OPTIMIZACIÓN BICRITERIO DE LA CADENA DE SUMINISTROS DE …
Transcript of OPTIMIZACIÓN BICRITERIO DE LA CADENA DE SUMINISTROS DE …
2010 / VI CAIQ
AAIQ Asociación Argentina de Ingenieros Químicos
OPTIMIZACIÓN BICRITERIO DE LA CADENA DE
SUMINISTROS DE LA INDUSTRIA SUCROALCOHOLERA
Fernando D. Mele* y Gonzalo Guillén-Gosálbez‡
*Departamento de Ingeniería de Procesos y Gestión Industrial, FACET
(Universidad Nacional de Tucumán)
Av. Independencia 1800 – T4002BLR San Miguel de Tucumán - Argentina
E-mail: [email protected] ‡Departament d’Enginyeria Química, ETSEQ
(Universitat Rovira i Virgili)
Av. Països Catalans 26 – 43007 Tarragona - España
E-mail: [email protected]
Resumen. El objetivo de este trabajo es presentar una herramienta
cuantitativa de soporte a la toma de decisiones en el ámbito del diseño
óptimo de la cadena de suministros (SC) de la industria del bioetanol
derivado de la caña de azúcar. Por ello, se propone un modelo lineal
multiobjetivo mixto entero que busca minimizar simultáneamente los costos
y el impacto ambiental en cada etapa de la SC. La herramienta se ha
aplicado a un caso de estudio para encontrar diferentes configuraciones de
la SC, confirmándose el compromiso existente entre las funciones objetivo
planteadas. El enfoque ofrece una valiosa visión del problema de diseño, y
constituye una guía para adoptar las alternativas más sostenibles para un
problema tan importante como lo es la gestión de SCs de las biorefinerías.
Palabras claves: Bioetanol, Gestión de Cadenas de Suministros, Análisis del
Ciclo de Vida.
* A quien debe dirigirse la correspondencia
2010 / V CAIQ
AAIQ Asociación Argentina de Ingenieros Químicos
1. Introducción
Legar a las generaciones futuras un medio ambiente adecuado para la continuidad de
la civilización se ha convertido en una de las principales preocupaciones de la sociedad
actual, surgiendo la palabra sostenibilidad para referirse a este concepto (Brundtland,
1987). En la actualidad, hay una cierta conciencia sobre la futura reducción de los
recursos energéticos provenientes del petróleo, y los consumidores y los gobiernos son
más exigentes en los aspectos relacionados con la protección del medio ambiente. Por
estas razones, el interés en combustibles renovables también ha aumentado
considerablemente en los últimos años en todo el mundo, siendo el bioetanol uno de los
ejemplos más exitosos de sustitución parcial de los combustibles fósiles por otros de
base biológica.
Si bien el etanol fue usado por primera vez por Henry Ford como combustible
automotor en 1896, recién cobró importancia en la década de 1970, después de la crisis
del petróleo, cuando los países importadores de petróleo se vieron obligados a
desarrollar programas alternativos de combustible a fin de reducir su dependencia del
petróleo. En la actualidad, las enormes inversiones de promoción pública y los
incentivos fiscales hicieron de Brasil y los EEUU los líderes mundiales en la
producción de etanol (alrededor del 90% de la producción de etanol del mundo).
Siguiendo esta tendencia, la Ley de Biocombustibles 26,093 de Argentina (2006)
provee el marco para la inversión, producción y comercialización de etanol y biodiesel.
Tanto las naftas como el gasoil deben mezclarse con un 5% de biocombustible a partir
de 2010. El objetivo de esta ley es diversificar la oferta de energía y promover el
desarrollo de las zonas rurales, especialmente en beneficio de pequeñas y medianas
empresas a los productores agrícolas. La actual producción de etanol en este país está a
cargo de 15 ingenios que utilizan melaza de caña de azúcar en el noroeste del país.
Para cumplir con la directiva oficial, la Argentina tendrá que ampliar la cadena de
suministro (SC) de caña de azúcar para producir alrededor de 270 millones de litros/año
de etanol. El país cuenta con abundantes recursos naturales, un sector agrícola y de
producción eficiente, y una buena infraestructura de exportación (GAIN Report, 2009).
Sin embargo, a pesar de las ventajas del bioetanol, existen aún algunos problemas para
2010 / V CAIQ
AAIQ Asociación Argentina de Ingenieros Químicos
resolver. En particular, una de las cuestiones clave que aún sigue abierta es cómo
desarrollar un enfoque más amplio para diseñar de manera óptima la SC de esta
industria, para que sea capaz de satisfacer la demanda de azúcar y etanol en los
mercados en crecimiento, de manera sostenible. Esto no es una tarea trivial por su
complejidad y por la existencia de diferentes criterios contrapuestos a la hora de tomar
decisiones.
Este trabajo se centra en un modelo de programación matemática para la
optimización de la SC de la caña a nivel estratégico y táctico. Las decisiones en estos
niveles (diseño, planificación y programación) tienen un impacto duradero y determinan
la eficacia de las decisiones de los niveles más bajos. Además, tienen un papel muy
importante pues representan una parte importante de la inversión de capital.
Para desarrollar esta herramienta la economía del sistema no debe ser el único
criterio a tener en cuenta, ya que la realidad a menudo incluye otros aspectos que a
veces no pueden expresarse en unidades monetarias. Recientemente, ha habido un
cambio de paradigma para abordar el diseño teniendo en cuenta no sólo los beneficios
económicos de una SC, sino también su desempeño ambiental (Srivastava, 2007).
El objetivo de este trabajo es desarrollar una herramienta cuantitativa, basada en
programación matemática, como soporte a la toma de decisiones en el diseño sostenible
de la SC de la industria de la caña. La principal novedad es el desarrollo de una
formulación matemática que integra todos los componentes de la SC en un marco único
a fin de optimizar las decisiones estratégicas teniendo en cuenta al mismo tiempo los
aspectos económicos y ambientales. Más precisamente, este enfoque incluye el
modelado del problema de diseño como un problema bi-criterio lineal entero mixto (bi-
MILP) que busca maximizar el valor actual neto (NPV) de la SC, minimizando su
impacto ambiental, siendo este último determinado usando los principios del LCA, una
técnica ampliamente reconocida a la hora de cuantificar la carga y el impacto ambiental
potencial ociado a un proceso o actividad (ISO, 2000). La solución del problema de
optimización es un conjunto de alternativas de Pareto, representando cada una de ellas
una configuración diferente de la SC (ej.: número, ubicación, tipo y capacidad de
2010 / V CAIQ
AAIQ Asociación Argentina de Ingenieros Químicos
plantas de producción y almacenamiento, y tipo y número de unidades de transporte).
Estas soluciones se obtienen usando técnicas estándares de optimización multiobjetivo.
2. Planteo del problema
Fig. 1. Cadena de suministros de la industria sucroalcoholera para este estudio.
Para plantear formalmente el problema de diseño de la SC, se considera una SC
genérica de tres escalones (producción-almacenamiento-mercado) como la que se
muestra en la Figura 1. Esta red incluye un conjunto de productores de caña,
instalaciones de producción y almacenamiento, y mercados finales. Se cuenta con un
horizonte de tiempo dividido en períodos de tiempo y una zona geográfica específica de
interés que se divide en un conjunto de regiones en las que se pueden establecer las
instalaciones de la SC con el fin de producir y entregar productos a los clientes.
También se tiene en cuenta que cada región tiene una capacidad de producción de caña
de azúcar asociada en cada intervalo de tiempo. Dependiendo de la tecnología, la caña
de azúcar puede ser convertida en azúcar o etanol, y los subproductos de la fabricación
de azúcar, melaza y miel, también pueden ser fermentados a bioetanol. Durante los
2010 / V CAIQ
AAIQ Asociación Argentina de Ingenieros Químicos
procesos se genera cierta cantidad de emisiones y residuos. En cuanto a los productos
finales (etanol y azúcares), éstos pueden ser almacenados en un depósito antes de ser
entregados al mercado. Las instalaciones de las diferentes regiones han de estar
conectadas mediante canales de transporte, dependiendo de cada material la elección del
tipo de transporte más adecuado.
El problema del diseño sostenible de la SC puede entonces plantearse formalmente
como sigue:
Dado un horizonte de tiempo fijo, los precios de los productos, los parámetros de
costos de producción, almacenamiento y transporte, las previsiones de demanda de los
productos, impuestos, datos de capacidad de las plantas, almacenes y vías de transporte,
datos de capital fijo, tasa de interés, período de almacenamiento, impuesto sobre los
vertidos, límite máximo para la inversión de capital, y datos ambientales (emisiones
asociadas a la operación de la red y el modelo de daños),
El propósito es determinar la configuración de una red de bioetanol y las decisiones
correspondientes de planificación con el objetivo de maximizar el beneficio y minimizar
el impacto ambiental, ambos calculados sobre toda la vida útil y toda la SC. Las
decisiones incluyen el número, ubicación y capacidad de las plantas de producción y
almacenes que se creará en cada región, su capacidad política de expansión para un
pronóstico dado de precios y demanda en el horizonte de planificación, los vínculos de
transporte y medios de transporte que necesitan establecerse, y las tasas de producción y
los flujos de materias primas, residuos y productos finales.
3. Evaluación de impacto: aplicación de los principios del LCA
En este trabajo, el desempeño ambiental de la red se mide mediante índices de
impacto evaluados siguiendo los principios del Análisis del Ciclo de Vida (LCA), de
manera similar a otros trabajos de los autores (Mele et al., 2005; Guillén et al., 2009).
Esta vez, la novedad radica en la integración del LCA en un marco de optimización para
el diseño de la SC del bioetanol. Se utilizan dos indicadores ambientales: (1) el
potencial de calentamiento global evaluado a través de la metodología CML y (2) el
Eco-indicador 99. La metodología CML 2001 incluye un conjunto de categorías de
impacto y métodos de caracterización propuestos por el Centro de Ciencias
2010 / V CAIQ
AAIQ Asociación Argentina de Ingenieros Químicos
Ambientales de la Univ. de Leiden (Frischknecht et al., 2007). Entre estas categorías, se
ha elegido el cambio climático, el cual se relaciona con las emisiones al aire de gases de
efecto invernadero. Los factores se expresan como Potencial de Calentamiento Global
para un horizonte de 100 años (GWP100), en kg de dióxido de carbono/kg de emisión, a
escala mundial. El Eco-indicador 99 (EI99), a su vez, implica el cálculo de once
categorías de impacto que luego se agrupan en una única métrica (Goedkoop y
Spriensma, 1999).
El sistema en estudio es la industria de la caña de azúcar tal como opera actualmente
en la Argentina, considerando también algunas opciones que no serían difíciles de
aplicar en la práctica.
El sistema global se divide en tres subsistemas: (1) Agricultura + Molienda, (2)
Producción de Azúcar, y (3) Producción de Etanol.
El subsistema Agricultura + Molienda incluye todas las actividades relacionadas con
el cultivo y cosecha de la caña, como así también el transporte hacia los ingenios
azucareros, molienda para extraer el jugo, y quemado del residuo celulósico (bagazo) en
calderas para generar vapor y electricidad.
El subsistema Producción de Azúcar considera los procesos de purificación y
concentración del jugo de caña para obtener cristales de azúcar. Aunque existe un solo
proceso para llevar a cabo la purificación en el esquema actual de la producción
argentina (sulfitación, encalado, calefacción, sedimentación y filtración), hay dos
formas de concentrar el jugo clarificado para producir azúcar. La primera tecnología
produce azúcar y la melaza, mientras que la segunda produce azúcar y miel secundaria.
En el subsistema Producción de Etanol, se pueden utilizar tres tipos de destilería en
función de la materia prima que se usa: melaza, miel secundaria o jugo de caña.
Cualquiera de estos tipos de destilerías consumen los mismos insumos (agua, levaduras,
etc.) pero en cantidades diferentes. También producen diferentes cantidades de casi las
mismas emisiones (CO2, compuestos orgánicos volátiles, fusel, etc.) El residuo más
dañino es la vinaza y sus propiedades dependen de la materia prima utilizada en el
proceso. En la actualidad, cada empresa de la Argentina usa diferentes opciones para el
2010 / V CAIQ
AAIQ Asociación Argentina de Ingenieros Químicos
tratamiento de residuos. En este estudio se ha considerado la disposición de la vinaza en
los suelos y cursos de agua superficiales.
Los cálculos finales se han realizado con el programa SimaPro 6.0 LCA, usando: (1)
la metodología del Eco-indicador 99 para calcular el EI99 y (2) la metodología CML
2001 (todas las categorías de impacto) v2.04 para calcular el GWP100.
Fig. 2. Límites del sistema considerado en el estudio de LCA.
2010 / V CAIQ
AAIQ Asociación Argentina de Ingenieros Químicos
4. Mathematical model
La formulación bi-MILP que se presenta, se basa en la de Almansoori y Shah (2006),
y Guillén-Gosálbez et al. (2009), que abordan el diseño de una SC para el hidrógeno.
Los balances de masa se manejan siguiendo la formulación para SC desarrollada por
Guillén-Gosálbez y Grossmann (2009) para el caso de SCs petroquímicas.
Los aspectos ambientales se han incluido en la formulación con el fin de que sean
considerados junto al objetivo económico tradicional. La solución de este problema bi-
criterio comprende un conjunto de puntos óptimos de Pareto que balancean a los dos
objetivos. Teniendo en cuenta las características particulares de la industria de la caña
de azúcar en la Argentina, este modelo considera las siguientes actividades de la SC:
Fig. 3. Esquema entrada/salida de las cinco tecnologías consideradas.
Producción. En el proceso de molienda, la caña de azúcar se separa en jugo y un
residuo lignocelulósico llamado bagazo. El jugo de caña se trata luego de diferentes
maneras. Una opción es utilizar este jugo para producir azúcar blanco y azúcar crudo.
Hay dos tecnologías para la realización de esta vía: una de ellas genera melaza (T1),
como un subproducto, mientras que la otra genera una miel secundaria (T2). Estos dos
subproductos difieren en su contenido de sacarosa. La melaza es una miel oscura
viscosa cuyo bajo contenido de sacarosa no puede recuperarse por cristalización,
mientras que la miel secundaria tiene una cierta cantidad de sacarosa aún cristalizable.
El etanol anhidro puede producirse por fermentación y subsiguiente deshidratación de
melaza (T3), miel (T4) o jugo de caña (T5). De acuerdo con esto, el modelo considera
cinco tecnologías diferentes, dos para la producción de azúcar y tres para la producción
2010 / V CAIQ
AAIQ Asociación Argentina de Ingenieros Químicos
de etanol. Los coeficientes para el balance de masa de cada tecnología se muestran en la
Figura 3.
Almacenamiento. El modelo incluye dos tipos de instalaciones de almacenamiento:
almacenes para los productos líquidos y depósitos para los materiales sólidos. Cada tipo
de planta de almacenamiento tiene un capital fijo más costos unitarios asociados.
Transporte. Las unidades de transporte entregan los productos finales a los clientes y
realizan el suministro a las plantas de producción. En el modelo se considera que las
tareas de transporte puede ser realizadas por tres tipos de camiones: camiones pesados
de caja abierta para la caña de azúcar, camiones medianos para el azúcar y camiones
cisternas para los productos líquidos.
El modelo incluye tres bloques de ecuaciones principales: de balance de masa, de
capacidad y de función objetivo. A continuación se presenta sucintamente cada uno de
estos grupos de ecuaciones.
4.1. Restricciones de balance de masa
El balance de masa global para cada región está representado en la Ec. (1). Para cada
producto i, el stock inicial mantenido en la región g en el período anterior (STisgt−1) más
la cantidad producida (PTigt), la cantidad de material prima comprada (PUigt) y el flujo
de entrada proveniente de otras fábricas de la SC (Qilg′gt), debe ser igual al inventario
final (STisgt) más la cantidad entregada a los clientes (DTSigt) más el flujo de salida hacia
otras instalaciones de la SC (Qilgg′t) y la cantidad de residuos generados (Wigt).
igtl gg
tgiigts
isgtl gg
gtiigtigts
isgt WQDTSSTQPUPTST +++=+++ ∑ ∑∑∑ ∑∑≠≠
−'
'lg'
lg'1
tgi ,,∀ (1)
Las compras de caña de azúcar están limitadas por la capacidad de las plantaciones
existentes en la región g, en el intervalo de tiempo t:
tgcañaiCapCropPU gtigt ,,, ∀=≤ (2) Además, la cantidad de productos despachados a los mercados finales debe ser
menor o igual a la demanda (SDigt):
tgiSDDTS igtigt ,,, ∀≤ (3)
2010 / V CAIQ
AAIQ Asociación Argentina de Ingenieros Químicos
La existencia de vínculos de transporte entre dos regiones g y g’ se representa con
una variable binaria Xlgg′t que vale 1 si este vínculo existe, de lo contrario vale 0. Una
región puede importar o exportar material i, pero no ambas cosas al mismo tiempo:
tgggglXX tliggtligg ),'(',,,1'' ≠∀≤+ (4)
4.2. Restricciones de capacidad
La tasa de producción mediante la tecnología p en la región g está limitada por un
porcentaje mínimo que deben ser utilizado, τ , multiplicado por la capacidad existente
(representada por la variable continua PCappgt) y la capacidad máxima:
tgpiPCapPEPCap pgtipgtpgt ,,,, ∀≤≤τ (5)
La capacidad de la tecnología p en el período t se calcula sumando la capacidad
existente al final del período t-1 más la expansión de capacidad, PCapEpgt, del período
t:
tgpPCapEPCapPCap pgtpgtpgt ,,, ∀+= (6)
La Ec. (7) limita la expansión de capacidad entre un límite superior y uno inferior,
que se calcula a partir del número de plantas instaladas en la región (NPgpt) y las
capacidades mínima y máxima asociadas con cada tecnología p (PCapp y PCapp).
tgpNPPCapPCapENPPCap pgtppgtpgtp ,,∀≤≤ (7)
Como ocurre con las plantas, la capacidad de almacenamiento y los flujos de
transporte están restringidos entre un límite inferior y uno superior.
4.3. Función objetivo
El modelo optimiza el rendimiento económico y medioambiental de la SC. El
objetivo económico es el valor actual neto (NPV), calculado a lo largo del horizonte de
tiempo completo, mientras que el impacto ambiental se mide según las métricas
definidas en la Sección 3.
Valor actual neto
EL NPV se calcula a partir de los flujos de caja descontados (CFt) generados en cada
intervalo de tiempo t en que está dividido el horizonte de tiempo:
2010 / V CAIQ
AAIQ Asociación Argentina de Ingenieros Químicos
∑ −+=
tt
t
irCF
NPV 1)1( (8)
En esta ecuación, ir representa la tasa de interés. El flujo de caja se calcula a partir de
las ganancias netas, y de la fracción de capital depreciable de ese período (FTDCt).
Las ganancias netas son la diferencia entre los ingresos (Revt), generados por las
ventas de los productos, los costos de operación de las instalaciones (FOCt) y del
transporte (TOCt), y la depreciación.
La depreciación se calcula linealmente a partir de los costos fijos totales de
inversión, FCI, el cual tiene en cuenta la expansión de capacidad en plantas y
almacenes, como así también las compras de unidades de transporte.
Impacto ambiental
En el contexto de la SC de la industria de la caña, las intervenciones ambientales
provienen de la producción de materia prima –caña–, las tareas de fabricación y
almacenamiento, y el transporte de materia entre regiones.
Matemáticamente, el inventario de emisiones debido a la operación de la red puede
calcularse a partir de la producción de las plantas (PEipgt), y de los flujos de transporte
(Qilgg′t), como establece la Ec. (9).
∑∑ +=tlggi
Trbtgi
tpgibpigptb QPELCI
,,',,'lg
,,,
Pr ωω (9)
ωbpPr y ωb
Tr representan las entradas del inventario del ciclo de vida (emisiones
liberadas al ambiente o recursos tomados de la ecosfera) asociados con la especie
química b por unidad de flujo de referencia. En el caso de la producción, el flujo de
referencia es una unidad de producto principal producido. Para tareas de transporte, el
flujo de referencia es una unidad de masa transportada una unidad de distancia.
El daño causado se calcula a partir del inventario del ciclo de vida y el
correspondiente factor de daño (υb) siguiendo algún modelo, como establece la Ec. (10).
∑=b
bb LCIDAM υ (10)
En este caso particular, los valores para υb se han tomado de los modelos GWP100 ó
EI99, dependiendo del tipo de indicador en el se quiera basar el impacto ambiental.
Problema multi-objetivo
2010 / V CAIQ
AAIQ Asociación Argentina de Ingenieros Químicos
La formulación resultante para el bi-MILP es la siguiente:
(M) { }),,();,,(min,,
YXxDAMYXxNPVNXx− , { } +∈∈ℜ∈ ZYXx ,1;0, (11)
Aquí, x denota genéricamente a las variables continuas del problema (aumentos de
capacidad, tasas de producción, niveles de inventario y flujos de materia), X representa
las variables binarias (existencia de enlaces de transporte), e Y son las variables enteras
como el número de plantas, almacenes y unidades de transporte.
En este trabajo, las soluciones de Pareto del problema se calculan mediante el
método de la restricción ε (Ehrgott, 2000), que implica resolver un conjunto de
instancias del problema (M) correspondientes a los diferentes valores del parámetro
auxiliar ε.
5. Caso de estudio
Fig. 4. Fronteras de Pareto entre GWP100 y NPV y valores correspondientes de EI99.
A fin de ilustrar las capacidades del enfoque propuesto, se presenta un caso de
estudio sobre la base de la industria de la caña en la Argentina. El alcance geográfico
del problema ha sido definido de acuerdo a las divisiones administrativas (provincias)
del país en 24 regiones, con la correspondiente demanda de azúcar y etanol.
2010 / V CAIQ
AAIQ Asociación Argentina de Ingenieros Químicos
Por razones de espacio, los valores de la demanda por región, los precios de los
productos finales, distancias entre mercados, capacidad de cultivo, límites máximo y
mínimo de capacidad, y parámetros de costo y de impacto ambiental, no se publican
pero están a disposición de los lectores interesados.
El modelo bi-criterio descripto en la sección previa ha sido escrito en GAMS y
resuelto con CPLEX 11.0 en una HP Compaq DC5850 PC con procesador AMD
Phenom 8600B, 2.29 GHz triple-core, y 2.75 Gb de RAM. Siguiendo la metodología
descripta, se han obtenido las soluciones Pareto para ambos indicadores ambientales
(GWP100 y EI99) versus NPV. Cada instancia del problema (M) para estos objetivos se
ha resuelto con un gap de optimalidad cero.
Curva de Pareto de GWP100 vs NPV
En la Figure 4 la curva roja muestra los puntos de Pareto resultantes entre GWP100 y
NPV, lo cual representa la relación de compromiso entre ambos objetivos. Como puede
observarse, la reducción de las emisiones de CO2 sólo puede lograrse a costa de reducir
el beneficio. Las Figuras 5y 6 muestran las configuraciones de las SCs con máximo
NPV y mínimo GWP100, respectivamente. En la solución de mínimo GWP100, la SC
incluye 7 ingenios que usan tecnología T1, 5 destilerías T3 que convierten melaza en
etanol, y 4 destilerías T5. Estas instalaciones se ubican dentro de las cinco provincias
que tienen plantación de caña. Esto resulta en una gran disminución de las emisiones de
CO2, dado que el cultivo de la caña tiene un valor negativo de GWP100. La elección de
la pareja T1-T3 en la tecnología de producción está también dada por su menor valor de
GWP100 si se compara con el par T2-T4.
Si se compara con la solución con mínimo GWP100, la estructura de la SC con
mínimo NPV es más centralizada. Cuatro ingenios T2, dos destilerías T4 y dos
destilerías T5 se ubican exclusivamente en el NO de la Argentina. La combinación de
tecnologías T2-T4 puede explicarse por el mayor rendimiento de etanol de esas
tecnologías. Particularmente, la combinación de T1-T3 puede convertir 100 kilogramos
de caña en 1,23 kg de etanol, mientras que el par T2-T4 puede lograr 2,24 kg de etanol
para la misma cantidad de caña. Sin embargo, el alto costo de capital para el
almacenamiento de productos líquidos resulta en la situación de que se construyen este
2010 / V CAIQ
AAIQ Asociación Argentina de Ingenieros Químicos
tipo de almacenamiento exclusivamente en las provincias con alta demanda de etanol,
incluso cuando estas provincias estén lejos de las plantas de producción. Por el
contrario, la reducción de GWP100 conduce al establecimiento de almacenes en las
provincias vecinas y a la minimización de las emisiones de CO2 asociadas al transporte.
Fig. 5. Solución de máximo NPV.
Fig. 6. Solución de mínimo GWP100.
En la Figura 4 la curva azul muestra los valores correspondientes de EI99 para las
soluciones de Pareto entre GWP100 y NPV. Como se observa, los intentos de reducir el
CO2 resultan en un aumento de otros tipos de incidencia ambiental, y la solución
GWP100 mínima tiene un valor mayor de EI99 que en la solución de NPV máximo.
Esto se debe principalmente a la agricultura de la caña de azúcar. Particularmente, la
planta de caña consume una gran cantidad de CO2, aunque su cultivo tiene aspectos
negativos asociados (tales como uso de la tierra y emisiones inorgánicas al aire) que
2010 / V CAIQ
AAIQ Asociación Argentina de Ingenieros Químicos
reducen los efectos positivos de la absorción de CO2 y hacen positivo el valor del
impacto total.
6. Conclusiones
En este trabajo se ha abordado el diseño y la planificación óptima sostenible de la SC
de la industria de la caña azucarera. El problema fue formulado como un MILP bi-
criterio que busca minimizar costos e impacto ambiental. El impacto ambiental se midió
de manera holística a lo largo del ciclo de vida completo del proceso mediante la
aplicación de metodologías basadas en LCA: Eco-indicador 99 y CML v.1.
Las capacidades del enfoque de modelado propuesto y la estrategia de solución se
ilustran a través de un caso de estudio basado en un escenario real. Las soluciones de
Pareto calculado por el algoritmo proporcionan información valiosa sobre el problema
de diseño y proponen alternativas de proceso que pueden conducir a mejoras
ambientales significativas. Este análisis es muy útil para orientar a las autoridades en la
adopción de políticas estratégicas más sostenible en el ámbito de la agroindustria y la
energía, y para orientar en la adopción de alternativas más sostenibles.
Agradecimientos
Los autores desean agradecer el apoyo del CONICET (Argentina), y de los
Ministerios de Educación y Ciencia (proyecto DPI2008-04099), y de Asuntos
Exteriores de España (proyectos A/023551/09 y HS2007-0006).
References
Almansoori, A., Shah, N. (2006). Design and operation of a future hydrogen supply chain – snapshot model,
Chemical Engineering Research & Design, 84 (A6), 423-438.
Ehrgott, M. (2000). Multicriteria optimization. Berlin: Springer.
Frischknecht, R., Jungbluth, N., Althaus, H. J., Doka, G., Dones, R., Hischier, R., Hellweg, S., Humbert, S., Margni,
M., Nemecek, T., Spielmann, M., (2007). Implementation of Life Cycle Impact Assessment Methods: Data v2.0.
Ecoinvent report No. 3, Swiss centre for Life Cycle Inventories, Dübendorf, Switzerland.
GAIN Report. (2009). Argentina. Biofuels annual. USDA Foreign Agricultural Service.
Goedkoop, M. J., Spriensma, R. S. (1999). The Eco-indicator 99, Methodology report. A damage oriented LCIA
Method. VROM The Hague, The Netherlands, 1999.
Guillén-Gosálbez, G.; Grossmann, I. E. (2009). Optimal Design and Planning of Sustainable Chemical Supply
Chains Under Uncertainty, AIChE Journal, 55(1), 99-121.
2010 / V CAIQ
AAIQ Asociación Argentina de Ingenieros Químicos
Guillén-Gosálbez, G.; Mele, F. D.; Grossmann, I. E. (2009). A bi-criterion optimization approach for the design and
planning of hydrogen supply chains for vehicle use, AIChE Journal, 56(3), 650-667.
International Organisation for Standardisation (ISO). Series of standards on Ambiental Management and Life-Cycle
Assessment: ISO 14040 (1997), ISO 14041 (1998) ISO 14042 (2000), ISO 14043 (2000).
Mele, F. D., Espuña, A., Puigjaner, L. (2005). Ambiental impact considerations into Supply Chain Management
based on Life-Cycle Assessment. In: Castells, F. and J. Rieradevalls (Ed.), LCM 2005: Innovation by Life-Cycle
Management. Barcelona: Gráficas Font, 428–433.
Our Common Future. (1987). (Also known as the Brundtland Report). Oxford: Oxford University Press.
Srivastava, S. K. (2007). Green supply-chain management: A state-of-the-art literature review literature review,
International Journal of Management Reviews, 9(1), 53-80.