Upload
others
View
3
Download
0
Embed Size (px)
Citation preview
115
CAPÍTULO V
MODELO DE TOMA DE DECISIONES EN PROGRAMAS DE FINANCIAMIENTO PÚBLICO
1. CONSIDERACIONES PARA UN MODELO BASADO EN LA PRODUCTIVIDAD
Como ya hemos referenciado, diversos autores reseñan lo
heterogéneo de los SDP en cuanto a su racionalidad productiva
(Alvarado et al ., 2002; Camargo et al., 1998; Páez et al., 1998; Páez y
Jiménez, 2000), lo cual da origen a gran variedad de modelos
productivos.
Esta alta variabilidad obliga a que su análisis sea complejo,
laborioso y probablemente poco preciso lo cual dificulta la toma de
decisión adecuada y oportuna al momento de diseñar planes de
mejoramiento de la producción.
La información obtenida del análisis de las UDP bajo este estudio
nos ha permitido caracterizarlas. Sin embargo tal como lo refiere Páez et
al. (2003), se requiere de mecanismos que conduzcan a un conocimiento
en detalle de los factores que ocasionan su alta variabilidad productiva
que permita n simultáneamente clasificar o determinar las tipologías de
SDP que coexisten en una determinada región o muestra.
116
Partiendo del hecho de que el objetivo principal de la política
financiera a la producción de leche es alcanzar la soberanía
agroalimentaria en este renglón, es obvio que la meta es el incremento
de la producción.
Este aumento de la producción, visto como un proceso sistémico,
está asociado, como hemos visto anteriormente , a la interacción de
diferentes componentes de las UDP. Estas interacciones deben ser
impactadas por la medida de mejoramiento de modo que el resultado
final sea mejorar la productividad.
Por su parte, la productividad está asociada al uso adecuado de
los recursos de producción. Ordoñes (1998), acota al respecto que la
persistencia de la actividad ganadera esta directamente asociada a un
aumento significativo de la producción por superficie y por animal
(productividad), lo que requiere la aplicación de técnicas gerenciales,
agronómicas, nutricionales y veterinarias que repercutan de manera
directa sobre la productividad de estos sistemas.
2. EL MODELO DE TOMA DE DECISIONES
Enmarcado dentro de los conceptos del enfoque racional
científico (Dillanés, 1994), y de la disminución y manejo de la
incertidumbre propuesta dentro de la teoría del caos en la toma de
decisiones (Salgado y Espinosa, 1995), el modelo que se describe a
continuación utiliza los principios de benchmarking como herramienta
a fin de detectar las mejores prácticas productivas desarrolladas
117
dentro del grupo estudiado asociadas a alta productividad. Esta
herramienta es de uso común en mejoramiento de diferentes aspectos
de la producción animal (Rodríguez, 2003; González-Stagnaro y
Madrid-Bury, 2007a y b; Contreras, Veldéz, Martínez y Hermosillo,
2009; Parra y Téllez, 2009).
Basado en esta consideración, el modelo propuesto en este
estudio se basa en el análisis de indicadores de productividad como
herramienta para caracterizar las mejores prácticas asociadas con la
respuesta productiva de las UDP. A estos indicadores los hemos
definido como Indicadores Críticos de Productividad (ICP).
El mecanismo de selección de los ICP en el grupo sometido a
análisis se describe a continuación:
1. Identificación de los sujetos: este paso tiene como finalidad la
caracterización de las UDP bajo estudio. En esta fase debe
recolectarse la información necesaria mediante una encuesta
de tipo diagnóstica, que se define como un instrumento que
persigue indagar cómo contribuye una serie de factores a la
determinación de algún fenómeno, factores o causas posibles,
dadas en un ámbito desconocido (Gallardo y Moreno, 1999). La
aplicación de este instrumento permite la construcción de una
base de datos de los sujetos en estudio.
2. Determinación de los Indicadores Críticos de Productividad
(ICP): Los ICP son indicadores que miden aspectos
118
relacionados con la eficiencia de uso de los recursos del
sistema midiendo la productividad de diferentes componentes
del sistema.
3. Selección del ICP referencial (ICPr): se selecciona el indicador
de productividad a utilizar para categorizar las UDP.
4. Caracterización de los procesos asociados al logro de la alta
productividad: Se analiza el resto de los ICP en relación con los
mayores valores en el ICPr.
Una vez definido ICPr, podemos clasificar de manera jerárquica
ascendente las UDP de acuerdo a este para conformar cuatro grupos,
definidos como muestra el Cuadro 8.
Cuadro 8. Grupos de clasificados jerárquica según productividad.
Grupo Nivel de productividad I Baja II Media – baja III Media – alta IV Alta
La razón de conformar cuatro grupos obedece a razones de tipo
práctico. Con frecuencia los organismos estadales encargados de
brindar el financiamiento se enfrentan a gran número de solicitudes o
gran número de candidatos susceptibles de ser beneficiados con la
política lo cual hace tedioso y muy largo el análisis individual de cada
caso. Aunque en cada uno de ellos las necesidades son diferentes, el
119
trabajar por grupos relativamente homogéneos puede mejorar la
eficiencia de la direccionalidad en la acción financiera.
A este respecto Gámez (2007), sugiere que la toma individual
de decisiones no es un proceso simple, ya que se encuentra
condicionado por metas, características y marcos de referencia de
quien toma las decisiones, por tanto se deben diseñar sistemas que
brinden un verdadero apoyo a la toma de decisiones proporcionando
diferentes opciones para manejar la información y evaluarla .
La separación de estos grupos se obtiene mediante estadística
descriptiva generando los cuartiles del grupo basados en el rango de
productividad. Los cuartiles son los tres valores que dividen un rango
de datos en cuatro partes iguales, siendo Q1, Q2 y Q3 los valores
correspondientes al 25%, al 50% y al 75% de los datos y donde Q2
coincide con la mediana (Steel y Torrie, 1992).
Una vez realizada la agrupación, se procede a caracterizar
dentro del grupo IV los valores de los ICP asociados a los resultados
de productividad de ese grupo (medidos por el ICPr), lo cual servirá
de base para orientar las decisiones a tomar tanto en este grupo
como en los de menor productividad.
Partiendo de la premisa de que todas las UDP se encuentran
relativamente bajo las mismas influencias del entorno, la
implementación de las mejores prácticas del grupo líder (grupo IV)
sirve de referencia para direccionar los recursos financieros a aquellos
120
aspectos productivos prioritarios de mejorar en los grupos de menor
productividad (grupos I, II y III).
Esta separación puede incluso resultar útil en programas
paralelos al programa de financiamiento (acompañamiento técnico,
mejora de la infraestructura de producción local, desarrollo o
mejoramiento de capacidades agroindustriales locales, etc.). La
separación de grupos puede detectar oportunidades o debilidades en
diversos aspectos que pueden dirigir las estrategias a seguir en otros
planes, así como la intensidad de las mismas en función del logro de
las metas de producción en cada grupo.
Un resumen diagramático del modelo de toma de decisiones
propuesto se describe en la Figura 4.
El objetivo subyacente en el modelo propuesto es la
disminución controlada de la incertidumbre en la toma de decisiones,
lo cual se alcanza haciendo un uso adecuado de la información
mediante su si stematización y análisis. Esto incluye una
retroalimentación de resultados, misma que no está expuesta en
nuestro modelo debido a que corresponde a una fase posterior de
evaluación la cual puede sugerir procesos de reingeniería en el plan
trazado originalmente. Estas consideraciones posteriores al uso del
modelo pueden conducir a un aprendizaje que podría en cada
aplicación hacer más robusta la toma de decisiones.
121
Figura 4. Modelo de toma de decisiones en programas gubernamentales de financiamiento a la producción de leche.
Este modelo se identifica con el modelo teórico denominado “La
Escalera de la Inferencia” propuesto por Senge en el marco del Aprendizaje
Organizacional (Salgado y Espinosa, 1995). Esta herramienta muestra una
122
serie lógica de pasos que sigue el decisor para evitar la toma de decisiones
poco efectivas en un ambiente de incertidumbre (Figura 5).
Figura 5. La Escalera de la Inferencia de Senge. Fuente: Adaptado de Salgado y Espinosa (1995).
A continuación mostraremos los resultados de la aplicación del
modelo a la muestra seleccionada para este estudio.
3. APLICACIÓN DEL MODELO DE TOMA DE DECISIONES
3.1. Identificación de los Sujetos
Como hemos descrito con anterioridad, la muestra para este estudio lo
representa 43 UDP seleccionadas como beneficiarias de financiamiento
estadal para la producción de leche.
123
La información necesaria para su caracterización se obtuvo mediante
la aplicación de una encuesta de tipo diagnóstica, que se define como un
instrumento que persigue indagar cómo contribuye una serie de factores a la
determinación de algún fenómeno, factores o causas posibles, dadas en un
ámbito desconocido (Gallardo y Moreno, 1999).
La sistematización de la información recolectada en campo se plasmo
en una base de datos en la cual se concentran las variables registradas o
calculadas posteriormente.
Esta caracterización ya fue abordada en el capítulo IV de este trabajo
donde resumimos en base a las variables analizadas que las UDP
correspondientes a pequeños y medianos SDP con clara orientación a la
producción de leche.
3.2. Determinación de los Indicadores Críticos de Productividad (ICP)
Los ICP seleccionados para este estudio fueron definidos con
anterioridad mediante la ponderación de los factores asociados a la
productividad de los SDP. Los factores seleccionados son: superficie total,
leche por hectárea año, carga animal, residencia del productor, uso de
registros, cobertura del pastizal, tamaño de potreros, uso de suplementación
alimenticia, producción por vaca, densidad de vacas, densidad de vacas de
ordeño.
La selección de las variables definidas como ICP en este estudio se
realizo basado en la revisión de la literatura sobre el tema (Rodríguez et al.,
1999; Páez y Jiménez, 2000; Silva et al., 2010). Sin embargo esta selección
124
puede realizarse mediante métodos estadísticos (Espinoza, 2001; Velasco et
al., 2009), o de manera empírica basada en la experiencia del decisor,
aprendizaje previo de la organización o en base a la direccionalidad
especifica del aspecto del sistema a impactar.
La diversidad de variables utilizadas en este estudio obedece a que la
naturaleza de la política de financiamiento a la producción de leche pretende
impactar la productividad total del SDP, para lo cual se requiere analizar el
comportamiento de todos los componentes del sistema (gerenciales,
animales, alimenticios y de infraestructura).
3.3. Selección del ICP Referencial (ICPr)
La selección del indicador de referencia depende netamente del
objetivo que se desea alcanzar en las UDP en estudio. Según el análisis
realizado por Espinoza (2001), los indicadores que involucran la producción
por superficie son amplios para medir el comportamiento simultáneo de
múltiples variables en sistemas de producción animal.
Aunque existen metodologías estadísticas que permiten el análisis de
indicadores a fin de comparar su consistencia frente a una o más variables
de un sistema (Espinoza, 2001; Velasco et al., 2009), algunos autores han
sustentado el uso de la productividad por superficie como un indicador que
explica gran parte de las variables productivas en SDP (Hidalgo et al., 2002;
Páez et al., 2003; Lerdon et al., 2008; Silva et al., 2010) además, este
indicador mantiene estrecha correlación con el objetivo de la política en
estudio (aumento de la producción de leche).
125
El análisis realizado anteriormente en el Cuadro 6 (Cap. IV), muestra
la alta frecuencia relativa de uso del indicador “producción de leche por
hectárea año (l/ha/año)” en la literatura referente a análisis de SDP. Más del
87% de los autores consultados utiliza el mismo como herramienta.
En función de lo anteriormente expuesto, el ICPr seleccionado para la
construcción del modelo objeto de este estudio es el indicador producción de
leche por hectárea año (l/ha/año).
3.4. Identificación de Procesos Asociados a la Productividad
3.4.1. Configuración de los Grupos por Productividad
La ordenación jerárquica ascendente en base al indicador
seleccionado se observar en el Cuadro 9. Con los datos jerarquizados, se
procede a la separación de grupos mediante la obtención de los cuartiles
como limites de grupo (Cuadros 10).
El Cuadro 11 muestra los grupos segregados de acuerdo a su
productividad y los valores del ICPr asociados con cada grupo lo cual permite
a continuación segregar las UDP por grupo de productividad (Cuadro 12). En
el Cuadro 13 puede observarse los valores de los ICP asociados a cada
grupo de productividad.
3.4.2. Análisis de las Mejores Prácticas Asociadas a la Alta
Productividad
El análisis de las prácticas relacionadas con la alta productividad
representa el momento del modelo donde se requiere la aplicación de
126
criterios técnicos que determinen el grado de asociación de la variable y las
posibles razones por la cual ejerce esa influencia.
Cuadro 9. Ordenación jerárquica practicada a las 43 UDP seleccionadas.
Orden Código
UDP Productividad de leche
(l/ha/año) Orden Código
UDP Productividad de leche
(l/ha/año) 1 ZU2027 0,00 23 ZU2034 429,62 2 ZU2023 31,54 24 ZU2024 460,38 3 ZU2009 38,41 25 ZU2018 570,56 4 ZU2031 47,28 26 ZU2010 577,41 5 ZU2013 53,21 27 ZU2012 654,61 6 ZU2008 62,30 28 ZU2033 665,32 7 ZU2036 96,55 29 ZU2039 693,36 8 ZU2015 119,94 30 ZU2038 701,06 9 ZU2021 140,15 31 ZU2019 721,82
10 ZU2016 153,59 32 ZU2032 732,98 11 ZU2011 207,59 33 ZU2025 793,65 12 ZU2002 208,58 34 ZU2026 885,52 13 ZU2003 216,99 35 ZU2022 995,70 14 ZU2014 228,44 36 ZU2035 1137,13 15 ZU2001 237,41 37 ZU2004 1437,87 16 ZU2037 248,29 38 ZU2005 1441,89 17 ZU2020 268,85 39 ZU2007 1549,31 18 ZU2017 282,72 40 ZU2030 1672,38 19 ZU2029 329,23 41 ZU2028 2504,52 20 ZU2040 334,73 42 ZU2042 2525,26 21 ZU2041 416,95 43 ZU2006 2610,81 22 ZU2043 418,77
Fuente: Base de datos del programa de acompañamiento técnico UNESUR (datos no publicados previamente).
Cuadro 10. Estadísticos descriptivos de las UDP jerarquizadas.
Indicador : Leche por hectárea por año (l/ha/año) Media 648,90 Mediana 418,77 Desviación estándar 680,74 Asimetría 1,66 Error estándar de asimetría 0,36 Mínimo 0,00 Máximo 2610,81
Cuartiles (limites de grupo)
Q1 (25%) 207,59 Q2 (50%) 418,77 Q3 (75%) 793,65
127
Cuadro 11. Estadísticos descriptivos de los grupos de productividad.
Grupos de productividad
Litros de leche por hectárea (l/ha/año) Número de
UDP Media Desviación estándar Mínimo Máximo
I: Baja 11 86,41 62,70 0,00 207,59 II: Media – baja 11 290,09 75,49 208,58 418,77 III: Media – alta 11 636,43 114,67 429,62 793,65 IV: Alta 10 1676,04 648,69 885,52 2610,81
Cuadro 12. Unidades de producción segregadas por grupos de productividad.
Grupo/ Productividad Orden Código UDP
Litros de leche por hectárea (l/ha/año)
Grupo I Baja
1 ZU2027 0,00 2 ZU2023 31,54 3 ZU2009 38,41 4 ZU2031 47,28 5 ZU2013 53,21 6 ZU2008 62,30 7 ZU2036 96,55 8 ZU2015 119,94 9 ZU2021 140,15
10 ZU2016 153,59 11 ZU2011 207,59
Grupo II Media – baja
1 ZU2002 208,58 2 ZU2003 216,99 3 ZU2014 228,44 4 ZU2001 237,41 5 ZU2037 248,29 6 ZU2020 268,85 7 ZU2017 282,72 8 ZU2029 329,23 9 ZU2040 334,73
10 ZU2041 416,95 11 ZU2043 418,77
Grupo III Media – alta
1 ZU2034 429,62 2 ZU2024 460,38 3 ZU2018 570,56 4 ZU2010 577,41 5 ZU2012 654,61 6 ZU2033 665,32 7 ZU2039 693,36 8 ZU2038 701,06 9 ZU2019 721,82
10 ZU2032 732,98 11 ZU2025 793,65
128
Cuadro 12 (Cont.)
Grupo IV Alta
1 ZU2026 885,52 2 ZU2022 995,70 3 ZU2035 1137,13 4 ZU2004 1437,87 5 ZU2005 1441,89 6 ZU2007 1549,31 7 ZU2030 1672,38 8 ZU2028 2504,52 9 ZU2042 2525,26
10 ZU2006 2610,81
Cuadro 13. Valores de los indicadores críticos de productividad (ICP) asociados a cada grupo.
Grupo/ Productividad
Grupo I Baja
Grupo II Media – baja
Grupo III Media – alta
Grupo IV Alta
ICP Media DE1 Media DE1 Media DE1 Media DE1
Superficie total (ha)
37,94 28,64 93,36 90,97 58,02 42,80 40,14 44,00
Carga animal (UA/ha)
1,37 0,79 1,11 0,66 2,05 1,32 3,42 2,06
Reside en la UDP(%) 90,91 0,30
100,00 0,00 90,91 0,30 90,00 0,32
Uso de registro (%)
63,64 0,50 90,91 0,30 54,55 0,52 80,00 0,42
Cobertura del pastizal (%)
62,94 22,81 72,15 8,69 74,32 19,07 78,82 12,37
Tamaño de potreros (ha) 3,02 1,38 3,59 1,97 2,91 2,78 1,49 1,53
Uso de suplementación alimenticia (%)
72,73 0,47 63,64 0,50 81,82 0,40 90,00 0,32
Producción por vaca (l/vaca/día)
1,04 0,70 2,35 1,13 3,13 1,45 3,23 1,61
Densidad de vacas (%) 39,17 13,20 39,54 6,30 45,10 5,48 49,89 12,81
Densidad de vacas de ordeño (%)
41,68 21,59 72,90 27,13 58,87 21,08 53,81 20,79
1: Desviación estándar
En primer lugar se puede observar en la Figura 6 que la superficie de
las UDP resulta ser muy irregular entre grupos, lo que pudiera denotar a
priori que esta condición por sí sola no esté relacionada con la alta
129
productividad, lo cual no descarta su influencia sobre otros factores que si
puedan repercutir en los resultados de producción.
Figura 6. Superficie total.
La Figura 7, muestra como los grupos de mayor productividad poseen
valores mayores de carga animal. Puede observarse como existe una
proporción de casi 2,5 veces más carga en las UDP del grupo IV en
comparación con las del grupo I.
Figura 7. Carga animal.
44.14
58.02
93.36
37.94
0.00 20.00 40.00 60.00 80.00 100.00
Grupo IV
Grupo III
Grupo II
Grupo I
Superficie total (ha)
3.42
2.05
1.11
1.37
0.00 0.50 1.00 1.50 2.00 2.50 3.00 3.50 4.00
Grupo IV
Grupo III
Grupo II
Grupo I
Carga animal (UA/ha)
130
Esta capacidad que tienen las UDP de los grupos más productivos de
soportar mayor cantidad de animales por superficie se explica mediante un
manejo adecuado en aspectos alimenticios, principalmente de pastos y
forrajes.
Como ya hemos acotado anteriormente, un hallazgo interesante en
este estudio lo representa el hecho de que la mayoría de los productores
reside en la UDP (Figura 8), lo puede representar una fortaleza ya que puede
denotar compromiso y control directo de las actividades.
Figura 8. Porcentaje de residencia en la UDP.
Otro aspecto que evidencia una fortaleza en las UDP analizadas es el
hecho de que en todos los grupos existe uso de algún tipo de registros,
aunque de manera muy dispersa (Figura 9). La importancia de este aspecto
reside en que establecer un programa de registros formales dentro de las
UDP aparentemente no resultaría novedoso para los productores ya que
ellos de algún modo ya tienen cultura en esta práctica.
90.00
90.91
100
90.91
80.00 85.00 90.00 95.00 100.00
Grupo IV
Grupo III
Grupo II
Grupo I
Residencia en la finca(%)
131
Figura 9. Porcentaje de utilización de registros.
La Figura 10 muestra la cobertura de pastizal en los potreros, donde
puede apreciarse que potreros con mayor cobertura están directamente
relacionados con mayor productividad.
Figura 10. Porcentaje de cobertura del pastizal.
Aparentemente las UDP más eficientes realizan prácticas que les
permiten mantener en mejor estado la oferta alimenticia en sus potreros, esto
conjuntamente con potreros más pequeños que permiten un
80.00
54.55
90.91
63.64
50.00 60.00 70.00 80.00 90.00 100.00
Grupo IV
Grupo III
Grupo II
Grupo I
Uso de registros (%)
78.82
74.32
72.15
62.94
40.00 50.00 60.00 70.00 80.00 90.00 100.00
Grupo IV
Grupo III
Grupo II
Grupo I
Cobertura (%)
132
aprovechamiento más eficiente del material forrajero (Figura 11), repercuten
en el mejoramiento de su productividad. Tanto la cobertura del pastizal como
el tamaño de los potreros pueden explicar la respuesta observada en la
carga animal (Figura 7).
Figura 11. Tamaño de potreros.
Otro aspecto relacionado con la alimentación es lo referente al uso de
suplementación alimenticia. La Figura 12, describe la asociación que existe
entre esta práctica y la productividad, donde en el grupo IV casi todos los
productores (90%) apoyan a sus animales con alimentos adicionales para
mejorar su desempeño. Esta práctica es común en los SDP en la zona de la
cuenca del lago de Maracaibo (Rodríguez-Petit et al., 2001; Vergara-Lopéz et
al., 2006).
Otra variable que evidencia estrecha relación con los resultados
productivos de los grupos es la producción por animal (Figura 13). La
cantidad de leche producida por vaca diariamente en los grupos III y IV
1.49
2.91
3.59
3.02
0.00 0.50 1.00 1.50 2.00 2.50 3.00 3.50 4.00
Grupo IV
Grupo III
Grupo II
Grupo I
Tamaño de potreros (ha)
133
triplica literalmente la producción del I, lo que denota probablemente mejores
aptitudes genéticas para la producción de leche al igual que mejores
condiciones sanitarias en el rebaño.
Figura 12. Uso de suplementación alimenticia.
Figura 13. Producción por vaca.
Adicionalmente a esto, la vocación de producción de leche de las UDP
de estos grupos está fuertemente direccionada a la producción de leche,
situación que se evidencia en la proporción de vacas en el rebaño (Figura
14).
90.00
81.82
63.64
72.73
0.00 20.00 40.00 60.00 80.00 100.00
Grupo IV
Grupo III
Grupo II
Grupo I
Uso de suplementación (%)
3.23
3.13
2.35
1.04
0.00 0.50 1.00 1.50 2.00 2.50 3.00 3.50
Grupo IV
Grupo III
Grupo II
Grupo I
Producción por vaca (l/ha/año)
134
Figura 14. Densidad de vacas en el rebaño.
El comportamiento armónico de la composición del rebaño en la Figura 14,
contrasta con la alta dispersión de la proporción de vacas de ordeño en el
total de vacas (Figura 15). Una revisión posterior de los datos de origen de
los indicadores revelaron que en el grupo II y III se encontraron UDP que
reportaron tener 100% de sus vacas en ordeño (1 y 3 UDP por grupo,
respectivamente). Un análisis más profundo de este hallazgo puede denotar
problemas de manejo que pueden coincidir con fallas en el secado de las
vacas, que afecta la vida productiva de las mismas y compromete la calidad
de las crías del rebaño.
3.5. Toma de Decisiones en Base al Análisis de Resultados
La información obtenida en los SDP analizados mediante el modelo
propuesto permite concluir que la alta productividad observada en el grupo IV
está asociada a:
1. Alta carga animal.
2. Alta cobertura de pastizal.
49.89
45.10
39.54
39.17
20.00 25.00 30.00 35.00 40.00 45.00 50.00 55.00
Grupo IV
Grupo III
Grupo II
Grupo I
Densidad de vacas (%)
135
3. Potreros de menor tamaño.
4. Uso de suplementación alimenticia.
5. Alta producción por vaca.
6. Alta densidad de vacas en el rebaño.
Figura 15. Densidad de vacas en ordeño de las vacas totales.
En base a los aspectos antes estudiados, se puede establecer un
abanico de prácticas gerenciales, agronómicas y/o veterinarias con
referencia a cada aspecto detectado de importancia a fin de mejorar su
desempeño en los grupos de menor productividad (grupos I, II, III). Algunas
de las prácticas sugeridas como objetivo direccional del apoyo financiero
basadas en el análisis anterior se describen el Cuadro 12.
En base a este grupo de prácticas girara entonces el flujo de recursos
financieros, ya que el mejoramiento de los aspectos productivos asociados a
53.61
58.87
72.90
41.68
0.00 10.00 20.00 30.00 40.00 50.00 60.00 70.00 80.00
Grupo IV
Grupo III
Grupo II
Grupo I
Densidad de vacas en ordeño (%)
136
estas aumenta considerablemente la garantía de impacto de la política
financiera del estado en la producción de leche.
Cuadro 14. Algunas prácticas relacionadas con el mejoramiento de los aspectos relacionados con la alta productividad.
Aspecto a mejorar Prácticas
Alta carga animal
− Mejorar la infraestructura de potreros − Mejorar las condiciones de los
pastizales − Aumentar el inventario de
semovientes
Potreros de menor tamaño − Diseño de módulos de pastoreo − Ajuste de la rotación de potreros − División de potreros
Alta producción por vaca
− Implementar un plan de selección en el rebaño de ordeño
− Establecer un programa de mejoramiento genético del rebaño
− Establecer registros reproductivos − Programar visitas periódicas de
médico veterinario (como plan de acompañamiento técnico)
Alta cobertura de pastizal
− Realizar diagnostico de pastizales − Programa de establecimiento de de
pastos. − Programas de fertilización − Programas de control de malezas − Programas de manejo de plagas − Establecimiento de pastoreo rotativo
sistémico, uso racional del pasto. − Implementación de registros de
pastizales
Uso de suplementación alimenticia
− Evaluación de alternativas locales para la suplementación
− Establecimiento de cultivos forrajeros con fines de suplementación
− Uso de suplementación estratégica (leguminosas, bloques nutricionales, minerales, sal, melaza, etc.)
Alta densidad de vacas en el rebaño
− Definir la orientación del sistema de producción hacia la leche
− Hacer selección del rebaño