Análisis de eficiencia en la asignación de equipos de madereo utilizando análisis envolvente de datos en plantaciones de Pinus radiata D. Don.

Abstract

El manejo de las plantaciones forestales implica diferentes etapas en el transcurso del desarrollo del rodal y diversos factores son los que afectan a cada una de estas y a su productividad. Conocer estos factores y las variables que influyen en estas actividades es fundamental para mejorar la productividad y eficiencia, buscando maximizar los beneficios generando un análisis del sistema y de sus componentes Mejorar la eficiencia de la cosecha mediante el estudio de las variables ambientales y otras variables técnicas que afecten en el desarrollo de esta actividad, es un enfoque distinto a lo que tradicionalmente se utiliza para este tipo de operación forestal. En este contexto, el análisis envolvente de datos (DEA) es un método novedoso de análisis de eficiencia relativa, que permite conocer las variables y características más importantes e influyentes sobre la eficiencia de un sistema según los datos que se le ingresan. Su aplicación puede permitir conocer de mejor manera las relaciones entre las variables de entrada y salida y con esto mejorar la toma de decisiones en torno a estas. En el presente estudio se realizó un análisis DEA en 41 plantaciones de Pinus radiata, con nueve variables de entrada, entre las cuales se encuentran variables ambientales y técnicooperativas, y dos variables de salida, que dimensionan la productividad de la cosecha y la inexactitud de la asignación de equipos de madereo. El análisis realizado arrojó resultados de eficiencia relativa en los que la antigüedad del inventario, uno de los inputs de tipo técnico, fue de las variables más influyentes al generar las calificaciones de eficiencia de cada plantación. A esta variable le precede la marca de clase de la pendiente, input no discrecional ingresado en reemplazo del valor real de la pendiente, la cual también presentó valores significativos (valor p < 0,005) en la relevancia de la variable en la medición de la eficiencia del sistema. Esto indica la importancia en el correcto manejo de la variable y de la asignación de equipos en torno a esta, debido a que la variable en sí misma no es modificable al ser una variable ambiental. Este estudio valida la posibilidad de utilizar el modelo DEA para análisis de operaciones forestales tales como la cosecha, que involucran tanto variables ambientales como operacionales en el área forestal y productiva.

The management of forest plantations involves different stages throughout the development of the stand, and various factors affect each of these stages and their productivity. Understanding these factors and the variables influencing these activities is crucial to improving productivity and efficiency, aiming to maximize benefits by generating an analysis of the system and its components. Improving harvesting efficiency through the study of environmental variables and other technical variables that impact the development of this activity represents a different approach from what is traditionally used in this type of forest operation. In this context, Data Envelopment Analysis (DEA) is an innovative method for analyzing relative efficiency, allowing for the identification of the most important and influential variables and characteristics that affect the efficiency of a system based on the input data. Its application can provide a better understanding of the relationships between input and output variables, thereby improving decision-making related to these activities. In the present study, a DEA analysis was conducted on 41 Pinus radiata plantations, with nine input variables, including environmental and technical-operational variables, and two output variables, which measure harvesting productivity and the inaccuracy of logging equipment allocation. The analysis yielded results on relative efficiency, showing that the age of the inventory, one of the technical input variables, was among the most influential in determining the efficiency ratings of each plantation. Preceding this variable was the slope class marker, a nondiscretionary input entered in place of the actual slope value, which also showed significant values (p-value < 0.005) in the relevance of the variable in measuring system efficiency. This indicates the importance of proper management of this variable and the allocation of equipment in relation to it, due to the inability to manage it at the discretion of decisionmakers. This study validates the potential of using the DEA model for analyzing forestry operations such as harvesting, which involve both environmental and operational variables in the forestry and production sectors.