de planificacin de zando el enfoque de com-
varias fincas simultnea- aprovechamiento. paracin de alternativas fi-
mente, y que la cantidad nancieras, donde este costo
disponible de madera para cada ao es- zarlo; analizar el contexto donde se es igual a la diferencia entre el mxi-
tar condicionada a la ubicacin y la es- enmarca el modelo mediante el estudio mo valor esperado del suelo (VES max)
pecie que se desee aprovechar (Figura del ambiente, la estructura y los pro- y el valor esperado del suelo para una
1). Asimismo, se desea lograr la mayor cesos involucrados; y definir los re- edad de corta determinada (VESj ). El
concentracin de las operaciones en fin- querimientos de los usuarios potencia- costo de oportunidad es calculado uti-
cas cercanas con el objetivo de minimi- les, para lo cual se hicieron cuestiona- lizando la ecuacin
zar los costos de aprovechamiento. El rios, entrevistas y reuniones con el CO j = (VESmax) - (VESj)
volumen anual a aprovechar ser deter- personal de la empresa. Estas activida-
minado de acuerdo a las necesidades de des permitieron definir los datos de donde CO j : costo de oportunidad ($),
materia prima de la planta. Este reque- entrada, los supuestos de funciona- VESmax: mximo valor esperado del
rimiento puede ser un volumen variable miento, las variables de decisin y las suelo ($), y VESj : valor esperado del
cada ao, lo cual puede afectar la se- restricciones, para luego formular el suelo ($) para una edad de corta j.
cuencia ptima de corta de las planta- modelo matemtico. Tanto para VESmax como para VESj se
ciones. En cuanto a los costos operacio- considera que una vez terminado el
nales, se considerarn los costos de El modelo matemtico perodo de planificacin se repetir
aprovechamiento de la plantacin, los nuevamente el mismo esquema de
costos de transporte hasta la planta y el El modelo fue plantea- aprovechamiento. Se incluye el VES,
costo de oportunidad, referido al gasto do utilizando el enfoque de programa- el cual representa el valor actual de
en que se incurre al cortar un determi- cin lineal entera binaria. La funcin los beneficios netos de la presente ro-
nado lote en un ao diferente al consi- objetivo consisti en minimizar el costo tacin y de todas las siguientes; y de
derado como el turno ptimo. total de aprovechamiento Z($): esta forma se comparan alternativas
con vidas infinitas. Los valores de
Anlisis del sistema asociado para i= 1, 2, 3n, j= 1, VESmax y VESj se calcularon utilizan-
al modelo 2, 3m y k= 1, 2, 3p do la ecuacin

Para el anlisis del siste-
ma asociado se procedi a la aplicacin
parcial de la metodologa MEDSI (meto-
dologa estructurada para el desarrollo de
sistemas de informacin) propuesta por
Montilva (1992) para el desarrollo de sis-
temas de informacin en organizaciones
de cualquier tipo. Esta metodologa se ac-
tualiz mediante la aplicacin de los prin-
cipios y formalismos del lenguaje unifica-
do de modelado (UML; Booch et al.,
2000; Nez, 2003).
La aplicacin parcial
de esta metodologa hizo posible defi-
nir y justificar el desarrollo del mode-
lo y las actividades y requerimientos
de informacin necesarios para reali-
donde Cijk: costo total (costo de cosecha
+ costo de oportunidad + costo de
transporte) del rodal i de la especie j en
el ao k ($), y X ijk: variable binaria
(0,1) que indica si el rodal i de la espe-
cie j se cortar o no en el ao k.
El costo de cosecha es
el costo de cortar el rodal i de la es-
pecie j en el ao k. Se incluy el costo edad de rotacin (aos).
de todas las actividades relacionadas
con la corta del rodal hasta colocar la
madera en el patio de carga para ser
transportada en camiones hasta la
planta de procesamiento. Se asumi
que los costos unitarios de cosecha son
fijos durante el perodo de planifica-
cin evaluado.
donde VES: valor esperado del suelo
($), I r: ingreso en un ao r cualquiera
($), Cr: costo en un ao r cualquiera
($), i: tasa alternativa del capital, y n:
La funcin objetivo est
sujeta a las siguientes restricciones:
Restriccin 1. La sumatoria del volu-
men anual extrado en todos los roda-
les a explotar debe ser igual o mayor
a la cuota establecida para cumplir
con las necesidades de materia prima
de la planta de procesamiento,

804 NOV 2008, VOL. 33 N 11


donde Bijk: volumen total (m 3) presente
en el rodal i de la especie j en el ao k,
y bj: cuota anual fijada para la especie
j. Se asume que esta cuota anual ser
igual para todos los aos del perodo de
corta que se evala y diferente para
cada especie, cuando sea el caso.
Restriccin 2. Un rodal solo puede ser
cortado una vez durante cada perodo
de planificacin considerado
Adicionalmente a la fun
cin objetivo y sus respectivas restric-
ciones se asumi lo siguiente: a) La
amplitud del perodo de planificacin a
evaluar es de siete aos. b) En cada
ao se consideran aquellos lotes cuya
edad es igual o mayor a la edad mni-
ma y menor o igual a la edad mxima
considerada para ser procesada en la
planta, estando determinadas las edades
mnima y mxima permisibles para el
aprovechamiento de un lote por los va-
lores sobre edades mximas y razones
tecnolgicas y financieras, de acuerdo
a los objetivos a cumplir. c) Los costos
de cosecha son diferentes para cada es-
pecie. d) El incremento medio anual
mximo es de siete aos para eucalipto
y gmelina, y de 15 aos para pino,
dado que estas edades son consideradas
ptimas para la corta en el rea de es-
tudio. e) El incremento medio anual del
volumen (IMA) disminuye en forma
constante un 5% por ao despus que
la plantacin sobrepasa la edad de IMA
mximo. f) Para cada especie se us
un factor de conversin de metros cbi-
cos a toneladas tomando en cuenta la
densidad de la madera, dado que los
requerimientos de consumo por la plan-
ta de pulpa vienen dados en toneladas
mtricas, mientras que usualmente la
cosecha se expresa en m 3 ; los valores
utilizados fueron 0,8tonm -3 para euca-
lipto, 0,65tonm -3 para gmelina y
0,68tonm -3 para pino. g) Para determi-
nar el costo de oportunidad se asumi
que el crecimiento (IMA) es igual para
todos los lotes de una misma especie,
mientras que los costos de transporte y
cosecha se calcularon segn el IMA
para cada lote/especie. h) Las fincas
cortadas en un perodo de planificacin
deben ser plantadas inmediatamente al
inicio de la siguiente temporada de
plantacin.
NOV 2008, VOL. 33 N 11
El modelo fue resuelto utili-
zando el mdulo SAS/OR (Ope-
ration Research Module) del soft-
ware SAS versin 8.0, el cual
posee procedimientos (LP pro-
cedure) para resolver problemas
de programacin lineal (SAS,
2004).
Implementacin del modelo
El modelo fue implementado
en un programa computacional
que consta de dos mdulos. El
mdulo I, que constituye la inter- Figura 2. Esquema del funcionamiento general del mode-
faz de entrada de datos y salida lo Ospino.
de resultados, se desarroll en
Microsoft Excel 2002. El Mdu-
lo II fue desarrollado en SAS/OR e reales recabados en campo, aunque en
importa los datos formateados por el esta descripcin los datos y relaciones
Mdulo I para ser utilizados por el pro- utilizados no se corresponden directa-
cedimiento LP , el cual calcula la solu- mente a los reales, por tratarse de infor-
cin ptima utilizando la tcnica de macin confidencial. Como ejemplo se
programacin lineal conocida como ra- tom una unidad hipottica de produc-
mificacin y acotamiento (SAS, 2004). cin conformada por 20 lotes con un
La solucin ptima es exportada nueva- perodo de planificacin de siete aos.
mente al mdulo I para producir archi- Cada lote tiene un costo de transporte y
vos con salidas numricas en hoja de un costo de cosecha asignados segn la
clculo (Figura 2). distancia de la planta, el tipo de terreno
A fin de simplificar la programa- y la especie. El incremento medio anual
cin y reducir los tiempos de clculo se del volumen (IMA) se calcul para cada
establecieron las siguientes restricciones especie/finca y la cuota anual requerida
para el programa: a) Solo se procesan por la planta fue de 90000 toneladas
lotes cuya superficie y volumen no sean por ao para todo el perodo de planifi-
mayores que los determinados durante cacin.
la corrida inicial del modelo, es decir,
si el mayor lote considerado inicialmen- Escenario 1 - Testigo. Para este escena-
te es de 1000ha, en planificaciones fu- rio se asumi que a) el costo de cosecha
turas no podrn tenerse lotes con super- en cada lote es siempre el mismo, ya
ficie mayor. b) A fin de reducir el tiem- sea la cosecha manual o semi-mecaniza-
po de computacin, no se consideraron da; b) la tasa de inters es del 8%; c)
lotes menores a 50ha; la superficie acu- los incrementos medios anuales del vo-
mulada de todos los lotes <50ha en el lumen y la superficie de los lotes son
proyecto fue de solo 228ha, lo cual se calculados sin error; y d) los costos de
consider despreciable para los objetivos transporte desde un lote a la planta son
perseguidos frente a las 20000ha de independientes de la distancia.
plantaciones. c) La capacidad de proce- Escenario 2 - Tipo de cosecha. En este
samiento del modelo se limita a un escenario se evalu cmo los costos di-
mximo de tres especies, 40 fincas y ferenciales pueden afectar la secuencia
300 lotes de plantacin. d) Los costos ptima de cosecha. Se asumi que 10 de
de transporte se consideran para cada las 20 fincas consideradas pueden cor-
especie por unidad de volumen. tarse en forma manual y el grupo res-
tante en forma semi-mecanizada, ha-
Anlisis de escenarios biendo un diferencial de costo entre am-
bas modalidades de aprovechamiento.
Al encontrar la solucin En la prctica, esta divisin puede de-
de un problema de programacin lineal berse a condiciones topogrficas y a ra-
solo se ha dado un primer paso en el zones sociales, entre otras. Se asumi
anlisis para la toma de decisiones, ya
que el mtodo semi-mecanizado tiene
que tambin es importante determinar
un costo 15% menor que el manual.
cun sensible es la solucin a los cam-
bios en los supuestos y factores exge- Escenario 3 - Tasa de inters. Se evalu
nos (Bonini et al., 2002). Para determi- el efecto de variacin en la tasa de inte-
nar la sensibilidad del modelo se proba- rs (0, 4, 8, 10, 11 y 12%) sobre la se-
ron seis escenarios. El escenario de re- cuencia ptima. Debido a la estructura
ferencia (testigo) corresponde a los datos del modelo, el efecto principal de la
805
tasa de inters es la actualizacin de los tales, prcticas de manejo y material clculo de la superficie estimada para
ingresos y costos futuros. vegetal usado, sino que tambin depende cada finca sobre la secuencia ptima
de la precisin de las tcnicas de inven- original de corta.
Escenario 4 - IMA. Se evalu el efecto
tario utilizadas, ya que estos valores se
de variaciones en el incremento medio Escenario 6 - Costo de transporte. Se
obtienen a partir de tcnicas de mues-
anual (IMA) sobre la secuencia ptima consideraron tres categoras de costos
treo sujetas a errores de diversa natura-
original. El IMA es un valor que depen- de transporte segn la distancia de cada
leza.
de no solo del crecimiento de las plan- lote en relacin con la planta de proce-
taciones, el cual puede aumentar o dis- Escenario 5 - rea de las fincas. Se samiento (distancia corta, media y lar-
minuir de acuerdo a variaciones ambien- evalu el efecto de variaciones en el ga). Se probaron diferenciales entre cada
categora de hasta 20%.
TABLA I
Resultados obtenidos de la corrida del modelo Resultados y Discusin
con los valores originales (escenario testigo)
Secuencia ptima de corta
Periodo de Finca Edad rea Dist Costo Total Cuota Costo Rend.
planificacin (aos) (ha) (km) (miles USD) anual unitario (ton/ha) La Tabla I presenta los
(ton) (USD/ton)
resultados obtenidos de la corrida del
1 7 7 305 0 339,07 29017 11,7 81 modelo a partir de los valores iniciales
20 9 528 24 719,53 61586 11,7 117 suministrados, as como tambin los va-
8,0* 833** 12* 1058,60** 90603** 11,7* 109* lores promedio y totales para la edad de
2 19 10 528 0 732,56 64627 11,3 122 la finca seleccionada, distancia de des-
8 7 507 25 338,14 31260 10,8 62 plazamiento, costos unitarios, rea, cuo-
8,5* 1035** 12,5* 1070,70** 95887** 11,2* 93* ta anual y rendimiento por perodo de
3 10 6 276 64 204,65 22501 9,1 82 planificacin.
18 11 528 50 743,26 66908 11,1 127
8,5* 804** 57,0* 947,91** 89409** 10,6* 111* Escenario 2 - Tipo de cosecha
4 14 7 385 17 480,47 51783 9,3 134 La secuencia ptima
7 6 340 8 263,26 27722 9,5 82 obtenida cuando se hizo una diferencia-
2 10 78 14 126,05 12697 9,9 163
cin por mtodo de corta fue distinta a
8,0* 803** 13,0* 869,77** 92202** 9,4* 115*
la encontrada para el escenario testigo.
5 14 9 310 15 427,91 48259 8,9 156 En la Tabla II se observa que en los pe-
1 10 245 6 410,23 45022 9,1 184 rodos 1, 3, 4 y 7 se incluyen fincas di-
9,5* 556** 10,5* 838,14** 93282** 9,0* 168* ferentes a las seleccionadas en la se-
6 12 7 154 34 171,16 21532 8,0 140 cuencia original. Se puede asumir que
17 6 336 50 446,98 51579 8,7 154 estos cambios se deben principalmente a
11 8 171 74 126,05 17722 7,1 103 las variaciones sobre los costos de cose-
7,0* 661** 52,7* 744,19** 90833** 8,2* 137* cha y a las caractersticas de cada finca,
7 3 8 315 54 426,05 57502 7,4 182 es decir, al volumen que cada finca pue-
7 8 134 10 103,26 13878 7,4 103 de aportar para cumplir con la cuota
11 8 175 63 119,07 18052 6,6 103 anual, debido a que en esos cuatro aos
8,0* 624** 42,3* 648,37** 89432** 7,3* 143* los cambios se producen sobre fincas
Promedio 8,2 759 28,6 882,52 91664 9,6 121
con igual mtodo de cosecha, como en
el perodo 1, donde se indica cortar las
Total 5316 6177,67 641648 fincas 2, 13 y 18, mientras que en el es-
* promedio, ** total. cenario original se indicaba cortar las
fincas 5 y 20. Al realizar este cambio
TABLA II durante el primer ao del perodo de
Promedio de las variables evaluadas para el escenario planificacin, se originan modificacio-
tipo de cosecha y el escenario testigo nes en la seleccin de las fincas a cor-
tar en los siguientes perodos.
Perodo de planificacin
En la Tabla III se puede
1 2 3 4 5 6 7 notar que la utilizacin de dos mtodos
18 19 20 14 15 12 17 de cosecha favorece la productividad de
Finca 2 8 9 6 1 10 3 las fincas. Los valores promedio de cos-
13 11 16 7 to total y unitario fueron inferiores para
Las fincas en sombra no estaban presentes en el escenario original el escenario tipo de cosecha, pero esta
situacin era prevista debido a la dismi-
TABLA III nucin de los costos de cosecha en este
Secuencia ptima de corta para el escenario tipo de cosecha escenario. En cuanto a la edad, rea de
la finca y rendimiento, los valores obte-
Escenario Edad (aos) rea Costo total Cuota anual Costo unitario Rendimiento
(ha) (USD) (ton) (USD/ton) (ton/ha) nidos indican que al utilizar dos mto-
dos de cosecha (con los diferentes cos-
Testigo 8,2 759 882539 91664 9,6 102,6 tos planteados en este trabajo) se puede
Tipo de cosecha 7,9 752 847557 92016 9,2 104,0 obtener un mejor aprovechamiento de

806 NOV 2008, VOL. 33 N 11

 TABLA IV rangos de variacin muy pequeos
Promedio de las variables evaluadas para (1%) se produjeron cambios en la se-
el escenario rea de las fincas cuencia de corta. La alta sensibilidad
Tasa Edad rea Diferencia costo Cuota Costo Rendimiento del modelo a estas dos variables se debe
de inters (aos) (ha) total promedio anual unitario (ton/ha) a que tienen alta influencia en el valor
(USD) (ton) (USD/ton) de cada coeficiente tecnolgico, los cua-
les estn sujetos a la restriccin impues-
0% 8,2 759 0 91664 12,8 102,6
ta de cuota anual. La combinacin de
4% 8,2 759 163656 91664 11,1 102,6
8% * 8,2 759 294234 91664 9,63 102,6
valores altos de cuotas anuales y una
10% 8,2 759 349722 91664 9,02 102,6 cantidad pequea de lotes para seleccio-
11% 7,9 752 375405 92016 8,71 104,0 nar cada ao implica que pequeos
12% 7,9 752 399948 92016 8,44 104,0 cambios en los coeficientes tecnolgicos
provocan cambios en la secuencia pti-
* Valor de la tasa de inters utilizado en el escenario testigo ma de corta. En las Tablas V y VI se
Los valores en sombra corresponden a escenarios donde se producen cambios en la secuencia ptima muestran los valores promedio de las
de corta en relacin a la secuencia original (escenario testigo)
diferentes variables evaluadas obtenidos
para el escenario testigo y los escena-
los recursos; as por ejemplo en el caso obedecen principalmente a las caracte- rios de incremento medio anual (IMA)
de la edad, el valor promedio fue 0,3 rsticas de cada finca y en este caso y rea de las fincas.
aos menor que en el escenario original. tambin al efecto de la tasa de inters,
En lo que respecta al rea de las fincas, que provoca la disminucin de los cos- Escenario 6 - Costo de transporte
la diferencia es de 7,0ha a favor del es- tos, debido a que stos son actualizados
cenario tipo de cosecha, mientras que la al ao cero del perodo de planificacin, Cuando se trabaj con
productividad es mejor en este escenario motivo por el cual se observa una dis- los grupos de transporte 1 y 3 la se-
ya que aumenta en aproximadamente minucin en el costo promedio total en cuencia ptima de corta no vari hasta
1,7tonha-1, cantidad que es considerable funcin del aumento de la tasa de inte- aplicar un aumento del 20%; para el
tomando en cuenta el rea que se cose- rs. Al variar la secuencia se observ grupo de transporte 2 la secuencia pti-
cha anualmente. tambin una disminucin de la edad ma vari al disminuir el costo en un
promedio de corta y un aumento del 20%. Los grupos 1 y 3 presentaron
Escenario 3 - Tasa de inters rendimiento. En la Tabla IV se presen- cambios en la secuencia con una dismi-
tan los valores de las variables en estu- nucin del 6% y el grupo 2 con un au-
Al utilizar tasas de in- dio para las diferentes tasas de inters mento del 3% sobre el valor del costo
ters entre 0 y 10% no se producen evaluadas. original. Cuando se aumentaron los cos-
cambios sobre la secuencia de corta ori- tos de transporte, el valor ms bajo con
ginal, que fue calculada con una tasa de Escenarios 4 y 5 - IMA y rea de el cual se alter la secuencia original lo
inters de 8%. Con una tasa de inters las fincas present el grupo 2, que muestra una
de 11% ocurren cambios en compara- modificacin en la secuencia ptima al
cin con la secuencia ptima original. Las variables ms sen- aumentar hasta el 3%, pero hay que
Al igual que en el escenario tipo de co- sibles para el caso en estudio fueron el destacar que 13 de las 20 fincas evalua-
secha, se puede afirmar que los cambios IMA y el rea de las fincas, ya que con das se ubican en este grupo. Por esta
razn, es de esperar que un aumento tan
TABLA V pequeo pueda producir estos cambios,
Promedio de las variables evaluadas para el escenario IMA en comparacin con los otros grupos
Escenario Edad rea Diferencia costo Cuota anual Costo Rendimiento donde un aumento hasta del 20% no
(aos) (ha) total promedio (ton) Unitario (ton/ha) afect la secuencia. La disminucin del
(USD) (USD/ton) 6% en el grupo 1 y el aumento del 3%
del grupo 2 podran traer como conse-
+1% 8,3 809 4520 90835 9,7 95,4 cuencia el mejoramiento de la producti-
0% * 8,2 759 0 91664 9,6 102,6
vidad (Tabla VII). En promedio, la edad
-1% 8,3 808 2174 90181 9,8 94,8
se reduce en 0,3 aos, el rendimiento
*Escenario testigo. Los valores en sombra corresponden a escenarios donde se producen cambios en la aumenta en 1,7tonha-1 y el rea necesa-
secuencia ptima de corta en relacin a la secuencia original (escenario testigo) ria es menor en 7,0ha. En cambio, con
una disminucin del 6% en el grupo de
transporte 3 se presenta una situacin
TABLA IV contradictoria, ya que se esperara que
Promedio de las variables evaluadas para una disminucin en los costos mejorase
diferentes tasas de inters los resultados; pero en este caso, los va-
lores del rea y el rendimiento son me-
Escenario Edad rea Diferencia costo Cuota anual Costo Rendimiento nos atractivos que los del escenario tes-
(aos) (ha) total promedio (ton) unitario (ton/ha) tigo.
(USD) (USD/ton)
+1% 8,3 817 4237 90835 9,7 94,5 Conclusiones
0% * 8,2 759 0 91664 9,6 102,6
-1% 8,3 800 2500 90181 9,8 95,8 La elaboracin del mo-
*Escenario testigo. Los valores en sombra corresponden a escenarios donde se producen cambios en la delo Ospino es un avance en el campo
secuencia ptima de corta en relacin a la secuencia original (escenario testigo) de las tcnicas cuantitativas para el ma-

NOV 2008, VOL. 33 N 11 807

 TABLA VII Baskent EZ, Keles S (2006) Developing alter-
Promedio de las variables evaluadas para el escenario native wood harvesting strategies with lin-
ear programming in preparing forest man-
de costos de transporte y el escenario testigo agement plans. Turk. J. Agric. For. 30:
Grupo de Escenario Edad rea Diferencia costo Cuota Costo Rendimiento 67-79.
transporte (aos) (ha) total promedio Anual Unitario (ton/ha) Bell E (1977) Mathematical programming in
(USD) (ton) (USD/ton) forestry. J. For. 75: 317-319.
Bonini C, Hausman W, Bierman H (2002)
Testigo 8,2 759 0 91664 9,6 102,6 Anlisis Cuantitativo para los Negocios. 9
1 +20% 8,2 759 -4942 91664 9,7 102,6 ed. McGraw Hill Interamericana. Bogot,
-20% 7,9 752 6579 92016 9,5 104,0 Colombia. 530 pp.
-10% 7,9 752 3018 92016 9,6 104,0 Booch G, Rumbaugh J, Jacobson I (2000) El
-8% 7,9 752 2306 92016 9,6 104,0 Lenguaje Unificado de Modelado. Adisson
-6% 7,9 752 1593 92016 9 104,0 Wesley Iberoamericana. Madrid, Espaa.
432 pp.
-5% 8,2 759 1235 91664 9,6 102,6
Boyland M (2002) Simulation and Optimiza-
2 +20% 8,2 808 -56979 90579 10,4 95,2 tion in Harvest Scheduling Models. Univer-
-20% 8,2 759 67566 91664 8,9 102,6 sity of British Columbia. Vancouver, Cana-
+5% 7,9 752 -16331 92016 9,8 104,0 da. 10 pp.
+3% 7,9 752 -10016 92016 9,7 104,0 Bradley GA (1991) Natural resource land ma-
+2% 8,2 759 -6757 91664 9,7 102,6 nagement planning using large-scale li-
near programs: the USDA Forest Service
3 +20% 8,2 759 -6316 91664 9,7 102,6 experience with FORPLAN. Oper. Res.
-20% 8,2 808 14506 90579 9,6 95,2 39: 13-27.
-10% 8,2 808 5617 90579 9,7 95,2
Buongiorno J, Gilles JK (1987) Forest Manage-
-8% 8,2 808 3840 90579 9,7 95,2 ment and Economics. A Primer in Quanti-
-6% 8,2 808 2062 90579 9,7 95,2 tative Methods. Macmillan. Nueva York,
-5% 8,2 759 1579 91664 9,6 102,6 EEUU. 287 pp.
Los valores en sombra corresponden a escenarios donde se producen cambios en la secuencia ptima Burger DH, Jamnick MS (1995) Using linear
de corta en relacin a la secuencia original (escenario testigo). programming to make wood procurement
and distribution decisions. For. Chron. 71:
89-96.
Curtis F (1962) Linear programming the man-
nejo de plantaciones forestales en Vene- Una de las mayores li- agement of a forest property. J. For. 60:
zuela, ya que hasta el momento no se mitaciones para el uso estos modelos es 611-616.
haban hecho intentos de desarrollar una la falta de informacin precisa sobre Daz D (2002) Implementacin del Sistema de
herramienta de este tipo en el pas y la una serie de variables que pueden ser Programacin Lineal ASICAM 2.5 para la
planificacin de cosechas, con muy es- importantes para la determinacin de Optimizacin de Operaciones de Trans-
casas excepciones, se ha venido hacien- porte Forestal en Terranova de Venezuela,
secuencias ptimas de corta. S.A. Informe. Escuela de Ingeniera Fores
do de manera emprica. El desarrollo tal, Universidad de Los Andes. Mrida,
del modelo ha permitido demostrar a Recomendaciones Venezuela. 42 pp.
empresas y profesionales forestales la Daz L, Prieto A (1999) Modelos de planifi-
potencialidad de estas metodologas para cacin forestal basados en la programacin
la comprensin de variables e interrela- El modelo Ospino debe lineal. Aplicacin al monte Pinar de
ciones relevantes para la toma de deci- ser programado bajo un ambiente de Navaf ra (Segovia). Sist. Recur. For. 8:
base datos que permita el almacena- 63-92.
siones, que permitan a mejorar la plani-
ficacin y ejecucin de cosechas en miento de mayor cantidad de datos y Epstein R, Sern J, Weintraub A (1999) El uso
una mayor seguridad. de sistemas de investigacin de operaciones
plantaciones forestales a gran escala. en las industrias forestales chilenas. Ing.
Los valores del incre- Al definir los costos de Sist. 13: 5-31.
mento medio anual y superficie de cada cosecha se debe diferenciar entre los Garca O (1990) Linear programming and re-
lote fueron las variables ms sensibles costos de cosecha manual y semi-meca- lated approaches in forest planning. New
del modelo en el caso de estudio. Dado nizada, ya que de acuerdo a lo observa- Zeal. J. For. Sci. 20: 307-331.
que pequeas variaciones en estas varia- do en el escenario tipo de cosecha, al Karlsson J, Ronnqvist M, Bergstrtom J (2004)
bles originan cambios en la secuencia hacer esta consideracin los resultados An optimization model for annual harvest
pueden ser diferentes a los obtenidos planning. Can. J. For. Res. 34: 1747-1754.
ptima obtenida, se infiere que es nece-
sario determinar de una forma precisa cuando se toma un costo de cosecha ge- Kidd WE, Thompson EF, Hoepner PH (1966)
neral. Adicionalmente, se recomienda Forest regulation by linear programming -
el valor de las mismas para que las se- a case study. J. For. 64: 611-613.
cuencias generadas permitan efectiva- que los costos de cosecha sean calcula-
dos para cada finca y no para cada es- Leak WB (1964) Estimating maximum allowa-
mente representar el ptimo para la ble timber yields by linear programming.
toma de decisiones adecuadas en las pecie, ya que la secuencia ptima puede USDA Forest Service. Paper NE-17. 9 pp.
operaciones de la empresa. cambiar en relacin con la obtenida ini- Liittschwager JM, Tcheng TH (1967) Solution
Los costos de transpor- cialmente. of a large scale forest scheduling problem
te deben ser evaluados independiente- by linear programming decomposition. J.
For. 65: 644-646.
mente, debido a que todos los grupos no Referencias
se comportan de igual forma. Por tal ra- Loucks DP (1964) The development of an opti-
Andalaft N, Andalaft P, Guignard M, Magen- mal program for sustained-yield manage-
zn, se hace necesario que se estimen ment. J. For. 62: 484-490.
los costos por grupo y no en forma glo- dzo A, Wainer A, Weintraub A (2003) A
problem of forest harvesting and road Macmillan C, Fairweather E (1988) An Appli-
bal, ya que as se puede incurrir en building solved through model strengthen- cation of Linear Programming for Short-
errores que pueden generar secuencias ing and Lagrangean relaxation. Oper. Res. Term Harvest Scheduling. North. J. Appl.
ptimas falsas. 51: 613-628. For. 5: 145-148.

808 NOV 2008, VOL. 33 N 11

Montilva J (1992) Desarrollo de Sistemas de
Informacin. Universidad de Los Andes.
Mrida, Venezuela. 262 pp.
Nautiyal JC, Pearse PH (1967) Optimizing the
conversion to sustained-yield a program-
ming solution. For. Sci. 13: 131-139.
Navon D (1971) Timber RAM a long range plan-
ning method for commercial timber lands
under multiple - use management. USDA
Forest Service. Paper PSW-70. 22 pp.
Nez J (2003) Modelado de Objetos con
UML. Universidad Politcnica de Valencia,
Espaa www.dsic.upv.es/~uml/ (Cons.
05/06/2004).
Reynolds KM (2005) Integrated decision sup-
port for sustainable forest management in
the United States: fact or fiction? Comp.
Electr. Agric. 49: 6-23.
Rodrigues FL, Leite HG, Santos HN, de Souza
AL (2003) Soluo de problemas de plane-
jamiento florestal com restries de intei-
reza utilizando Busca Tabu. rbore 27:
701-713.
Rodrigues FL, Leite HG, Santos HN, de Souza
AL , Silva GF (2004 a) Metaheurstica al-
goritmo gentico para soluo de proble-
mas de planejamiento florestal com restri-
es de integridade. rbore 28: 233-245.
Rodrigues FL, Leite HG, Santos HN, de Souza
AL, Silva GF (2004b) Metaheurstica si-
mulated annealing para soluo de proble-
mas de planejamiento florestal com restri-
es de integridade. rvore 28: 247-256.
Rodrigues FL, Silva GF, Leite HG, Santos HN,
Xavier AC, Pezzopane JEM (2006) Um
modelo de regulao florestal e suas impli-
caes na formulao e soluo de proble-
mas com restries de recobrimento. rvo-
re 30: 769-778.
Romero C (1989) Modelos de planificacin fores-
tal: una aproximacin desde el anlisis mul-
ticriterio. Rev. Est. Agro-Soc. 147: 71-92.
SAS (2004) SAS/OR 9.1 Users Guide. SAS
Institute Inc. Cary, NC, EEUU. 168 pp.
Smartwood (2004) Resumen Pblico de Cer-
tificacin de Terranova de Venezuela S.A.
www.rainforest-alliance.org/forestry/doc-
uments/terranovafmpubsum04.pdf. (Cons.
20/05/2006).
Thompson EF, Halterman BG, Lyon TJ, Miller
RL (1973) Integrating timber and wildlife
management planning. For. Chron. 49:
247-250.
Vincent L (1993) Mtodos Cuantitativos de
Planificacin Silvicultural. Tomo I. Uni-
versidad de Los Andes. Mrida, Venezuela.
237 pp.
Ware G, Clutter J (1971) A mathematical pro-
gramming system for the management of
industrial forests. For. Sci. 17: 428-445.
Weintraub A (1975) Modelos matemticos en
planificacin forestal. Ing. Sist. 1: 39-60.
Weintraub A, Bare B (1996) New issues in for-
est land management from an Operations
Research perspective. Interfaces 26: 9-25.
Williansom G, Niehuwenhuis M (1993) Inte-
grated timber allocation and transportation
in Ireland. J. For. Eng. 5: 7-15.

PRELIMINARY HARVEST PLANNING MODEL FOR INDUSTRIAL FOREST PLANTATIONS IN VENEZUELA

Ramn Chiari L., Omar E. Carrero G., Mauricio Jerez, Mara Alejandra Quintero M. and Jurgen Stock
SUMMARY

A preliminary harvest planning model was developed for
pulpwood forest plantations in order to obtain optimal harvest
sequences that minimize operation costs. The primary target
was to identify the relative importance of the technical and
financial factors considered to influence the determination of
optimal harvest sequences on a forest plantation system that
includes stands with a range of species, ages, area and acces-
sibility. The model, called Ospino, was developed under the
principles of binary integer programming. Optimal harvest se-
quences were generated under different scenarios based on an
actual case. The scenaroes included the planning of harvest
sequences for up to 300 stands simultaneously during a plan-
ning term of seven years. The results were evaluated on the
basis of age at harvest, pulpwood yield, annual cutting area,
annual volume requirements, and unitary and total costs. Un-
der the model assumptions the factors that influenced more
markedly the determination of the optimal sequences were the
estimated mean annual volume increment (m 3ha-1 per year)
and the measured area for each stand (ha). The Ospino mod-
el is one of the first attempts in Venezuela to develop a sys-
tem for harvest planning based on mathematical programming
techniques adapted to the conditions of plantation forest man-
agement in the country.

MODELO PRELIMINAR PARA A PLANIFICAO Do APROVEitAMENTO EM PLANTAES FlORESTAiS

INDUSTRIAiSna VENEZUELA
Ramn Chiari L., Omar E. Carrero G., Mauricio Jerez, Mara Alejandra Quintero M. e Jurgen Stock
RESUMO

Desenvolveu-se um modelo preliminar para a planificao
das atividades de desbaste nos plantaes florestais para a
produo de polpa, o qual permite obter seqncias timas de
corta que minimizam os custos totais de desbaste. O objetivo
principal foi identificar a importncia relativa dos fatores tc-
nicos e financeiros considerados tm na determinao das se-
qncias timas de corta num sistema de plantaes florestais
composto por stands de diferentes espcies, idades, extenso
e acessibilidade. O modelo chamado Ospino foi concebido
baixo os princpios da programao inteira binria. Geraram-
se seqncias timas de corta com ate 300 stands simultane-
amente por um perodo de planejamento de sete anos y os
resultados foram avaliados em funo da idade de corta, ren-
dimento em polpa, superfcie a cortar por ano, quota anual a
cumprir, custos unitrios e totais. Baixo os supostos do mode-
lo encontrou-se que os fatores que mais influenciam num pla-
nejamento timo do desbaste foram o incremento mdio anual
volumtrico (m3ha-1 por ano) estimado para as plantaes e
a superfcie (ha) dos stands. O modelo Ospino e um dos pri-
meiros intentos na Venezuela para desenvolver um sistema de
otimizao dos desbastes baseado nas tcnicas da programa-
o matemtico adaptado as condies de manejo florestal de
plantaes no paese.

NOV 2008, VOL. 33 N 11 809