Você está na página 1de 19

UNIVERSIDAD DE CONCEPCIN FACULTA DE CIENCIAS VETERINARIAS DEPARTAMENTO CIENCIAS PECUARIAS ASIGNATURA PRODUCCIN ANIMAL CDIGOS 132134-0 (CHILLAN) 332128

8 (CONCEPCIN) APUNTE UNIDAD MODELOS DE SIMULACIN

CONCEPTO DE SIMULACIN. La dinmica actual de la cadena agroalimentaria a nivel predial tiene por objetivo el incremento de la rentabilidad, mediante la potencializacin de las relaciones genotipo-ambiente. Estas generan en el productor y/o profesional, la necesidad de desarrollar, adaptar e implementar metodologas y tecnologas dirigidas a maximizar los beneficios econmicos mediante sistemas de produccin eficientes y sustentables para evaluar estrategias de corto y mediano plazo, con la consecuente identificacin de las debilidades y fortalezas del sistema productivo, que es altamente dinmico, para disear un sentido estratgico a la gestin productiva de la empresa ganadera (Allende et al.,2000). La gestin implica la definicin de mtricas estandarizadas con metodologas y parmetros claros para la produccin de un bien o servicio, ya sea en el producto terminado o en procesos de la obtencin de ste. La sistematizacin y anlisis de informacin del proceso tiene por objetivo incrementar la eficiencia y generar atributos diferenciables, por lo tanto el objetivo de la gestin es maximizar los beneficios de la empresa. Para mejorar el sector pecuario es necesario cambiar los paradigmas existentes e integrarlos con una visin holstica de los componentes del sistema que generan bienes y servicios demandados por un mercado exigente. La disyuntiva generalizada en los sistemas productivos, est relacionada con los equilibrios de eficiencia y calidad. La disminucin sistemtica de costos operacionales tiende a decrecer la calidad del

Apuntes Modelos de Simulacin Profesor Rodrigo Allende Vargas

Pgina 1

producto, generndose la necesidad de metodologas que permitan determinar interrelaciones entre calidad y costo. Actualmente, la empresa agrcola debe obtener resultados econmicos, utilidades y rentabilidad, igual que cualquier otra empresa. Los factores tcnicos ya no son tan importantes, si el novillo engorda 1 kilo por da en primavera, o si las praderas rinden 812 toneladas de materia seca no es lo ms relevante, lo importante es que los resultados tcnicos se ajusten a las exigencias econmicas del negocio. El principal factor que explica las diferencias en rentabilidad es la capacidad de gestin, entendindose como la habilidad de hacer mejor cada una de las tareas productivas, financieras, econmicas y comerciales que enfrenta la empresa ganadera (Vargas,1999). Si bien existe una gran diversidad en trminos tecnolgicoproductivos: gentica, alimentacin, estacionalidad, uso de infraestructura, mecanizacin, etc., se ha observado que es factible encontrar empresas rentables y no rentables en cualquiera de las categoras tecnolgicas, por lo tanto, no son el tamao, ni la estacionalidad, ni la gentica ni el nivel de mecanizacin, por s solos, los que explican las diferencias en rentabilidad. La informacin es un factor que se debe considerar como un insumo ms. La caracterstica de este insumo es que es intangible, pero presenta un alto valor estratgico si se genera e interpreta adecuadamente, lo que permitira tomar decisiones ms informadas con un menor sesgo y a tiempo para ser ms rentables. Al poseer mayor informacin de los factores que afectan el negocio en que se est compitiendo se pueden desarrollar mejores acciones, planes o estrategias para lograr aumentar la rentabilidad de la empresa. La informacin es necesario obtenerla y para ello se debe identificar que es lo que se necesita. Si no existe organizacin para obtener la informacin, o si al obtenerla y sistematizarla no se aprovecha, se est desperdiciando la oportunidad de desarrollar una ventaja comparativa y competitiva que permitira el aumento en la rentabilidad de la empresa.

Apuntes Modelos de Simulacin Profesor Rodrigo Allende Vargas

Pgina 2

Para la obtencin de esta informacin existen variados mecanismos, destacndose en el ltimo tiempo la informtica como una herramienta de gran potencia que permite el manejo de una infinidad de variables a la vez. Existen algunas tcnicas desarrolladas para computadores que generan informacin til para el productor o tcnico y que si es bien utilizada puede mejorar la gestin de las empresas agropecuarias. A estas tcnicas se les ha denominado herramientas de gestin o herramientas de apoyo a la toma de decisiones. Tradicionalmente, las empresas eran competitivas si tenan acceso a bajos costos de los recursos de capital, mano de obra, energa, y materia prima, ya sean renovables y no renovables. Dado la velocidad del cambio tecnolgico, la ventaja comparativa de menores costos permita posicionar y mantener en el mercado a la unidad de negocios. La globalizacin ha dejado obsoleta esta nocin de ventaja comparativa y ha nacido un nuevo paradigma: la ventaja competitiva. Actualmente, los pases y empresas que son ms competitivas no son las que acceden a menor costo a los recursos, sino que aquellos que emplean tecnologas y mtodos ms avanzados para usar eficientemente y racionalmente los recursos integrados en la cadena productiva. Debe considerarse que la tecnologa est constantemente cambiando, por lo tanto el nuevo paradigma de la competitividad global demanda habilidad de las empresas para innovar rpida y constantemente. Este nuevo escenario tiene profundas implicancias ambientales, ya que se contraponen intereses de competitividad versus ambiente.

Desde su origen, el ser humano se ha valido de objetos externos para mejorar su calidad de vida. A dichos objetos se los llam herramientas, las cuales han evolucionado junto con la evolucin del ser humano. Cada poca ha trado un conjunto de nuevas herramientas, de complejidad creciente, pero que mantienen su condicin de instrumentos para mejorar la condicin de vida. Se trata en realidad de un conjunto relacionado y articulado de instrumentos, agrupados con diferentes nombres que incluyen ttulos tales como sistemas de apoyo a la toma de decisiones
Apuntes Modelos de Simulacin Profesor Rodrigo Allende Vargas Pgina 3

(SATD) o sistemas de gestin. Estos trminos identifican un enfoque integrado para la resolucin de un problema tan antiguo como lo es la existencia del ser humano: como tomar mejores decisiones con un menor riesgo (Stuth y Smith, 1993). Los SATD incluyen metodologas tan diversas como modelos computacionales, sistemas expertos, sistemas de informacin geogrfica, grupos de discusin, investigacin participativa, y procesos estructurados de razonamiento. A su vez, pueden ser usados por individuos o para asistir a grupos de tomadores de decisiones en sus deliberaciones, pero en esencia, su objetivo es suministrar informacin ms estructurada, con mayor objetividad y eficiencia en apoyo a dicha toma de decisiones (Stuth y Smith, 1993; Vera y Morales, 2001). La investigacin agraria, siguiendo la trayectoria del resto de disciplinas cientficas, ha evolucionado histricamente hacia un conocimiento cada vez ms profundo de los fenmenos, considerados estos aisladamente, intentando comprender el funcionamiento de los procesos globales a partir de sus partes integrantes. Esta forma de pensamiento cientfico se ha desarrollado en funcin de los criterios de reduccionismo y mecanicismo (Dillon,1976), que implicaban, por un lado, la reduccin de los fenmenos a sus partes como entidades ms bsicas y el anlisis independiente de ellas para explicar su comportamiento. La teora sistmica, como expresin del concepto de expansionismo pretende el conocimiento de la estructura funcional de las partes desde una aproximacin al conocimiento del funcionamiento del todo (Dillon,1976). Un sistema no puede ser estudiado considerando sus componentes aislados porque son las interrelaciones e interacciones entre dos componentes las que definen la integridad de su organizacin e identidad (Von Bertalanffy,1976). Se entiende por modelo algo que representa una cosa, por lo tanto representa un objeto, concepto u sistema. Aguilar et al., (2003) recopilan algunas definiciones de modelos de simulacin: a) Proceso de disear un modelo de un sistema y conducir experimentos con el propsito de entender el comportamiento del sistema, y evaluar varias estrategias (dentro de los lmites propuestos) para la operacin del sistema.
Apuntes Modelos de Simulacin Profesor Rodrigo Allende Vargas Pgina 4

b) Tcnica que ensea a construir el modelo de una situacin, apoyada con la realizacin de experimentos con el modelo.

Variadas son las denominaciones existentes dentro de los modelos, entre ellas estn los modelos mecansticos que describen los mecanismos subyacentes que interactan para representar el comportamiento de un sistema complejo, que facilita el traslado del modelo a diferentes ambientes, por su parte los modelos empricos son los que generan resultados a partir de datos obtenidos mediante observacin. Se clasifica a un modelo como determinstico cuando las variables matemticas del modelo, cuyos valores se determinan con certeza absoluta, son suficientes para representar el funcionamiento del sistema. Los modelos estocsticos permiten introducir elementos de incertidumbre en el comportamiento del sistema a travs de la consideracin de distribuciones de probabilidad adecuadas. El modelo dinmico es el que incorpora el tiempo como variable, lo cual presupone que debe estar relacionada con otras variables y por ende, estas varan en funcin del tiempo. Por otro lado, un modelo ser esttico si los valores de sus variables, contrariamente al anterior, no cambian con el tiempo. Otra clasificacin de los modelo divide a los modelos en dos grandes grupos, isomrficos y homomrficos, denotando as el grado de semejanza y uniformidad del modelo con el objeto o cosa que representa. Se denomina isomrfico, cuando es idntico o muy parecido a lo que representa y cumple en lneas generales dos propiedades, la existencia de una correspondencia uno a uno entre los componentes del modelo y los componentes de lo que representa y el modelo, adems de contener todas las relaciones entre componentes de lo que representa, preserva la proporcionalidad o calidad de ellas. Por otro lado, un modelo es clasificado como homomrfico cuando solamente se asemeja con lo que representa, ya que homologa, equipara y establece una relacin de igualdad o semejanza con lo que representa cumpliendo una sola propiedad, su funcionamiento global o producto debe ser igual al del objeto o cosa que representa, por lo tanto siempre tienen algn
Apuntes Modelos de Simulacin Profesor Rodrigo Allende Vargas Pgina 5

grado de abstraccin, que caracteriza en el primer grupo a los modelos fsicos y a escala y en el segundo grupo a los modelos anlogos, de educacin, de simulacin y los matemticos. Por lo general, los modelos de simulacin integran el tiempo en su funcionamiento, alterando el valor de las variables en un momento dado de acuerdo a su propio estado o el de variables correlacionadas en perodos anteriores (Baldwin,1995).

La aplicacin del

modelo surge desde el momento que permite una mejor

comprensin del sistema, para estudiar la posibilidad de modificarlo y mejorarlo a partir de la identificacin de los puntos ms sensibles. Bernues et al., (1995) enunciaron las ventajas de los modelos de simulacin: a) Permite el estudio de sistemas en situaciones en las que la experimentacin real sera imposible o muy costosa en recursos humanos y materiales. b) Permite el estudio de efectos a largo plazo, ya que el horizonte temporal es fijado por el investigador o usuario. c) Permite incorporar los elementos de incertidumbre inherentes a cualquier sistema biolgico. d) Son capaces de trabajar con un amplio rango de variables que pueden ser modificadas simultneamente. e) Generan gran cantidad de resultados con escaso consumo de tiempo. f) Entregan antecedentes para priorizar lneas de investigacin para evaluar soluciones a problemas detectados.

Estas caractersticas determinan que los modelos de simulacin constituyan una herramienta adecuada en la evaluacin tcnica y econmica de posibles estrategias de gestin y pueden constituir un valioso apoyo en los procesos de toma de decisiones. Los modelos de simulacin, constituyen una herramienta de anlisis en el proceso de investigacin, que con el enfoque de anlisis de sistemas, permite analizar
Apuntes Modelos de Simulacin Profesor Rodrigo Allende Vargas Pgina 6

cuantitativamente los conocimientos disponibles, identificar reas crticas que requieren una mayor investigacin y la identificacin de variables a las que el sistema es ms sensible, para plantear y evaluar diferentes alternativas de gestin (Baldwin, 1995).

Modelacin en Agricultura y Ganadera. La modelacin, es una metodologa para resolver problemas, mediante la cual, un investigador construye un modelo que representa un objeto o sistema real. Siendo una metodologa, al aplicarla se debe hacer una equiparacin entre el marco terico que aporta la metodologa y la estructura del problema a resolver. Al considerar la complejidad y las caractersticas que presentan los sistemas agropecuarios, el uso de la modelacin se vislumbra como una gran alternativa en la agricultura, ya que utilizando adecuadamente la metodologa de modelos y los principios generales, se puede disear una herramienta de experimentacin y prediccin que permita efectivamente estudiar y entregar antecedentes para resolver los problemas agrcolas, constituyndose en una valiosa herramienta de gestin en los sistemas agropecuarios. animal se resume en: a) Se utilizan en todas las fases de una operacin ganadera para evaluar opciones de produccin. b) Sirve como una tcnica para mejorar la planificacin permitiendo a los productores y cientficos evitar la implementacin de tcnicas y esquemas de manejo que puedan provocar una respuesta bioeconmica negativa. La utilidad de los modelos de simulacin en produccin

Apuntes Modelos de Simulacin Profesor Rodrigo Allende Vargas

Pgina 7

c) El uso de ordenadores computacionales permiten evaluar un mayor nmero de opciones de produccin en perodos cortos, lo cual sera imposible realizar con la experimentacin fsica con animales o seres vivos.

d) En el caso del manejo del ganado, pueden ser el apoyo en la formulacin de planes de manejo y desarrollo para una empresa ganadera, sealando tres funciones definidas: cuantificar requerimientos y limitaciones nutricionales, investigar los efectos ex ante de nuevas opciones tecnolgicas y definir la pauta para la obtencin futura de datos que no eran considerados, as como detectar los puntos dbiles de un nuevo sistema de produccin.

e) Permite definir nuevas reas de investigacin, confirmar algunos resultados de otros experimentos y usar algunos datos para orientar la transferencia tecnolgica.

f) Provee informacin aplicable y confiable del sistema pecuario, a modelos de toma de decisin. Dado que con este tipo de modelos es posible hacer inferencias que cuantifican diferentes alternativas de manejo, se logra como resultado valores que se requieren para otro modelo de decisin con el objetivo de optimizar el sistema, antes de confrontar las alternativas con las posibilidades de un sistema real. La simulacin constituye una herramienta de apoyo en el anlisis durante el proceso de investigacin, ya que permite analizar cuantitativamente los conocimientos disponibles e identificar variables con un grado mayor de sensibilidad sobre las respuestas, disminuyendo el sesgo en la toma de decisiones. Los modelos de simulacin se disean y construyen con el propsito de entender, explicar o mejorar el funcionamiento de un sistema real, concepto u objeto (Aguilar et al., 2003). Pueden cumplir un papel importante en la evaluacin a nivel temporal de los sistemas de produccin pecuaria, proporcionando parmetros de referencia para la recopilacin de informacin existente sobre procesos especiales y pueden ser utilizados para
Apuntes Modelos de Simulacin Profesor Rodrigo Allende Vargas Pgina 8

identificar conocimientos deficitarios, generando lineamientos a seguir en la investigacin (Morales y Aguilar, 2002; Allende et al., 2003). Las etapas para el desarrollo de un modelo de simulacin utiliza la metodologa propuesta por Aguilar et al. (2003) y Baldwin (1995) mediante la estructuracin, desarrollo, validacin y experimentacin de un modelo. Esta metodologa considera integrar las relaciones funcionales y los objetivos del sistema de produccin de las unidades productivas (Figura 1), con el objetivo de elaborar una herramienta de apoyo a la gestin. Las caractersticas de herramienta del modelo de simulacin estn dadas por la posibilidad de evaluar distintas estrategias y realizar un anlisis de sensibilidad de factores fsicos.
Definicin de Objetivos

Anlisis del Sistema

Sntesis del Sistema

Verificacin

Validacin

Experimentacin

Documentacin

Figura 1. Etapas en la elaboracin de un modelo de simulacin.


Apuntes Modelos de Simulacin Profesor Rodrigo Allende Vargas Pgina 9

Definicin de Objetivos: Se definen los lmites del modelo, con el objetivo de acotar las respuestas y aplicaciones del modelo. Adems, se determinan las medidas de efectividad para evaluar estadsticamente el modelo de simulacin en comparacin con datos reales del sistema a simular, como por ejemplo el peso vivo final despus del perodo de simulacin (kg) y la tasa de modificacin diaria del peso vivo a una semana determinada de simulacin (kgda-1). La exactitud de la prediccin de un modelo de simulacin se encuentra dentro del rango definido por los objetivos planteados, de esta manera la aplicabilidad de un modelo debe ser solo para aquellos aspectos para los cuales fue construido (Silva y Mansilla, 1993). En consecuencia, el modelo y la informacin que entrega se utilizan como apoyo a la toma de decisiones del sistema para el que fue diseado. Anlisis del Sistema: Esta etapa comprende la tarea de entender las partes del sistema real y sus relaciones funcionales. El anlisis del sistema permitir detectar los factores relevantes que afectan al problema a estudiar y que influyen en el objetivo especificado. Se utiliza la metodologa propuesta por Shannon (1988) para definir las variables como elementos esenciales de un modelo matemtico, siendo ellas:

a) Variables exgenas o externas: Son aquellas que son independientes del sistema constituyendo los datos de entrada del proceso de simulacin. Ellas actan sobre el sistema de clculo propuesto convirtindose en elementos para establecer un anlisis de sensibilidad. En el Cuadro 1 se presenta el ejemplo para un modelo de simulacin para predecir comportamiento de engorda de novillos confinados. Las variables externas se subdividen en controlables y no controlables. Las variables anteriormente tabuladas corresponden a controlables por el usuario y son importantes desde el punto de decisin, ya que generarn una gama de superficie de respuestas. Las no controlables corresponden a los denominados parmetros, los cules son funciones que interactan con los valores de variables exgenas y/o con valores de variables generadas durante el proceso de simulacin.
Apuntes Modelos de Simulacin Profesor Rodrigo Allende Vargas Pgina 10

b) Variables endgenas: Son variables de salida del modelo y son generadas por la

interaccin de variables de entrada y parmetros en la secuencia del algoritmo de clculo durante un perodo de tiempo simulado.

Cuadro1. Variables de inicio para el proceso de simulacin Variable Peso inicial del novillo Velocidad media del viento Temperatura ambiental promedio Taninos en la dieta PC de la dieta NSC de la dieta Slice de la dieta Tamao de partcula FDN FDA Lignina EE Edad Promedio de los Animales Peso promedio al Nacimiento Peso promedio a la madurez Unidad kg PV 1 km h 1 C % de la MS % de la MS % de la MS % de la MS cm % de la MS % de la MS % de la MS % de la MS Meses kg kg

Sntesis del Sistema: Corresponde a la organizacin o abstraccin de los componentes relevantes del sistema en un sistema lgico. Esta etapa coordina los procesos que conforman el todo desde un punto de vista cualitativo y cuantitativo, con el fin de obtener aproximaciones adecuadas para la resolucin de los objetivos planteados
Apuntes Modelos de Simulacin Profesor Rodrigo Allende Vargas Pgina 11

(Silva y Mansilla,1993). Las aplicaciones de esta etapa durante el desarrollo de un modelo se resumen en: a) Elaborar diagramas de flujos que representen una definicin biolgica y como elementos de gua en la formulacin matemtica, ya que visualmente identifican y representan de forma adecuada el sistema a estudiar o los algoritmos de clculo asociados al mismo (Silva y Mansilla, 1993). En la figura 2 se presenta un ejemplo de diagrama de flujo. b) Declaracin de hiptesis relativas al funcionamiento entre los diferentes componentes del sistema.

c) Identificar y preparar los datos necesarios para el desarrollo del modelo y su reduccin a una forma apropiada.

d) Especificar la forma en que las variables y componentes del sistema se relacionan, expresados en forma matemtica.

e) Transcribir el sistema lgico diseado para el modelo a un lenguaje de programacin.

El algoritmo de clculo propuesto determina cul es el nutriente limitante para el incremento del peso vivo, ya sea por balance energtico o proteico (Figura 2).

Apuntes Modelos de Simulacin Profesor Rodrigo Allende Vargas

Pgina 12

Figura 2. Diagrama de flujo modelo de simulacin engorda novillos confinados.


Peso vivo
Consumo voluntario (CVOR) Digestibilidad real (DIGREAL)

Consumo Protena Digestible

Consumo de Energa Metabolizable

Requerimientos Protena digestible mantencin

Requerimientos de Energa Metabolizable de Mantencin

Balance
Requerimientos de
Requerimientos de Protena Digestible para Ganancia de Peso

Energa Metabolizable para Ganancia de Peso

Ganancia de Peso
Resultados

Da>0

Da =0

Da simulado
Apuntes Modelos de Simulacin Profesor Rodrigo Allende Vargas Pgina 13

Validacin: En sta etapa se verifica la validez funcional del modelo propuesto mediante la comparacin estadstica de las estimaciones del modelo desarrollado frente a datos observados. La validacin se desarrolla con un enfoque utilitarista (Shannon, 1988) contrastando los datos de salida bajo condiciones normales del sistema de produccin simulado con los del modelo real. Un ejemplo es la validacin del modelo de Allende et al., (2003) que simulo a 13 animales durante 119 das del proceso de engorda bajo estabulacin. Las medias de los valores observados y generados mediante simulacin para los pesos vivos (Cuadro 2) se compararon utilizando la distribucin t de Student para muestras pequeas de poblaciones normales con varianza poblacional conocida (Walpole y Myers, 1996).

Cuadro 2. Promedios y Desvos Estndar Observados y Simulados Da 1 Promedio Observado (kg PV) DS Observado (kg PV) Promedio Simulado (kg PV) DS Simulado (kg PV) Fuente: Allende et al., 2003 Las comparaciones se realizaron por los resultados finales del proceso y por da especfico. Para el caso de los valores finales observados y simulados la estimacin del peso vivo por parte del modelo es consistente (P=0,14) al ser comparado con los pesos observados. Para esta situacin, adems se compararon los datos por anlisis de regresin mostrando un buen ajuste lineal (r2: 0,99) entre los datos evaluados (Figura 3). El intercepto de la regresin no es diferente a 0 ( P>0,05) y la pendiente no es diferente 18,96 244,54 18,96 26,88 278,64 19,73 30,49 316,98 18,81 29,35 357,36 17,72 30,69 405,39 15,90 244,54 Da 26 274,62 Da 53 317,23 Da 82 344,00 Da 119 400,00

Apuntes Modelos de Simulacin Profesor Rodrigo Allende Vargas

Pgina 14

a 1 (P>0,05) por lo tanto la Ho se acepta, el modelo estima confiablemente la tasa de cambio del peso vivo en toretes estabulados.

419
405,39

394

369
357,36

Simulados

344
y = 1,0449x - 9,6836 R2 = 0,9942

319

316,98

P<0,0001

294
278,64

269

244,54 244 244,00

269,00

294,00

319,00

344,00

369,00

394,00

419,00

Observados

Figura 3. Anlisis de Regresin para datos Observados y Simulados.

Las comparaciones de datos observados y simulados para los pesajes del da 26, 53, 82 y 119 no presentaron diferencias significativas (Cuadro 3). Cuadro 3. Comparacin de medias observadas y simuladas Da de Comparacin 26 53 82 119
*

P 0,65 * 0,97 * 0,17 * 0,56 *

No significativo p>0,05 para prueba de t Student

Apuntes Modelos de Simulacin Profesor Rodrigo Allende Vargas

Pgina 15

Experimentacin: La investigacin aplicada a nivel predial debe satisfacer la obtencin de respuestas por la implementacin de metodologas y/o tecnologas. El uso de modelos de simulacin permite predecir los potenciales productivos de los sistemas de produccin animal, bajo diferentes escenarios productivos, permite evaluar tcnica y econmicamente diferentes alternativas, reducindose de esta manera el tiempo que lleva experimentar en campo las mismas alternativas (Aguilar et al., 2002). Como ejemplo de la experimentacin se describe la utilizada por Allende et al., (2003) que consider evaluar la tasa de aumento de peso vivo, peso vivo final y consumo de materia seca de novillos de 12 meses de edad, de razas de madurez intermedia con 250 kg de peso vivo inicial durante un perodo de 120 das. El efecto en estudio fue el tamao de la partcula alimenticia, un tratamiento de 1,5 cm y otro de 3 cm de largo. La literatura seala que existe una relacin del tipo polinomial de segundo orden entre digestibilidad de la dieta en funcin del tamao de la partcula. Adems, la partcula incide sobre el nivel de consumo voluntario de materia seca. Mediante simulacin se generaron 6 repeticiones individuales de animales con las cules se evaluaron el peso vivo, tasa de incremento real de peso vivo y consumo voluntario de materia seca (Kuehl, 2001).

a) Peso vivo: El anlisis ANDEVA a 4 diferentes momentos del proceso de engorda, das 29, 64, 92 y 120, mostraron un efecto positivo para el tratamiento con 1,5 cm de largo (P<0,0001). b) Tasa de Incremento Real de Peso Vivo: Al igual que el peso vivo, la comparacin de medias para muestras pequeas con distribucin normal con la prueba de t student mostr diferencias favorables al experimento con 1,5 cm (Cuadro 4).

Apuntes Modelos de Simulacin Profesor Rodrigo Allende Vargas

Pgina 16

Cuadro 4. Valores P estimados para tratamientos en estudio mediante prueba de t student. Da de Medicin 29 64 92 120 P 0,0004 0,0068 0,001 0,001

Las diferencias estaran explicadas por un mayor consumo de materia seca promedio del grupo simulado con 1,5 cm (P<0,0001) originadas por un incremento entre 5-6 % de la digestibilidad simulada por efecto de un menor tamao de partcula.

Los incrementos de peso vivo acumulados durante los 120 simulados fue de 147 1,58 kg PV para el tratamiento con 1,5 cm de tamao de partcula, en cambio para el tratamiento de 3,0 cm fue de 121 1,13 kg PV.

Apuntes Modelos de Simulacin Profesor Rodrigo Allende Vargas

Pgina 17

Citas Aguilar, C., Corts, H., y Allende, R., 2002. Los modelos de simulacin. Una herramienta de apoyo a la gestin pecuaria. Archivos Latinoamericanos de Produccin Animal 10 (3) 226-231. Allende R., Aguilar, C., y Garca, F., 2000. Modelo de simulacin para estimar la ganancia de peso en novillos en praderas naturales de la IX regin de Chile. Proceedings de la XVI Reunin Latinoamericana de Produccin Animal. III Congreso Uruguayo de Produccin Animal. Allende, R. Cubillos, G., Aguilar, C. y Gompertz, G., 2003. Fattening of steers: Evaluation of feedlot scenarios by the simulation. Proceeding IX World Conference on Animal Production, Porto Alegre, Brasil. Baldwin, R. L. 1995. Modeling ruminant digestion and metabolism. First edition. Chapman and Hall. Bernues, A.; Herrero, M.; Dent, J. 1995. El estudio de los sistemas ganaderos mediante simulacin: Una revisin de los modelos de ovinos a nivel del animal individual, del rebao y de la explotacin. Investigacin Agropecuaria: Produccin y Sanidad Animal. Vol. 10 (3), 243-272. Dillon, J. 1976. The economics of systems research. Agricultural Systems 1, 5-22. Morales, J.S., C. Aguilar. 2002. La Investigacin de sistemas agropecuarios en Latinoamrica. Modelo descriptivo. Archivos Latinoamericanos de Produccin Animal 10 (3) 184 -192. Shannon, R. 1988. Simulacin de Sistemas. Diseo, desarrollo e implantacin. Editorial Trillas. Mxico 427 p. Silva, M. y Mansilla, A. 1993. Anlisis de sistemas en Produccin Animal. Facultad de Ciencias Agrarias y Forestales.1 Edicin.

Apuntes Modelos de Simulacin Profesor Rodrigo Allende Vargas

Pgina 18

Stuth, J.W y Smith,M. 1993. Decision support for grazing lands: an overview. In: Stuth,J. and Lyons,B. Decision support systems for the management of grazing lands: emerging issues. Paris .UNESCO Man and the Biosphere series. Vol.11 pp 1-35. Vargas, G. 1999. Gestin y Economa de la Produccin Lechera. Publicaciones en Gestin Agropecuaria. Fundacin Chile. Pgina Web http://www.agrogestion.cl/pub_prodlechera.htm. Vera, R.; J.S. Morales.2001. Decision support systems for pasture utilization:

Developments, opportunities and constrains. In Simposio Internacional en produccin Animal y Medio Ambiente. Proceedings XXVI Reunin anual de la Sociedad Chilena de Produccin Animal. Von Bertalanffy, L.,1976. Teora General de los sistemas. Fundamentos, desarrollo, aplicaciones. Mxico: Fondo de Cultura Econmica.310 p. Walpole, R.; Myers, R. 1996. Probabilidad y Estadstica. Cuarta Edicin. Editorial McGrawHill. Mxico D.F. 797p.

Apuntes Modelos de Simulacin Profesor Rodrigo Allende Vargas

Pgina 19