
Por Luca Urciuoli, Profesor Adjunto
En numerosos sectores agrícolas crece el interés por avanzar hacia economías más circulares, aprovechando lo que tradicionalmente se ha considerado un residuo para generar nuevos productos o fuentes de energía con valor económico. Sin embargo, casi de forma inevitable, la rentabilidad de estas actividades secundarias suele ser bastante ajustada: al fin y al cabo, si fuera fácil ganar dinero con ellas, todo el mundo ya lo estaría haciendo. Por eso resulta imprescindible optimizar las operaciones y los recursos que se les destinan.
Investigaciones previas han analizado la viabilidad económica de las bioeconomías circulares utilizando técnicas como la programación lineal entera mixta o la simulación. Pero estos enfoques han pasado por alto dos elementos clave. El primero es la logística asociada a la recogida, almacenamiento y transporte de los residuos (o, más propiamente, de las materias primas) de forma económicamente eficiente. El segundo es la necesidad de determinar tamaños de lote y calendarios óptimos de suministro a la planta de transformación, garantizando una producción continua y minimizando los tiempos muertos cuando la instalación debe alternar entre distintos tipos de materia prima y rutas de procesamiento.
El reto logístico asociado a los residuos agrícolas no es trivial. Su generación suele ser estacional y las condiciones meteorológicas pueden afectar de manera significativa tanto al momento como a la cantidad de residuos producidos. Además, los residuos generados durante las labores de cultivo o cosecha —a diferencia de los procedentes del procesado— suelen estar dispersos en terrenos de difícil acceso, en zonas rurales con infraestructuras viarias limitadas y mal mantenidas, poco adecuadas para vehículos pesados y, a menudo, alejadas de la planta de destino.
Junto con mis colegas Michael Alexandros Kougioumtzis y Emmanouil Karampinis, del Centre for Research and Technology – Hellas, en Atenas, hemos adoptado un enfoque distinto, utilizando datos de Sistemas de Información Geográfica (SIG) para alimentar un modelo híbrido de heurísticas y simulación, que hemos validado aplicándolo al cultivo del olivo en la región de Fthiotida, en Grecia.
En esta zona, una planta presta servicio al sector olivarero procesando dos flujos de residuos distintos: el residuo de almazara de dos fases (TPOMW, por sus siglas en inglés) y las podas del olivar. El TPOMW es una pulpa procedente del proceso de prensado que aún contiene cantidades recuperables de aceite, que pueden refinarse para obtener orujo de oliva con diversos usos industriales y secarse para producir tortas destinadas a biocombustible. Las podas, por su parte, resultan necesarias para gestionar y controlar el crecimiento de los olivos y se transforman en pellets para combustible, incluido el combustible utilizado para generar el calor de proceso en la propia planta. Estas podas deben retirarse de los campos, ya que de lo contrario pueden dañar el suelo, dificultar otras labores como la fumigación y, cada vez más preocupante, actuar como combustible para incendios forestales, cada vez más frecuentes.
Afortunadamente, estos residuos se generan en momentos distintos del año. La temporada de poda se extiende de marzo a octubre, mientras que el TPOMW se produce tras la cosecha, entre noviembre y febrero, cuando se prensan las aceitunas aunque, como ya se ha señalado, la variabilidad climática puede alterar significativamente estas fechas. Menos conveniente es el hecho de que, aunque ambos procesos son en gran medida independientes, comparten una instalación clave: el secadero. Separar completamente las dos líneas de producción requeriría una inversión adicional considerable, y este elemento compartido introduce un reto logístico adicional. El objetivo, por tanto, es mantener la disponibilidad de materia prima para que el secadero opere a plena capacidad el mayor tiempo posible, minimizando a la vez los periodos de parada necesarios para limpieza y cambios entre procesos.
El TPOMW se genera en un número reducido de ubicaciones (las almazaras), por lo que su logística resulta relativamente sencilla de planificar. No ocurre lo mismo con las podas. Estas se recogen mediante cosechadoras que se desplazan a los olivares, recogen y trituran los restos y los cargan en uno de dos camiones que realizan trayectos continuos entre la cosechadora y la planta. Evidentemente, si se despliegan pocas cosechadoras, el suministro de materia prima y, por tanto, la operación de la planta corre el riesgo de sufrir interrupciones, tiempos muertos y una menor producción.
Por el contrario, un número excesivo de cosechadoras puede provocar acumulaciones de material. Las máquinas quedan entonces paradas durante ciertos periodos y se incurre en costes adicionales por la necesidad de infraestructuras extra para almacenar las podas entrantes y el trabajo en curso. Al mismo tiempo, los inventarios acumulados pueden deteriorarse en condiciones de alta humedad y suponen un riesgo de incendio. En juego entran, por tanto, numerosas variables: la capacidad de los camiones, los tiempos de ciclo - es decir, el tiempo que tarda un camión en desplazarse entre la cosechadora y la planta, lo que también limita la distancia máxima de los olivares atendidos - y los efectos esencialmente aleatorios del clima sobre la estacionalidad y las cantidades disponibles.
El problema se plantea así como una combinación del problema de dimensionamiento de lotes con capacidad y del problema de ruteo de vehículos, ambos con modificaciones específicas, y la función objetivo resultante incluye múltiples componentes. Entre ellos se encuentran los ingresos por la venta de productos y diversos costes operativos: costes de inventario de bioproductos, costes de producción, tiempos de inactividad —tanto por falta de materia prima que detiene el proceso como por acumulaciones excesivas que retrasan el cambio de línea—, niveles de inventario de biomasa, costes de aprovisionamiento (la planta compra estas materias primas a agricultores individuales) y costes de transporte.
Aplicamos el modelo a nuestro caso real considerando uno, dos, tres y cuatro conjuntos de cosechadora y camión. En cada escenario calculamos tiempos de recolección, emisiones de dióxido de carbono, costes, ingresos y beneficios anuales.
El sistema funciona de forma muy eficiente incluso con grandes volúmenes de datos, incluyendo nuestra base de más de 6.000 parcelas. Para abordar el elevado número de variables, optamos por pasar de la optimización lineal clásica a heurísticas, que pueden introducir ligeros sesgos, pero que funcionan excepcionalmente bien en contextos reales donde las empresas necesitan actualizar y optimizar sus operaciones a corto y medio plazo.
Como era de esperar, el tiempo de recolección disminuye a medida que se añaden más cosechadoras. Menos evidente es que las emisiones de CO₂ se minimizan en el escenario de dos cosechadoras, que también optimiza los costes y los beneficios. Conviene señalar que las diferencias entre los escenarios de dos y tres cosechadoras son bastante reducidas en la mayoría de métricas. Los tiempos de inactividad también se minimizan en el modelo con dos cosechadoras. Desde el punto de vista de la rentabilidad, considerando un horizonte a largo plazo de 12 años y aplicando el Valor Actual Neto a las inversiones, el modelo con dos cosechadoras resulta el más rentable, seguido por los de tres, cuatro y una cosechadora. Curiosamente, el escenario de tres cosechadoras alcanza el punto de equilibrio antes, en 24 meses, frente a los 36 meses del modelo con dos.
Consideramos que nuestro enfoque queda validado hasta cierto punto, pero existen factores que no hemos abordado. Por ejemplo, los agricultores desean que las podas se retiren lo antes posible por los problemas de suelo, acceso y riesgo de incendios ya mencionados, lo que podría implicar temporadas de poda más cortas y la necesidad de utilizar más cosechadoras de las que serían estrictamente óptimas desde el punto de vista económico.
Tampoco hemos incorporado escenarios como episodios meteorológicos extremos o averías de las cosechadoras; en ambos casos, disponer de equipos adicionales podría mejorar la resiliencia y, en última instancia, la rentabilidad. No hemos analizado tampoco las implicaciones para la fuerza laboral, como la viabilidad de emplear trabajadores a tiempo parcial, ni desde el punto de vista de los costes ni de la atracción de mano de obra. Además, nuestro análisis se ha limitado a dos productos estacionales; aumentar la complejidad del modelo incorporando una gama más amplia de materias primas disponibles localmente permitiría una comprensión más completa del rendimiento y la resiliencia del sistema.
Para más información:
https://www.sciencedirect.com/science/article/pii/S0959652624035492