Grados Dia Miniclavel PDF

ANÁLISIS DEL DESARROLLO DEL MINICLAVEL Y DE SU PRODUCTIVIDAD
CON BASE EN EL MÉTODO DE GRADOS DÍA Y EL DESCABECE EN

DIFERENTES ESTADOS FENOLÓGICOS
LUZ HELENA MANCERA MÉNDEZ
UNIVERSIDAD DE LA SABANA
FACULTAD DE INGENIERÍA
MAESTRÍA EN DISEÑO Y GESTIÓN DE PROCESOS
CHIA
2011
1

ANÁLISIS DEL DESARROLLO DEL MINICLAVEL Y DE SU PRODUCTIVIDAD
CON BASE EN EL MÉTODO DE GRADOS DÍA Y EL DESCABECE EN
DIFERENTES ESTADOS FENOLÓGICOS
LUZ HELENA MANCERA MÉNDEZ
Trabajo de grado para optar el título de Magíster en Diseño y Gestión de

Procesos
DIRECTOR
DUSKO KALENATIC Ph.D
CODIRECTOR
M.Sc LEONARDO JOSÉ GONZÁLEZ
UNIVERSIDAD DE LA SABANA
FACULTAD DE INGENIERÍA
MAESTRÍA EN DISEÑO Y GESTIÓN DE PROCESOS
NOVIEMBRE
2011
2

____________________________
____________________________
____________________________
____________________________
____________________________
____________________________
____________________________
Firma del presidente del jurado
____________________________
Luz Indira Sotelo Ph.D
____________________________
M.Sc Feizar Javier Rueda
____________________________
M.Sc Edgar Gutiérrez Franco
Chía, febrero 8 de 2012
3

AGRADECIMIENTOS
En primera instancia agradezco a Dios por permitirme llevar a acabo esta

investigación y por guiar cada paso en mi vida.
Agradezco de manera especial al Centro de Innovación de la Floricultura

Colombiana (CENIFLORES) y al área de Proyectos Especiales de la Universidad
de La Sabana quienes depositaron su confianza en mí como investigadora para
llevar a cabo este proyecto.
De igual manera, agradezco al profesor Leonardo José González y al Doctor

Dusko Kalenatic, quienes me acompañaron en la dirección de este proyecto, su
conocimiento y experiencia en el campo investigativo fueron fundamentales para
el desarrollo del mismo.
Quiero extender un sincero agradecimiento al Doctor Manuel Peña, Gerente

General de Florval Ltda y al Ing. Charles Galindo, Gerente Técnico, quienes
aportaron todo su conocimiento acerca del cultivo del miniclavel y me permitieron
llevar acabo esta investigación en al empresa Florval Ltda. Sin lugar a dudas su
experiencia en la floricultura fue de gran importancia para direccionar y llevar a
feliz término el presente trabajo.
Agradezco a todas las personas que trabajan en la facultad de ingeniería de la

Universidad de La Sabana, quienes a lo largo de mis estudios me brindaron
valiosos aportes en mi formación personal y profesional.
Por último agradezco profundamente a mis padres por su apoyo incondicional, a

ellos les debo todo lo que soy.
4

TABLA DE CONTENIDO
Pág.
INTRODUCCIÓN ................................................................................................... 16
1. PROBLEMA DE INVESTIGACIÓN ................................................................. 17
2. OBJETIVOS ....................................................................................................19
2.1 OBJETIVO GENERAL .................................................................................. 19
2.2 OBJETIVOS ESPECÍFICOS ........................................................................ 19
3. JUSTIFICACIÓN ............................................................................................. 20
3.1 JUSTIFICACIÓN ECONÓMICA................................................................... 20
3.2 JUSTIFICACIÓN SOCIAL ........................................................................... 23
3.3 CONTRIBUCIÓN RESPECTO AL CONOCIMIENTO .................................. 23
4. MARCO DE REFERENCIA ............................................................................. 24
4.1 ANTECEDENTES......................................................................................... 24
4.2 MARCO TEÓRICO ....................................................................................... 27
4.2.1 Producción de miniclavel ........................................................................... 27
4.2.2 Método de Grados día ............................................................................... 31
4.2.3 Dinámica de sistemas ................................................................................ 34
4.4 VARIABLES .................................................................................................. 36
5

4.5 SUPUESTOS ............................................................................................... 36
4.6 HIPÓTESIS .................................................................................................. 37
5. CURVAS DE CRECIMIENTO DEL MINICLAVEL A PARTIR DE LOS
GRADOS DÍA ACUMULADOS .............................................................................. 38
5.1 METODOLOGÍA PARA LA CONSTRUCCIÓN DE CURVAS ....................... 38
5.1.1 RECOLECCIÓN DE DATOS ..................................................................... 38
5.1.1.1 Determinación de las variedades a estudiar ........................................... 38
5.1.1.2 Determinación del tamaño de la muestra ............................................... 39
5.1.1.3 Marcación de tallos ................................................................................. 42
5.1.1.4 Recolección de datos ............................................................................. 43
5.1.2 Análisis de información .............................................................................. 45
5.1.2.1 Cálculo de los grados día acumulados ................................................... 45
5.1.2.2 Pruebas de bondad de ajuste ................................................................. 46
5.1.3 Curvas de crecimiento ............................................................................... 54
6. PRODUCTIVIDAD ........................................................................................... 61
6.1 METODOLOGÍA PARA EL ANÁLISIS DE PRODUCTIVIDAD ..................... 61
6.1.1 Recolección de datos ................................................................................ 61
6.1.2 Análisis de puntos por tallo ........................................................................ 61
6.1.3 Análisis de grados día requeridos desde el descabece hasta le corte ...... 62
7. MODELO DINÁMICO ...................................................................................... 74
6

7.1 ANÁLISIS DEL SISTEMA ............................................................................. 74
7.2 METODOLOGÍA PARA LA CONSTRUCCIÓN DEL MODELO DINÁMICO . 76
7.2.1 Representación Forrester para la simulación ............................................ 76
7.2.1.1 Generación de grados día y grados día acumulados ............................. 76
7.2.1.2 Generación y cambio entre estados fenológicos .................................... 79
7.2.1.3 Descabece y corte .................................................................................. 83
7.3 VALIDACIÓN DEL MODELO ....................................................................... 84
8. ANALISIS DE RESULTADOS ......................................................................... 85
9. CONCLUSIONES ............................................................................................ 94
10. BIBLIOGRAFÍA ............................................................................................ 96
7

LISTA DE FIGURAS
Pág.
Figura 1 Consumo de flores por país. .................................................................. 20
Figura 2 Exportaciones de flores por país ........................................................... 21
Figura 3 Principales productos de la floricultura exportados por Colombia para el
2007 ....................................................................................................................... 22
Figura 4 Proceso productivo del miniclavel .......................................................... 28
Figura 5 Estados de desarrollo fenológico del miniclavel ..................................... 30
Figura 6 Variedades cultivadas participación porcentual ..................................... 39
Figura 7 Marcación de tallos ................................................................................ 42
Figura 8 Metodología para la recolección de datos .............................................. 44
Figura 9 Curva de crecimiento. Variedad Apricot Lady ........................................ 54
Figura 10 Curva de crecimiento. Variedad Chateau ............................................ 55
Figura 11 Curva de crecimiento. Variedad Esperia.............................................. 55
Figura 12 Curva de crecimiento. Variedad Nirvana ............................................. 56
Figura 13 Curva de crecimiento. Variedad Danny ............................................... 56
Figura 14 Curva de crecimiento. Variedad Edisson ............................................. 57
Figura 15 Curva de crecimiento. Variedad Ibis .................................................... 57
Figura 16 Curva de crecimiento. Variedad Spectro ............................................. 58
Figura 17 Curva de crecimiento. Variedad Jester ................................................ 58
Figura 18 Curva de crecimiento. Variedad Berry ................................................. 59
8

Figura 19 Curva de crecimiento. Variedad Cherry Tessino ................................. 59
Figura 20 Curva de crecimiento. Variedad Purple Spectro .................................. 60
Figura 21 Curva de crecimiento. Variedad Milka ................................................. 60
Figura 22 Productividad Var. Apricot Lady .......................................................... 62
Figura 23 Productividad Var. Chateau ................................................................. 63
Figura 24 Productividad Var. Esperia .................................................................. 64
Figura 25 Productividad Var. Nirvana .................................................................. 65
Figura 26 Productividad Var. Danny .................................................................... 66
Figura 27 Productividad Var. Edisson .................................................................. 67
Figura 28 Productividad Var. Ibis ......................................................................... 68
Figura 29 Productividad Var. Jester ..................................................................... 69
Figura 30 Productividad Var. Berry ...................................................................... 70
Figura 31 Productividad Var. Cherry Tessino ...................................................... 71
Figura 32 Productividad Var. Purple Spectro ....................................................... 72
Figura 33 Productividad Var. Milka ...................................................................... 73
Figura 34 Descripción del sistema ....................................................................... 74
Figura 35 Diagrama causal ................................................................................... 75
Figura 36 Representación Forrester para la generación de grados día durante el
mes de enero ......................................................................................................... 76
Figura 37 Representación Forrester para la generación de grados acumulados. 78
Figura 38 Representación Forrester para la generación de grados acumulados
necesarios para la diferenciación........................................................................... 79
Figura 39 Distribución de probabilidad para la diferenciación. Var Edisson ........ 80
9

Figura 40 Representación Forrester para el cambio de estado ........................... 80
Figura 41 Representación Forrester para el tamaño 8 mm ................................. 81
Figura 42 Representación Forrester para el cambio de los tallos del tamaño 8 mm
a 9 mm ................................................................................................................... 82
Figura 43 Representación Forrester para el descabece y el corte....................... 83
Figura 44 Grados día requeridos para cada estado fenológico ........................... 87
Figura 45 Curva de crecimiento. Variedad Apricot Lady ...................................... 88
Figura 46 Estado fenológico para el descabece .................................................. 89
Figura 47 Productividad por variedad .................................................................. 90
Figura 48 Grados día totales acumulados por variedad ...................................... 91
Figura 49 Descabece y corte de tallos ................................................................. 92
Figura 50 Regla para la identificación de estados ............................................. 101
Figura 51 Resultados de prueba de independencia para grados día 232,5 y
255,05 .................................................................................................................. 102
Figura 52 Resultados de prueba de independencia para grados día 304 y 325 . 102
Figura 57 Resultados de prueba de independencia para grados día 514........... 103
Figura 58 Resultados de prueba de independencia para grados día 551 – 562 . 103
10

Figura 62 Resultados de prueba de independencia para grados día 759 - 781 . 103
Figura 66 Resultados de prueba de independencia para grados día promedio 909
.............................................................................................................................104
.............................................................................................................................104
Figura 68 Resultados de prueba de independencia para grados día promedio
1039 ..................................................................................................................... 104
Figura 69 Ingreso de parámetros al modelo ...................................................... 105
11

LISTA DE TABLAS
Pág.
Tabla 1 Tallos cultivados por variedad ................................................................... 40
Tabla 2 Cálculo del tamaño de muestra ................................................................ 41
Tabla 3 Tamaño de muestra para cada variedad y estado .................................... 41
Tabla 4 Datos recolectados. Tallo 2083 ................................................................. 45
Tabla 5 Distribuciones de probabilidad. Variedad Apricot Lady ............................. 47
Tabla 6 Distribuciones de probabilidad. Variedad Chateau ................................... 48
Tabla 7 Distribuciones de probabilidad. Variedad Esperia ..................................... 48
Tabla 8 Distribuciones de probabilidad. Variedad Nirvana .................................... 49
Tabla 9 Distribuciones de probabilidad. Variedad Danny ...................................... 49
Tabla 10 Distribuciones de probabilidad. Variedad Edisson .................................. 50
Tabla 11 Distribuciones de probabilidad. Variedad Ibis ......................................... 50
Tabla 12 Distribuciones de probabilidad. Variedad Spectro .................................. 51
Tabla 13 Distribuciones de probabilidad. Variedad Jester ..................................... 51
Tabla 14 Distribuciones de probabilidad. Variedad Berry ...................................... 52
Tabla 15 Distribuciones de probabilidad. Variedad Cherry Tessino....................... 52
Tabla 16 Distribuciones de probabilidad. Variedad Purple Spectro ....................... 53
Tabla 17 Distribuciones de probabilidad. Variedad Milka ...................................... 53
Tabla 18 Puntos por tallo y GDA hasta el corte. Apricot Lady ............................... 62
Tabla 19 Puntos por tallo y GDA hasta el corte. Chateau ...................................... 63
12

Tabla 20 Puntos por tallo y GDA hasta el corte. Esperia ....................................... 64
Tabla 21 Puntos por tallo y GDA hasta el corte. Nirvana ....................................... 65
Tabla 22 Puntos por tallo y GDA hasta el corte. Danny ......................................... 66
Tabla 23 Puntos por tallo y GDA hasta el corte. Edisson ...................................... 67
Tabla 24 Puntos por tallo y GDA hasta el corte. Ibis.............................................. 68
Tabla 25 Puntos por tallo y GDA hasta el corte. Jester ......................................... 69
Tabla 26 Puntos por tallo y GDA hasta el corte. Berry........................................... 70
Tabla 27 Puntos por tallo y GDA hasta el corte. Cherry Tessino ........................... 71
Tabla 28 Puntos por tallo y GDA hasta el corte. Purple Spectro............................ 72
Tabla 29 Puntos por tallo y GDA hasta el corte. Milka ........................................... 73
Tabla 30 Frecuencias relativas acumuladas para la generación de GD. Enero .... 77
Tabla 31 Distribuciones de probabilidad. Variedad Milka ...................................... 77
Tabla 32 Resultado corridas del modelo de simulación ....................................... 106
13

LISTA DE ANEXOS
Pág.
ANEXO A. REGLA PARA LA IDENTIFICACIÓN DE ESTADOS ......................... 101
ANEXO B. PRUEBAS DE INDEPENDENCIA...................................................... 102
ANEXO C. INGRESO DE PARÁMETROS AL MODELO .................................... 105
ANEXO D. RESULTADO DE CORRIDAS DEL MODELO................................... 106
14

RESUMEN
El presente trabajo analiza el desarrollo del miniclavel y su productividad desde la

perspectiva de los grados día y el descabece en diferentes estados fenológicos.
El objetivo fundamental del estudio es brindar herramientas para la planeación y el

control de la producción del miniclavel en la Sabana de Bogotá de forma que se
obtenga la flor en el momento esperado.
Como herramienta para la planeación se presenta un modelo de simulación

continua que permite determinar la fecha de corte con base en los grados día
requeridos por el miniclavel y en el estado fenológico en el cual se realiza el
descabece.
Como herramienta para el control del plan de producción se presentan las curvas
de crecimiento de 12 variedades, de forma que se brindan parámetros para
determinar si el crecimiento del botón principal de los tallos es adecuado.
Las herramientas anteriormente mencionadas contribuyen a la planeación de las

actividades en cultivo y poscosecha, impactando en aspectos como la planeación
del personal y los inventarios de insumos, producto en proceso y producto
terminado.
15

INTRODUCCIÓN
El sector floricultor Colombiano ha cobrado cada vez mayor importancia en los

últimos años, posicionándose como el segundo exportador más importante a nivel
mundial después de Holanda, representando el 14% de las exportaciones
mundiales de flores frescas cortadas (Tenjo; 2006).
Las exportaciones de flores son dirigidas principalmente a Estados Unidos, quien

absorbe más del 80% del valor del total exportado, por lo cual Colombia es
considerado el principal proveedor de flores para este país. Sin embargo, han
surgido nuevos participantes en el sector con productos de alta calidad, tal como
Ecuador, quien ha ganado cada vez mayor mercado en Estados Unidos y Europa.
Los nuevos competidores presentan una estructura organizacional vertical y un
mayor control de la cadena de valor, lo cual les permite producir con costos
inferiores y ser más competitivos. (Giraldo; 2009).
Debido a esta situación, la identificación de las necesidades de los clientes y la

satisfacción de las mismas juegan un papel fundamental a la hora de consolidar y
mantener la participación del mercado ante el creciente número de empresas
competidoras.
Desafortunadamente la alta exposición a factores no controlables, tales como los

cambios climáticos y la fluctuación del dólar, afectan notablemente el desempeño
de las empresas y por lo tanto el cumplimiento al cliente, lo cual hace necesario el
diseño y uso de herramientas que permitan un mejor planeación y control de la
producción.
Es así como esta investigación brinda herramientas para la planeación y el control

de la producción al determinar la relación entre el estado fenológico en el cual se
realiza el descabece y la productividad del miniclavel, así los grados día
necesarios entre cada estado fenológico.
16

1. PROBLEMA DE INVESTIGACIÓN
La variabilidad de la demanda de flores, el cambio en las condiciones de

comercialización y el creciente número de productores, han obligado a las
empresas a replantear su operación con el fin de aumentar el cumplimiento de sus
pedidos y por lo tanto la satisfacción del cliente.
La producción de miniclavel, como la de otras especies de flores, posee

características particulares dadas por el cumplimiento de las exigencias de los
clientes, los ciclos productivos de cada una de las variedades y el carácter
perecedero del producto, entre otras. Lo cual hace que los sistemas de planeación
y control de la producción jueguen cada vez un papel más importante en el sector
(Mesa; 2007).
Actualmente las empresas pactan con los clientes compromisos de entrega de

pedidos considerando el momento de la entrega y la cantidad y la calidad de flor.
Dicho proceso es realizado con base en las plantas sembradas, el ciclo productivo
de las mismas y los rendimientos por hectárea esperados. Desafortunadamente,
en algunos casos, el error de estimación en los pronósticos de producción es
considerablemente alto, debido a las variables no controlables, tales como la
temperatura y la humedad.
Esta situación obliga a las empresas a buscar medidas alternativas para cumplir
con los pedidos, tales como la compra de flor a terceros, aumentando la
posibilidad de generar no conformidades en el cliente debidas al incumplimiento
en la calidad y/o cantidad e impactando negativamente en los costos.
Como herramienta para mitigar esta situación se han desarrollado estudios, en

especial en rosa (Pérez, Cure, Monroy; 2001 y Rodríguez y Flórez; 2006), que
relacionan los grados día con el desarrollo fenológico de la flor, permitiendo
determinar a tiempo atrasos o adelantos en el desarrollo de la planta y por lo tanto
tomar decisiones encaminadas a obtener la producción en el momento esperado.
17

Adicionalmente, es de vital importancia poder estimar la cantidad de producción a
obtener. En clavel estándar esta productividad está asociada al desbotone, el cual
es una práctica de cultivo indispensable que consiste en quitar los brotes o
botones laterales de un tallo floral desde el nudo más próximo al botón principal
hasta el nudo donde se va a cortar la flor. Con esto se busca obtener sólo una flor
proveniente del botón principal o yema apical del tallo floral y que ésta se
desarrolle vigorosamente, que su tallo sea fuerte, que el tamaño de la flor sea
grande y que complete satisfactoriamente su desarrollo (Arévalo, Ibarra, Flórez;
2007)
Por su parte en la producción de mini clavel se busca que cada uno de los tallos
tenga más de un botón por lo cual la práctica llevada a cabo en este caso es el
descabece. El momento de hacer el descabece se conoce como "punto de
descabece" e influye directamente en el momento del corte, de tal forma que entre
más rápido se descabece más rápido se obtiene el punto de corte y viceversa. Sin
embargo, el punto ideal es aquel que una vez realizado permita la apertura
uniforme de todos los botones del spray (Torres; ND).
En este contexto, esta investigación busca dar una solución a los problemas
anteriormente mencionados resolviendo las siguientes preguntas de investigación:
¿Cómo se relacionan los grados día y el desarrollo fenológico del miniclavel

cultivado en la Sabana de Bogotá?
¿Cómo influye en la producción de miniclavel el estado fenológico en el que se

descabezan diferentes variedades cultivadas en la Sabana de Bogotá?
De la cual se derivan los siguientes interrogantes:
 ¿Cuántos grados día requiere cada una de las variedades observadas para
pasar de un estado fenológico a otro?
 ¿Cuántos puntos de flor son producidos para cada una de las variedades
de acuerdo al estado fenológico en el cual se realiza el descabece?
18

2. OBJETIVOS
2.1 OBJETIVO GENERAL
Determinar la relación entre el estado fenológico en el cual se realiza el descabece

y la productividad del miniclavel en la sabana de Bogotá, considerando los grados
día necesarios entre cada estado fenológico, con el fin de establecer parámetros
que faciliten la planeación de la producción y que permitan determinar si el
desarrollo de la planta está acorde con el plan de producción fijado.
2.2 OBJETIVOS ESPECÍFICOS
 Determinar las funciones matemáticas que representan el impacto de los

grados día en cada uno de los estados fenológicos de diferentes variedades
de miniclavel.
 Determinar el impacto que genera sobre los tallos producidos el estado

fenológico en el que se realiza el descabece.
 Construir curvas de crecimiento para cada una de las variedades de

miniclavel estudiadas.
 Construir un modelo dinámico que represente el desarrollo fenológico del

miniclavel con el fin de brindar una herramienta que ayude a establecer el
momento de la siembra y descabece adecuado a la fecha de corte
esperada.
19

3. JUSTIFICACIÓN
A continuación se presenta la justificación del proyecto de investigación teniendo

en cuenta aspectos económicos, sociales y de contribución al conocimiento.
3.1 JUSTIFICACIÓN ECONÓMICA
El consumo de flores en el mundo ha presentado un constante crecimiento, siendo

Japón y Estados Unidos los países que registran el mayor consumo de flores, tal
como lo muestra la figura 1.
Figura 1 Consumo de flores por país.
Consumo de flores por país
8.000.000
7.000.000
6.000.000
Miles de Euros
5.000.000
4.000.000
Consumo 2003
3.000.000
2.000.000 Consumo 2006
1.000.000
0
Japón Estados Alemania Reino Francia Italia Holanda
Unidos Unido
Fuente: Castellanos, Rodríguez, Ospina (2010). Agenda prospectiva de investigación y desarrollo

tecnológico para la cadena productiva de flores y follajes con énfasis en clavel.
Dentro de los países que suplen las necesidades de estos consumidores se

encuentran Holanda y Colombia, quienes ocupan los primeros puestos en
exportación de flores con el 53% y 16% del total de exportaciones en el mundo,
respectivamente, tal como lo muéstrala figura 2.
20

Figura 2 Exportaciones de flores por país
Exportaciones de flor por país
4.500.000
4.000.000
3.500.000
Miles de dólares
3.000.000
2.500.000 2006
2.000.000 2007
1.500.000 2008
1.000.000
500.000
0
Holanda Colombia Ecuador Kenya Etiopia Italia
Fuente: Castellanos, Rodríguez, Ospina (2010). Agenda prospectiva de investigación y desarrollo

tecnológico para la cadena productiva de flores y follajes con énfasis en clavel.
El puesto ocupado por Colombia en este ranking conduce a que actualmente el

95% de la producción nacional de flores se exporte, con lo cual el sector genera el
6,6% del PIB agropecuario, ocupando el primer lugar dentro de las exportaciones
no tradicionales (Businesscol; 2009).
Estas exportaciones agrupan diferentes tipos de flor, siendo la rosa, el clavel y el

miniclavel y los crisantemos las especies con mayores exportaciones tanto por
Holanda como por Colombia. Específicamente en Colombia, las exportaciones de
miniclavel representan el 7% del total de exportaciones de flor, tal como lo muestra
la figura 3.
Según la Asociación Colombiana de Floricultores ASOCOLFLORES, las

exportaciones del sector se encuentran concentradas en las PYMES, las cuales
son responsables del 90% del valor exportado (Tenjo; 2006). Estas MYPES
ascienden a 260 empresas cuya área cultivada es inferior a 50 Ha (Solano; 2009).
21

Figura
F 3 Prin
ncipales prod
ductos de la floricultura exp
portados por Colombia parra el 2007
Fuente:
F Casteellanos, Rodrríguez, Ospina (2010). Ageenda prospecctiva de investigación y dessarrollo
tecnológico
t para
p la cadena
a productiva de
d flores y folllajes con énffasis en clave
el.
Los cultivos
s de flores en Colomb bia se conccentran en la Sabana de Bogotá á, en un
92%,
9 y en las zonas de Rioneg gro y la Ceeja en Antioquia en m menor prop porción,
lugares
l que
e cumplen con las condiciones cclimáticas n necesarias y son cerccanos al
puerto
p de embarque
e aéreo
a (Gre
eco; 2001). Entre las e especies cultivadas e
en estas
regiones
r el
e mini clavel
c y clavel
c está
ándar ocu upan un lugar importante,
representa
r ndo en connjunto el 22,3% del áreea cultivada
a.
Por lo ante
erior el desaarrollo de este
e proyeccto tiene un
n impacto eeconómico positivo
ya
y que brinda inforrmación im mportante para la a adecuada planeación de la
producción
p del minicla
avel en la Sabana
S de BBogotá, esttudiando un
na de las especies
de
d flores con
c mayorr importanc cia para ell sector y en la zon na geográfiica que
concentra
c la mayor ca antidad de cultivos.
c
Cabe
C aclarrar que el tema del presente ttrabajo de grado fuee aprobado
o por la
Asociación
A Colombiana de Expportadores de Flores ASOCOLF
FLORES y por el
Centro
C de Innovación
I para la Flo
oricultura Co
olombiana CENIFLOR
RES.
22

3.2 JUSTIFICACIÓN SOCIAL
El sector floricultor es considerado intensivo en mano de obra debido a las

dificultades de la mecanización del proceso, en promedio son empleados 16
trabajadores por hectárea, valor considerado elevado en comparación con otros
cultivos tales como el maíz y el café.
La rama de flores generó 75.000 empleos directos y 50.000 indirectos en 1999, y
60% del empleo directo fue cubierto por trabajo femenino no calificado (Greco;
2001)
Lo anterior, sumado a las 260 MYPES que hacen parte del sector, justifica el
aporte del proyecto desde la perspectiva social.
3.3 CONTRIBUCIÓN RESPECTO AL CONOCIMIENTO
Esta investigación genera aporte respecto al conocimiento ya que se centra en

variedades que no han sido estudiadas en la Sabana de Bogotá hasta el
momento. Existen algunos estudios que utilizan el método de los grados día para
predecir el momento y los tallos producidos en rosa. De igual manera se
encuentran estudios que determinan el impacto del estado fenológico en el que se
realiza el desbotone y la calidad de tallos producidos para el clavel estándar
cultivado en la Sabana de Bogotá, sin embargo, en la revisión bibliográfica
realizada, no se encontraron estudios que se centraran en el estudio de la
influencia de los grados día y la productividad del miniclavel en la Sabana de
Bogotá.
23

4. MARCO DE REFERENCIA
A continuación se presentan los antecedenetes encontrados en la revisión de

literatura realizada, así como el marco teórico y las bases conceptuales necesarias
para el desarrollo de la presente investigación. De igual manera se presentan los
supuestos y las hipótesis contempladas.
4.1 ANTECEDENTES

La planeación de la producción en la agricultura es un tema que ha sido
ampliamente estudiado desde diferentes enfoques, tales como la modelación
matemática y la simulación.
En cuanto a la modelación matemática Dourado & Teruel (1998) presentan

algunos modelos aplicados, destacando las ventajas de cada uno, incluyendo
modelos empíricos, matemáticos y de simulación.
Entre las aplicaciones puntuales se encuentra el trabajo presentado por Ahumada

(2009), quien presenta un modelo mixto de programación entera, el cual busca
brindar una herramienta para la planificación táctica de la producción y distribución
de productos frescos. Este modelo considera el carácter perecedero de los
cultivos de dos maneras diferentes, como una función de pérdida en su función
objetivo, y como un obstáculo para el almacenamiento de los productos.
En cuanto a los modelos que buscan pronosticar el comportamiento de los

cultivos, Rojas (2006) presenta un estudio para la estimación del crecimiento del
manzano en chile a través de modelos matemáticos, este estudio identificó y
evaluó modelos matemáticos que describen el crecimiento del fruto, sin realizar
muestreos destructivos. Se evaluaron los modelos de regresión lineal simple,
regresión lineal múltiple y cuatro modelos no lineales, como resultado se
presentan las ventajas y desventajas de cada modelo centrándose en la precisión
de cada uno de ellos.
24

Respecto a los modelos aplicados en la floricultura, Catley (2000) evidencia la falta
de modelos específicos para sistemas de producción de flores, por lo cual propone
un modelo descriptivo de la toma de decisiones en el cultivo de flores como un
medio para realizar una mejor gestión de los recursos.
Dentro de los trabajos más destacados en la floricultura, se encuentran los

modelos desarrollados por Caixeta (2002) quien presenta un modelo de
programación lineal como herramienta para la planificación de la producción de
lirios en la empresa floricultora Jan de Wit, este modelo considera limitaciones,
tales como la demanda, las exigencias del mercado, las características de la
duración del ciclo de producción, los requisitos técnicos, el inventario de bulbo, y
las limitaciones de los invernaderos. La implementación de este modelo ha
mostrado resultados satisfactorios en la compañía, aumentando los ingresos en un
26% entre 1999 y 2000.
Específicamente, en el cultivo de miniclavel en la sabana de Bogotá, se encuentra

el trabajo desarrollado por Mesa (2007), en donde se presenta una aplicación de
modelos de programación lineal para la programación de siembras del miniclavel,
integrando tanto requerimientos del mercado, como características de producción.
Este modelo incluye restricciones referentes al rendimiento en el cultivo y al área
disponible, sin embargo no considera el factor estocástico de las variables no
controlables en la producción.
Respecto al uso de dinámica de sistemas se destaca el trabajo desarrollado por

Acuña (1996) quien propone la Dinámica de Sistemas como metodología
alternativa y complementaria para el Manejo Integrado de Plagas y describe una
experiencia realizada en los cultivos de cítricos de la provincia de Tucumán. En
este estudio se diseña un modelo de simulación para explicar y predecir el
comportamiento del acaro rojo de los cítricos en el sistema bajo estudio. Además,
se considera el software respectivo que permite a los profesionales disponer de
una herramienta para la toma de decisiones técnicas. El grado de confiabilidad del
modelo es satisfactorio conforme a los análisis cualitativo y estadístico entre los
valores reales y simulados.
25

En relación al estudio de grados día en el cultivo de flores, se encuentran en su
mayoría estudios aplicados a la rosa. Pasian (1994) estudio la aparición de brotes
en la rosa y el desarrollo de los mismos en relación con los grados día, en este
estudio se encontró que la temperatura base para la rosa es de 5,2 °C, así como
los grados día necesarios entre el brote y la cosecha.
Posteriormente Neil, Mattson y Heiner (2005), profundizaron este estudio,
recopilando datos de crecimiento y grados día desde el año 2003 hasta 2005,
como resultado de este estudio se desarrolló un software para la producción de
rosas con base en los grados día y en el historial de cultivo, este software asume
una temperatura base de 5,2°C y una relación lineal entre la temperatura y el
desarrollo de la rosa.
Específicamente en Colombia, Pérez, Cure y Monroy (2001) presentan un modelo

de predicción y manejo de cultivos a través del desarrollo de un modelo de grados
día para diferentes variedades de rosa cultivadas en la Sabana de Bogotá, como
resultado de esta investigación se desarrollaron dos software que permiten
pronosticar las fecha de cosecha a partir del desarrollo de la planta, así como el
número de días faltantes para obtener la cosecha.
Rodríguez y Flórez (2006) estudiaron el comportamiento fenológico de tres

variedades de rosas rojas en función de la acumulación de la temperatura, como
resultado de este estudio se desarrollaron modelos de predicción para cada uno
de los estados de desarrollo fenológico de la rosa y una tabla de predicción para la
producción de botones florales, que permite estimar por medio de grados-día el
número de botones probables a obtener en una fase de desarrollo específico.
En los últimos años se han desarrollado algunos estudios en clavel, López,

Chaves, Flórez y Salazar (2010) presentan un modelo de aparición de nudos en
clavel, cuyo objetivo fue determinar la temperatura base para la aparición de
nudos y en función de este parámetro generar un modelo fenológico para tallos
florales de clavel estándar. La temperatura base se estimó mediante el ajuste de
un modelo exponencial entre la tasa de aparición de nudos y la temperatura
acumulada, encontrando que la temperatura base es de 0,12°C. A partir del pinch,
y hasta la aparición del botón floral se acumularon 1.363,2 grados día grados día,
y el pico de cosecha se alcanzó a los 2.226,5 grados día.
26

Como se evidencia, existen algunos estudios que han aplicado herramientas de
optimización y simulación en la agricultura, sin embargo, en la revisión
bibliográfica realizada no se encontraron estudios que determinen la relación entre
los grados día y el desarrollo fenológico del miniclavel en la sabana de Bogotá, así
como la productividad del mismo en función del estado en el que se realice el
descabece. Tampoco fueron encontrados estudios que utilicen la dinámica de
sistemas como herramienta para la determinación de fechas de corte y siembra
del miniclavel en la Sabana de Bogotá.
4.2 MARCO TEÓRICO
Para el desarrollo de esta investigación son necesarias bases conceptuales

relacionadas con la producción del miniclavel, el método de los grados día y la
dinámica de sistemas. A continuación se presentan los fundamentos teóricos de
dichas áreas que van a ser usados en esta investigación:
4.2.1 Producción de miniclavel. El miniclavel es una planta con hojas lineares de

0,8 a 1,5 cm de longitud, planas y blandas, tiene un ramillete de 3 a 6 flores
olorosas y su cáliz se encuentra entre 2 y 2,5 cm de longitud con dientes
triangulares, sus pétalos son dentados, de forma irregular con una longitud de 0,5
a 1 cm y de diferentes colores de acuerdo a la variedad (Berrocal y Salazar; 2004).
La figura 4 muestra el diagrama del proceso productivo del miniclavel, el cual inicia
con la propagación, la cual se efectúa por esquejes de brotes, los cuales son
almacenados entre 0,5-1°C por un tiempo que varía entre 15 días y dos meses
dependiendo de si estos se encuentran enraizados o no.
27

Figura
F 4 Pro
oceso producttivo del minic
clavel
Fuente:
F Autorr
El proceso continúa con

c la plantación, en donde los esquejes sson sembra
ados en
camas
c separados entre sí por un
na distancia
a de 15 cm..
Durante esste periodo es necesarrio llevar a cabo riego y fertilizacciones con e

el fin de
garantizar
g las
l condicioones necessarias para el adecuad do crecimie ento de la planta.
En cuanto a la fertilización, la dosis que e más se utiliza en la produccción del

miniclavel
m es la 90--120-120, de N-P-K,, respectivvamente, la a cual se puede
fraccionar
f en
e cuatro partes
p y apllicarla. Las etapas de aplicación pueden se er antes
de
d la plantaación, al iniicio de la ellongación ddel tallo, al inicio del b
brote del bo
otón y la
cuarta
c cuanndo ya está á en botón (Linares;
( 20
004).
Posteriormente se rea
aliza el des
spunte o p inchs, el objetivo de esta operaación es
garantizar
g que
q la planta ramifique
e y que las primeras fflores sean más largass.
En clavel estándar ele desbotonne es una práctica d de cultivo iindispensabble que

consiste
c en
n quitar los
s brotes o botones
b oral desde el nudo
latterales de un tallo flo
28

más próximo al botón principal hasta el nudo donde se va a cortar la flor. Con esto
se busca obtener sólo una flor proveniente del botón principal o yema apical del
tallo floral y que ésta se desarrolle vigorosamente, que su tallo sea fuerte, que el
tamaño de la flor sea grande y que complete satisfactoriamente su desarrollo
(Arévalo; 2007).
Contrario a esto en el miniclavel lo que se pretende es que el tallo tenga el mayor

número de botones florales, por lo cual se lleva a cabo el descabece. El
descabece es la actividad en la cual se quita el botón o cabeza principal del tallo o
planta, es decir, la de mayor desarrollo. Tiene como objetivo eliminar la
dominancia apical que ejerce este botón y permitir que los fotosintetizados lleguen
a los botones laterales y así lograr un desarrollo más rápido y uniforme y por
consiguiente, una floración más pareja. El momento de hacer el descabece se ha
denominado "punto de descabece" y es el estado de desarrollo en que se
encuentre el botón que se va a eliminar. Este estado afecta directamente el
momento del corte, de tal forma que entre más rápido se descabece más rápido
se obtiene el punto de corte y viceversa. Sin embargo, el punto ideal es aquel que
una vez realizado permita la apertura uniforme de todos los botones del spray
(Torres; ND).
Los estados de desarrollo o puntos de descabece en clavel miniatura cambian

para las diferentes variedades, y muchas de ellas se pueden agrupar por su punto
de descabece.
Teniendo en cuenta que dentro de la literatura revisada no se encontró una

clasificación clara y formal de los estados de desarrollo fenológico del miniclavel,
se realizó una adaptación de los estados definidos para la rosa y el clavel,
teniendo en cuenta los estándares de tamaño del miniclavel, dicha adaptación fue
realizada por el gerente técnico de la empresa Florval. Los estados establecidos
fueron:
Arveja: se califica dentro del estado arveja al botón floral principal cuyo diámetro
ecuatorial se encuentra entre 8 y 10 mm y su forma tiende a ser ovalada.
Garbanzo: se califica dentro del estado garbanzo al botón floral principal que
presenta un diámetro ecuatorial entre 10 y 12mm y una tendencia del botón a
29

formar una punta más definida que tiende a desvanecerse en la medida que
aumenta de tamaño.
Bola: se califica dentro del estado bola al botón floral principal que presenta un
diámetro ecuatorial entre 12 y 15mm y la punta de los sépalos es de forma
redondeada (cúpula).
Estrella: se califica dentro del estado estrella al botón floral principal que presenta
un diámetro ecuatorial entre 15 y 17mm en este estado el botón presenta cinco
puntas que muestran el color de la variedad.
Ajustado: se califica dentro del estado ajustado al botón floral principal que
presenta un diámetro ecuatorial de 18 mm, este tamaño varía según la variedad
observada, sin embargo, se clasifican como ajustados aquellos botones que
presentan una apertura de los pétalos entre 3 y 5mm de longitud. La figura 5
muestra los diferentes estados de desarrollo contemplados en esta investigación.
Figura 5 Estados de desarrollo fenológico del miniclavel
Arveja Garbanzo Bola Estrella Ajustado
8‐10 mm 11‐12mm 13‐15 mm 16‐17mm 18mm
Fuente: Florval Ltda
El cultivo del miniclavel exige una temperatura diurna entre los 15-22°C y una
temperatura nocturna entre 10-13°C. (Newman; 1999).
En el cultivo de miniclavel estándar, temperaturas inferiores a las indicadas

producen rajaduras en los cálices, grupos adicionales de pétalos (cabezas de
toros) y flores aplanadas con botones que no abren totalmente. Con temperaturas
30

inferiores a 2°C se observan manchas negras y necróticas en la flor, ocurre
desnaturalización de encimas y proteínas e interrupción de rutas de energía
necesarias para la fotosíntesis. (Fisher; 2007).
Las temperaturas bajas estimulan la iniciación floral, en tanto que las temperaturas
elevadas ocasionan un crecimiento vegetativo rápido, entrenudos más cortos,
tallos más débiles, menor tamaño de la flor y poca vida en florero. (Beisland y
Kristofferse; 1969, citados por Boshell; 2009).
Por su parte, la humedad tiene un papel fundamental en la generación de plagas y

enfermedades, en especial las de origen fungoso, las cuales se activan con una
humedad relativa superior al 80% y se inhiben en periodos con humedad inferior a
dicho umbral.
Cuando la humedad relativa es baja, existe un gradiente importante entre la

tensión hídrica en el aire en relación con los tejidos vegetales. Una humedad
relativa inferior al 60% incrementa significativamente la demanda hídrica. Los
valores de humedad menores al 30% son considerados críticos ya que ocasionan
elevada transpiración, requiriendo de riegos adecuados (Boshell; 2009).
4.2.2 Método de Grados día. El concepto de grados día fue propuesto por
primera vez en 1730 por Reaumur quien desarrolló la conocida escala térmica
Reaumur, después de este avance el progreso en la investigación acerca del tema
fue bastante lento, hasta que en 1920 JW Smith publicó el primer texto, titulado
"Meteorología Agrícola" (Reifsnyder; ND). En su libro, Smith (1920) asegura que la
temperatura es una de las causas del crecimiento vegetal, al afirmar que las
condiciones para el crecimiento vegetal son una óptima combinación de la
temperatura, la humedad y la luz solar en la que las plantas tienen el mejor
crecimiento, y en virtud de la cual se obtienen los mayores rendimientos (Smith;
1920).
Desde entonces los grados día han sido estudiados ampliamente como método
para el análisis del desarrollo de cultivos e insectos. Debido a este estudio han
sido desarrolladas diferentes ecuaciones basadas en fórmulas matemáticas como
31

son, en su orden de creciente de complejidad matemática, los métodos del
triángulo sencillo y doble y del seno y del seno doble (Rodríguez, Flórez; 2006).
Sin embargo, quizás la formula más usada en los cultivos debido a la facilidad de
su aplicación es llamada fórmula canónica para el cálculo de los grados día (GDC)
(McMaster, Wilhelm; 1997) la cuál es:
(1)
Donde:
: Temperatura máxima del aire durante el día
: Temperatura mínima del aire durante el día
: Temperatura por debajo de la cual el proceso de interés no progresa, es
decir, no hay crecimiento activo
Esta temperatura base varía en función del cultivo y de la especie
En la literatura se encuentran dos interpretaciones de la ecuación 1, bajo la

primera interpretación, si entonces Tbase esta
interpretación es la más usada en los modelos de simulación (McMaster, Wilhelm;
1997).
Bajo la segunda interpretación encontrada, si Tmax entonces Tmax

Tbase y si Tmin entonces Tmin Tbase.
La diferencia entre las dos interpretaciones se debe al valor que es comparado

con la temperatura base, en la interpretación 1 se compara la temperatura
promedio, mientras que en la interpretación 2 se comparan las temperaturas
máxima y mínima.
32

Según McMaster y Wilhelm (1997) no hay evidencia en estudios anteriores que
determinen cual de las dos interpretaciones es la correcta ya que es posible
encontrar autores que utilizan la interpretación 1, tales como; Davidson y Campbell
(1983), Gallagher (1970), Jefferies y Mackerron (1987) y McMaster y Smika
(1988); y autores que utilizan la interpretación 2 tales como: Baker (1986), Cutforth
y Shaykewich (1989) y Swanson y Wilhelm (1996).
Por tal motivo McMaster y Wilhelm (1997) realizaron experimentación con las dos
interpretaciones en datos de un cultivo de trigo encontrando grandes diferencias,
sin embargo, en este estudio no fue posible determinar cuál de las dos
interpretaciones es la más acertada ya que para determinados estados de
desarrollo la interpretación 1 mostró mejores resultados que la interpretación 2 y
viceversa.
Se han realizado modificaciones a esta ecuación con el propósito de mejorar su

significado biológico. Por ejemplo, la incorporación de un umbral superior
(Rodríguez y Flórez; 2006), la conversión a unidades fototermales, añadiendo una
variable de fotoperiodo, con sólo la temperatura máxima o mínima e incorporando
funciones para otros factores ambientales (McMaster y Wilhelm, 1997).
Precisamente, el método más usado en Colombia es aquel que incluye un umbral
superior, el manual del riesgo climático en la floricultura colombiana (Boshell;
2009) indica éste como método de cálculo de los grados día.
Este método es muy similar a la interpretación 1, en este método, si

entonces y se aplica la ecuación (1); es decir, el dato
no se tiene en cuenta debido a que bajo esta temperatura no se produce un
crecimiento activo. La diferencia entre este método y la interpretación 1 radica en
el establecimiento de un límite superior sobre el cual tampoco se consigue un
crecimiento adecuado, en este caso, si es el límite superior entonces:
entonces y se aplica la ecuación (1).
Por lo anterior este método será el seguido en la presente investigación ya que se
encuentra expuesto en un estudio de CENIFLORES (Centro de la innovación para
la floricultura colombiana).
33

4.2.3 Dinámica de sistemas. El uso de la dinámica de sistemas en este proyecto
está fundamentado en dos razones principales: primero, la existencia de demoras
estructurales representadas por el tiempo necesario para el desarrollo de la
planta, es decir, el tiempo que transcurre entre un estado fenológico y otro, y
segundo, el efecto de la variable no controlable grados día en el desarrollo de la
planta.
La Dinámica de Sistemas es una metodología para la construcción de modelos de

simulación para sistemas complejos, como los que son estudiados por las ciencias
sociales, la economía o la ecología.
El objeto de los modelos de Dinámica de Sistemas es llegar a comprender cómo la

estructura del sistema es responsable de su comportamiento. Esta comprensión
normalmente debe generar un marco favorable para la determinación de las
acciones que puedan mejorar el funcionamiento del sistema o resolver los
problemas observados.
La ventaja de la Dinámica de Sistemas consiste en que estas acciones pueden ser

simuladas a bajo costo, con lo que es posible valorar sus resultados sin necesidad
de ponerlas en práctica sobre el sistema real.
La dinámica de sistemas trabaja sobre sistemas dinámicos, los cuales son el

modelo del comportamiento dinámico de un sistema, para la construcción de estos
modelos es fundamental definir claramente los límites del sistema. El concepto de
límite pretende explicar que el comportamiento de interés del sistema se genera
en el interior de los límites y no viene dado por el medio (Aracil; 1986). Un modelo
está compuesto por un conjunto de definiciones que permiten identificar los
elementos que constituyen el sistema y un conjunto de relaciones que especifican
las interacciones entre los elementos que aparecen en el modelo.
Los elementos que intervienen en el modelo pueden clasificarse como exógenos y

endógenos, los primeros pueden ser modificados desde el exterior del mismo,
mientras que los segundos están determinados completamente por la estructura
del sistema.
34

Esta definición de modelo está acorde con el proyecto a realizar ya que en el
cultivo del miniclavel interactúan variables que en conjunto afectan el desarrollo de
la planta.
Para representar las relaciones entre los elementos del sistema se usaran los
diagramas causales, los cuales se construyen con flechas que relacionan los
elementos, y con signos que representan relaciones positivas o negativas.
Estos diagramas causales se usaran para identificar y cuantificar el impacto que
genera los grados día en el desarrollo de la planta, así como el momento en el que
se realiza el descabece en la calidad de la flor, lo cual nos permite comprender
mejor la estructura del sistema.
Para simular estos diagramas causales se usaran los Diagrama Forrester, los
elementos que constituyen el diagrama causal se representan por medio de
variables, las cuales se clasifican en tres grupos: variables de nivel, variables de
flujo y variables auxiliares.
Las variables de nivel constituyen el conjunto de variables cuya evolución es

significativa para el estudio del sistema; las variables de flujo determinan las
variaciones en los niveles del sistema y las variables auxiliares representan pasos
o etapas en que se descompone el cálculo de una variable de flujo a partir de los
valores tomados por los niveles (Forrester; 1981). Los diagramas de Forrester
también incluyen canales de material y de información, así como retrasos y
variables exógenas.
Por último un aspecto importante que se debe considerar en el estudio de

sistemas dinámicos es el retraso que se produce en la transmisión de información
o de materiales a lo largo de estos.
Al construir el diagrama causal de un sistema se debe considerar que la relación

causal que liga a dos variables puede implicar la transmisión de información o
material para la cual se requiere el transcurso de cierto tiempo, lo cual implica un
retraso. Los retrasos de materiales se producen cuando existen elementos en el
35

sistema que almacenan el material que fluye por el mismo, en este caso estos
retrasos generan almacenamiento de tallos en cada estado fenológico.
4.4 VARIABLES
Con base en lo expuesto en el marco teórico, a continuación se presentan las

variables controlables y no controlables a considerar en este estudio:
Variables controlables
Las variables controlables a tener en cuenta son:

 Estado en el que se realiza el descabece
 Variedades de miniclavel a estudiar
 Camas a analizar
Variables no controlables
Las variables no controlables a tener en cuenta
 Grados día, temperatura

 Puntos producidos por la flor de acuerdo al estado fenológico en el que se
llevó a cabo el descabece.
4.5 SUPUESTOS
En el cultivo de miniclavel el descabece afecta la calidad de la flor producida tal

como ocurre con el desbotone en la rosa y en el clavel estándar.
El desarrollo fenológico del miniclavel depende de los grados día acumulados, tal
como ocurre en la rosa y en el clavel estándar.
36

4.6 HIPÓTESIS
Existe una relación entre los grados día y el desarrollo fenológico del miniclavel.
El desarrollo fenológico en el que se realiza el descabece impacta en la cantidad

promedio de puntos producidos en diferentes variedades de miniclavel.
37

5. CURVAS DE CRECIMIENTO DEL MINICLAVEL A PARTIR DE LOS
GRADOS DÍA ACUMULADOS
Las curvas de crecimiento desarrolladas en el presente trabajo muestran la

relación entre los grados día acumulados desde el momento de la siembra hasta
que el diámetro del botón principal de los tallos estudiados alcanza diferentes
tamaños.
5.1 METODOLOGÍA PARA LA CONSTRUCCIÓN DE CURVAS

El desarrollo de las curvas de crecimiento se llevó a cabo en tres etapas:
recolección de datos, análisis de la información y construcción de las curvas.

5.1.1 RECOLECCIÓN DE DATOS. La información requerida para el desarrollo de
las curvas se centra en los grados día registrados en cada uno de los bloques en
donde se encuentran sembradas las variedades a estudiar y en el tamaño de los
botones estudiados.
5.1.1.1 Determinación de las variedades a estudiar. El presente estudio fue

llevado a cabo en la empresa floricultora Florval Ltda., la cual es una empresa
representativa en el cultivo de miniclavel en el país. Florval Ltda. cuenta con más
de 30 hectáreas cultivadas de miniclavel, en las cuales se puede encontrar más de
20 variedades de la especie. Estas características convierten a Florval Ltda. en
una de las empresas productoras de miniclavel más grandes de Colombia. La
selección de las variedades a estudiar se realizó con base en el número de camas
cultivadas de cada una de las variedades para los meses de agosto y septiembre,
y en el interés particular de la empresa por el estudio de algunas variedades
específicas.
La figura 6 muestra la participación porcentual de cada una de las variedades. Con

base en la información mostrada se seleccionaron doce variedades a estudiar, las
cuales, en conjunto, representan el 90.3% de los tallos sembrados para ser
cortados en los meses de agosto y septiembre de 2011.
38

Figura 6 Variedad
des cultivada
as participació
ón porcentual
Varieda des Cultivad
das
Participa ción Porcen
ntual
10%
1% 211% Apricot lady
3%
3
2% chatteau
2%
5% 0%
10 Espeeria
Nirvvana
6%
Dan
nny
Edisson
8% Ibis
8%
8% Spectro
8% 8% Jestter
Fuente: Autor a pa
artir del plan de
d siembras 2
2011 Florval L
Ltda.
Las variedades
v s selecciona
ados fueron
n:
 Apricot la
ady
 Chateau u
 Esperia
 Nirvana
 Danny
 Edison
 Ibis
 Spectro
 Jester
 Berry
 Cherry Tessino
T
 Purple spectro
 Milka
5.1.1.2
5 Detterminació ón del tam
maño de la a muestra. Teniendo en cuenta a que el
tamaño
t dee la poblac ción a esttudiar es dde 745.920 tallos se
e hace ne ecesario
seleccionar
s r aleatoriam
mente una muestra
m assumiendo que el tamaño de la po
oblación
es
e infinito. La tabla 1 muestra la
a cantidad de tallos ssembrados para cada una de
las
l variedades en estu udio:
39

Tabla 1 Tallos cultivados por variedad
Plantas Tallos
Variedad Camas
Totales Totales
Apricot lady 32 28.416 170.496
Chateau 15 13.320 79.920
Esperia 13 11.544 69.264
Nirvana 13 11.544 69.264
Danny 12 10.656 63.936
Edison 12 10.656 63.936
Ibis 12 10.656 63.936
Spectro 9 7.992 47.952
Jester 8 7.104 42.624
Berry 4 3.552 21.312
Cherry Tessino 4 3.552 21.312
Purple spectro 4 3.552 21.312
Milka 2 1.776 10.656
Total 140 124.320 745.920
Fuente: Autor a partir del plan de siembras 2011 Florval Ltda.
Inicialmente se realizó un premuestreo para cada uno de los estados con el fin de
obtener los datos para el cálculo del tamaño de la muestra, el cual se realizó con
base en la ecuación (2).
∗
(2)
Donde:
Nivel de confianza
Error máximo aceptado
Desviación estándar
Tamaño de la muestra
La tabla 2 muestra los cálculos realizados para obtener el tamaño de la muestra

para cada uno de los estados
40

Tabla 2 Cálculo del tamaño de muestra
Estado N
Arveja 814,066932 0,0025 3,8416 0,52977075
Garbanzo 365,621271 0,0025 3,8416 0,23793554
Bola 943,061383 0,0025 3,8416 0,61371654
Estrella 383,577429 0,0025 3,8416 0,24962088
Ajustado 1149,14598 0,0025 3,8416 0,74783032
Fuente: Autor
Este tamaño de muestra fue obtenido con un error máximo admisible del 5% y un
nivel de confianza del 95%. Posteriormente, el tamaño de muestra obtenido para
cada uno de los estados fue distribuido proporcionalmente entre las variedades a
estudiar con base en la cantidad de tallos sembrados. La tabla 3 muestra la
cantidad de tallos para cada una de las variedades en estudio:
Tabla 3 Tamaño de muestra para cada variedad y estado

Participación
Tamaño de Tamaño de Tamaño de Tamaño de Tamaño de
porcentual
Variedad muestra muestra muestra muestra muestra
Tallos
Arveja Garbanzo Bola Estrella Ajustado
sembrados
Apricot lady 23% 186 84 216 88 263
Chateau 11% 87 39 101 41 123
Esperia 9% 76 34 88 36 107
Nirvana 9% 76 34 88 36 107
Danny 9% 70 31 81 33 98
Edison 9% 70 31 81 33 98
Ibis 9% 70 31 81 33 98
Spectro 6% 52 24 61 25 74
Jester 6% 47 21 54 22 66
Berry 3% 23 10 27 11 33
Cherry
Tessino 3% 23 10 27 11 33
Purple
spectro 3% 23 10 27 11 33
Milka 1% 12 5 13 5 16
Total 100% 815 364 945 385 1149
Fuente: Autor
41

Debido a la
as condiciones del culltivo, el tam
maño de mu uestra mínimo tomado o fue de
50
5 tallos co
on el fin de evitar pérd
didas de infformación o
ocasionadaas por las p
pérdidas
de
d tallos en
n cultivo.
5.1.1.3
5 Maarcación de tallos. Para
P el pro
oceso de rrecolección n de datoss fueron
marcados
m tallos
t aleatoriamente en las cammas cultivad das. A cada a uno de lo
os tallos
le
l fue colgaada una etiq queta numeerada para facilitar su identificación.
Los tallos marcados se enconttraban en estado de diferenciación, es decir, se
seleccionar
s ron tallos que acaba an de inicciar su perriodo productivo. Loss datos
almacenad
a os asociad dos a estaa marcació ón fueron: ubicación (bloque, nave y
cama),
c fecha de siem mbra y fechha de diferrenciación, la cual, en este casso es la
misma
m fechha en la quue se realiz
zó la marcaación de taallos. La figgura 7 mueestra un
ejemplo
e de la marcaciión realizad
da:
Figura
F 7 Ma
arcación de ta
allos
Fuente: Trabajo de
e campo
42

5.1.1.4 Recolección de datos. Con base en la definición de estados fenológicos
presentada en el marco de referencia del presente documento y de acuerdo al
tamaño de la muestra, se seleccionaron tallos que pasaron del estado
diferenciación al estado arveja, del estado arveja al estado garbanzo, del estado
garbanzo al estado bola, del estado bola al estado estrella y del estado estrella al
estado ajustado. La información asociada a este proceso fue el tamaño del
diámetro del botón principal de cada tallo y la fecha en la que se realizó el
seguimiento, con el fin de determinar posteriormente los grados día acumulados.
Con el fin de identificar claramente cada uno de los estados de desarrollo se

construyó la herramienta mostrada en el Anexo A, de acuerdo a los estados
presentados en el marco de referencia del presente documento. Paralelamente se
realizó el descabece de los tallos en cada uno de los estados, por ejemplo para los
tallos que pasaron de diferenciación a arveja no solo se tomó como dato la fecha
de cambio y el tamaño, también se realizó el descabece con el fin de determinar
posteriormente la fecha de corte y la cantidad de puntos que produce cada una de
las variedades de acuerdo al momento en que se lleva a cabo el descabece. La
metodología para la recolección de información es mostrada en la figura 8.
Esta metodología para la recolección de datos es válida ya que todos los esquejes
usados en el cultivo son clonados, es decir, tienen las mismas características
genéticas y por lo tanto se espera que no se encuentren diferencias significativas
entre cada uno de los tallos observados.
43

Figura 8 Metodología para la recolección de datos
Fuente: Autor
44

5.1.2 Análisis de información. El análisis de datos se llevo a cabo en dos etapas,
primero fueron calculados los grados día acumulados por cada uno de los tallos y
posteriormente fueron realizadas pruebas de bondad de ajuste para determinar si
los datos se ajustan a una determinada distribución de probabilidad continua.
5.1.2.1 Cálculo de los grados día acumulados. Una vez recopilada toda la
información acerca de las fechas se determinaron los grados día acumulados para
cada tallo marcado. Para esto se utilizó la información recolectada por los
dataloggers que se encuentran instalados en el cultivo entre 1,7 y 1,8 metros de
altura. Los dataloggers registran cada media hora la temperatura, en grados
centígrados, del bloque en donde se encuentran ubicados, por lo cual se contó
con información suficiente para realizar el análisis.
Con la información suministrada se identificó diariamente la temperatura máxima y

mínima de cada uno de los bloques, con el fin de aplicar la ecuación (1)
presentada en el marco de referencia del presente documento:
(1)
La tabla 4 muestra la información referente al tallo N° 2083 el cual pertenece a la

variedad Berry.
Tabla 4 Datos recolectados. Tallo 2083

Fecha de Fecha de Fecha de Tamaño
Bloque Nave Cama
siembra diferenciación descabece (mm)
14 24 11 12/01/2011 04/06/2011 25/06/2011 11
Fuente: Trabajo de campo
Para determinar los grados día acumulados es necesario determinar la

temperatura mínima y máxima diariamente desde la fecha de siembra, para
posteriormente hacer el caculo de los grados día diariamente. Por ejemplo para el
13 enero de 2011 se registró una temperatura máxima de 34,01°C y una
temperatura mínima de 10,21°C, aplicando la ecuación (1) se tiene:
45

34,01º 10,21º
0,12º 21,99º 1
2
Donde 0,12°C es la temperatura base del clavel, encontrada por López, Chaves,
Flórez y Salazar (2010).
Cabe anotar que los grados día acumulados fueron calculados en grados
centígrados para todos los análisis realizados en el presente estudio.
Posteriormente se realizó la sumatoria de los grados día desde la fecha de

siembra hasta la fecha de diferenciación y desde la fecha de siembra hasta la
fecha en la que se realizó el descabece, en este caso el tallo acumuló 2962.38
grados día hasta la diferenciación y 3407,345 grados día hasta el descabece, el
cual se realizó cuando el botón tenía un diámetro ecuatorial de 11 mm.
Este procedimiento fue realizado para todos los tallos marcados.
5.1.2.2 Pruebas de bondad de ajuste. Las curvas de crecimiento fueron

construidas a partir de los resultados obtenidos de las pruebas de bondad de
ajuste realizadas. Los pasos seguidos para realizar las pruebas fueron:
Pruebas de Independencia: Con el fin de determinar si los datos son

independientes se realizaron las pruebas de corridas arriba y abajo y corridas
arriba y abajo del promedio. El objetivo de estas pruebas fue determinar si los
tamaños del diámetro de los tallos, presentados para diferentes niveles de grados
día acumulados, dependen de la variedad estudiada, o si por el contrario, todas
las variedades presentan el mismo comportamiento.
El anexo B presenta los resultados obtenidos, en donde se observa que las

pruebas realizadas fueron rechazadas para todos los niveles de grados día
46

estudiados, es decir, para analizar adecuadamente los datos se hace necesario
separarlos de acuerdo a la variedad estudiada y los grados día acumulados.
Pruebas de bondad de ajuste: Una vez separados los datos de acuerdo con los
resultados de las pruebas de independencia, se llevaron a cabo las pruebas de
bondad de ajuste. Los datos ajustados corresponden al tamaño observado para
cada variedad estudiada en los diferentes niveles de grados día acumulados. Las
pruebas realizadas fueron Anderson Darling, Kolmogorov Smirnov y Chi
Cuadrado.
Los resultados obtenidos para cada una de las variedades estudiadas se muestran
a continuación:
Apricot Lady
Al realizar las pruebas de bondad de ajuste se encontró que para esta variedad la
diferenciación ocurre a los 2881,8 grados día después de la siembra de acuerdo a
la distribución Pert(2861,3; 2781,1; 3064,1). La tabla 5 muestra las distribuciones
obtenidas para cada grupo conformado:
Tabla 5 Distribuciones de probabilidad. Variedad Apricot Lady

Grados día acumulados Distribución de
Tamaño medio (mm)
después de la diferenciación probabilidad
290,0375 Pareto(332,19; 9) 9,0272
496,085 Weibull(21,111; 11,992) 11,689
631,135 Erlang(22; 0,57292) 12,604
712,27 Erlang(1; 0,6686; 14,0) 14,936
848,585 Logistic(0,48286; 17,727) 17,727
917,65 ChiSqr(3; 15,902) 18,902
Fuente: Autor
Chateau
diferenciación ocurre a los 2656 grados. La tabla 6 muestra las distribuciones
47

Tabla 6 Distribuciones de probabilidad. Variedad Chateau
Tamaño medio (mm)
324,57 Pareto(6,8441; 8) 9,3689
514,03 Pert(11,0; 11,0; 17,768) 12,128
702,505 Weibull(23,732; 13,84) 13,527
836,185 Pareto(101,33; 16) 16,159
948,335 Beta(0,32194; 0,16759; 15,0; 18,0) 16,973
1040,175 Uniform(16,903; 20,697) 18,800
Fuente: Autor
Esperia
la distribución Exp(0,10625; 2781,1). La tabla 7 muestra las distribuciones
Tabla 7 Distribuciones de probabilidad. Variedad Esperia

Tamaño medio (mm)
324,57 Constante 9,000
514,03 Weibull(9,0577; 11,274) 10,679
631,135 Frechet(18,689; 13,611) 14,072
781,335 LogLogistic(38,129; 16,07) 16,088
917,65 Pert(18,0; 14,266; 18,0) 17,378
Fuente: Autor
Nirvana
la distribución Rayleigh(1569,2). La tabla 8 muestra las distribuciones obtenidas
para cada grupo conformado:
48

Tabla 8 Distribuciones de probabilidad. Variedad Nirvana
Tamaño medio (mm)
407,25 Pearson6(8,1197; 1,4907E+9; 1,8549E+9) 10,103
444,965 Exp(0,08845) 11,306
653,1866 Lognormal(0,02815; 3,7207; -26,798) 14,514
825,61 LogPearson3(26,138; -0,01034; 3,0952) 16,884
1325,635 Constante 18,000
Fuente: Autor
Danny
la distribución Exp(4,2288E-4). La tabla 9 muestra las distribuciones obtenidas
Tabla 9 Distribuciones de probabilidad. Variedad Danny

Tamaño medio (mm)
324,57 Erlang(165; 0,05631) 9,2903
402,595 LogLogistic(28,775; 11,615) 11,638
514,03 Weibull 3P(2,7007; 3,863; 10,524) 13,959
556,805 Erlang(348; 0,04082) 14,204
631,135 Weibull(15,67; 16,982) 16,422
836,185 Pareto(11,485; 16) 17,526
Fuente: Autor
Edisson
la distribución Triangular (2440,0; 2414,5; 2558,8). La tabla 10 muestra las
distribuciones obtenidas para cada grupo conformado:
49

Tabla 10 Distribuciones de probabilidad. Variedad Edisson
Tamaño medio (mm)
356,6475 GenGamma(1,0109; 195,44; 0,04921) 9,0833
433,44 Weibull(8,2801; 10,203) 9,6245
489,185 LogLogistic(31,815; 11,781) 11,800
552,95 Normal(0,8165; 14) 14,000
696,495 LogLogistic(31,819; 16,982) 17,009
819,41 Beta(0,72923; 0,04244; 14,289; 18,0) 17,796
Fuente: Autor
Ibis
la distribución Pareto (14,845; 2572,5). La tabla 11 muestra las distribuciones

Tabla 11 Distribuciones de probabilidad. Variedad Ibis
Tamaño medio (mm)
255,505 ChiSqr(8) 9,2708
444,965 LogLogistic(29,149; 11,57) 11,592
551,95 Uniform(12,363; 15,031) 13,697
688,265 Constante 16,000
848,585 Pareto(78,351; 16) 16,207
930,845 Pareto(6,6975; 16) 18,808
Fuente: Autor
Spectro
la distribución Weibull (40,017; 2255,6). La tabla 12 muestra las distribuciones
50

Tabla 12 Distribuciones de probabilidad. Variedad Spectro
Tamaño medio (mm)
203,2675 Pareto(36,677; 8) 9,2708
373,86 Weibull(6,8469; 10,86) 11,592
407,25 Pearson5(215,14; 2879,6) 13,697
556,805 Rayleigh(3,2598; 11,871) 16,207
690,485 Constante 18,808
802,635 Beta(0,37725; 0,09928; 17,0; 20,0) 19,375
Fuente: Autor
Jester
la distribución Exp(4,0024E-4). La tabla 13 muestra las distribuciones obtenidas
Tabla 13 Distribuciones de probabilidad. Variedad Jester

Grados día acumulados
Distribución de Tamaño medio
después de la
probabilidad (mm)
diferenciación
325,07 Pareto(4,1676; 8) 10,526
478,22 Weibull(17,537; 11,716) 11,366
552,95 Weibull(14,546; 14,324) 13,819
631,135 Pert(13,002; 13,0; 22,338) 14,557
702,505 ChiSqr(16) 16,000
781,335 Pearson6(1,9477; 4,4331E+7; 3,8330E+7;
16,502
14,818)
836,185 Erlang(302; 0,04511; 3,8389) 17,463
948,335 Pareto(48,812; 18) 18,376

Fuente: Autor
51

Berry
la distribución Pert(3043,9; 2781,1; 3297,7). La tabla 14 muestra las distribuciones
Tabla 14 Distribuciones de probabilidad. Variedad Berry

Tamaño medio (mm)
324,57 Uniform(7,794; 10,206) 9,000
444,965 ChiSqr(11) 11,000
551,95 Erlang(716; 0,01922) 13,760
659,7 Beta(1,3165; 0,55947; 12,6; 17,0) 15,688
781,335 Pareto(10,457; 15) 16,586
835,75 Constante 18,000
Fuente: Autor
Cherry Tessino
diferenciación ocurre a los 2775,69 grados día después de la siembra. La tabla 15
muestra las distribuciones obtenidas para cada grupo conformado:
Tabla 15 Distribuciones de probabilidad. Variedad Cherry Tessino

Tamaño medio (mm)
255,505 ChiSqr(8) 8,000
514,1325 Erlang(28; 0,15023; 8,4911) 12,547
631,135 Beta(7,6567; 1,0725E+7; 12,36; 2,5190E+6) 14,159
712,27 Pareto(77,762; 16) 16,143
781,335 Constante 17,000
848,585 Pareto(68,811; 18) 18,265
Fuente: Autor
52

Purple Spectro
diferenciación ocurre a los 2811,2 grados día después de la siembra de acuerdo
con la distribución Triangular(2809,6; 2732,2; 2891,9). La tabla 16 muestra las
distribuciones obtenidas para cada grupo conformado:
Tabla 16 Distribuciones de probabilidad. Variedad Purple Spectro

Tamaño medio (mm)
255,505 Exp(0,11905) 8,000
407,25 Constante 12,000
444,965 LogPearson3(9,8374; 0,02521; 2,2338) 12,001
556,805 Erlang(240; 0,06482) 15,56,0
701,378 Lognormal(0,02499; 3,3689; -11,584) 17,470
848,585 Constante 18,00
Fuente: Autor
Milka
diferenciación ocurre a los 2764,7 grados día después de la siembra según la
distribución de probabilidad Pearson6(386,4; 1,2930E+9; 9,2513E+9). La tabla 17
muestra las distribuciones obtenidas para cada grupo conformado:
Tabla 17 Distribuciones de probabilidad. Variedad Milka

Tamaño medio (mm)
324,57 Constante 9,000
444,965 Weibull(23,562; 12,02) 11,746
514,03 Uniform(10,769; 14,517) 12,643
712,27 Uniform(13,087; 18,394) 15,741
781,335 Weibull(14,615; 17,812) 17,726
Fuente: Autor
53

5.1.3 Curvas de crecimiento. Las distribuciones de probabilidad encontradas
para cada una de las variedades estudiadas permitieron construir las curvas de
crecimiento, teniendo en cuenta diferentes probabilidades de ocurrencia y por lo
tanto tamaños para diferentes valores de grados día.

A continuación se muestran las curvas de crecimiento para cada una de las
variedades, contemplando la media, y los tamaños que se encuentran 40% y 20%
por encima y por debajo de la probabilidad de ocurrencia de la media.
Figura 9 Curva de crecimiento. Variedad Apricot Lady
Fuente: Autor
54

Figura 10 Curva de crecimiento. Variedad Chateau
Fuente: Autor
Figura 11 Curva de crecimiento. Variedad Esperia
Fuente: Autor
55

Figura 12 Curva de crecimiento. Variedad Nirvana
Fuente: Autor
Figura 13 Curva de crecimiento. Variedad Danny
Fuente: Autor
56

Figura 14 Curva de crecimiento. Variedad Edisson
Fuente: Autor
Figura 15 Curva de crecimiento. Variedad Ibis
Fuente: Autor
57

Figura 16 Curva de crecimiento. Variedad Spectro
Fuente: Autor
Figura 17 Curva de crecimiento. Variedad Jester
Fuente: Autor
58

Figura 18 Curva de crecimiento. Variedad Berry
Fuente: Autor
Figura 19 Curva de crecimiento. Variedad Cherry Tessino
Fuente: Autor
59

Figura 20 Curva de crecimiento. Variedad Purple Spectro
Fuente: Autor
Figura 21 Curva de crecimiento. Variedad Milka
Fuente: Autor
60

6. PRODUCTIVIDAD
La productividad del miniclavel está directamente relacionada con el estado

fenológico en el cual se lleva a cabo el descabece (Torres; ND). El análisis de
productividad presentado en este documento permite determinar el estado
fenológico ideal para cada variedad a fin de obtener el mayor número de puntos
por tallo, adicionalmente, se presentan los grados día acumulados requeridos
desde el descabece en diferentes estados hasta el corte, brindando información
fundamental para la planeación del cultivo.
6.1 METODOLOGÍA PARA EL ANÁLISIS DE PRODUCTIVIDAD

El análisis de productividad se realizó en tres grandes partes: recolección de datos
en cultivo y poscosecha, análisis de puntos por tallo y por último análisis de los
grados día requeridos desde el descabece hasta el corte.

6.1.1 Recolección de datos. El presente análisis parte de la información
recolectada en campo, tal como se explicó en la sección 5.1.4 de este documento.
Fueron descabezados tallos en los cinco estados de desarrollo fenológico
definidos para las variedades estudiadas. Una vez llegado el momento de corte,
los tallos fueron almacenados en poscosecha, en donde fueron contados los
puntos de cada tallo, entendiéndose por punto aquel botón cuya apertura de
pétalos es mayor o igual a 3 mm.
6.1.2 Análisis de puntos por tallo. Con la información recolectada en

poscosecha fueron realizadas pruebas de bondad de ajuste con el fin de
determinar los puntos promedio por tallo de acuerdo al estado fenológico en el
cual se realiza el descabece. Las figuras 22 a 33 muestran los resultados
obtenidos para cada variedad estudiada.
61

6.1.3
6 Análisis de gra ados día requeridos
r s desde el descabec ce hasta lee corte.
De igual manera,
m fue
eron calcula
ados los grrados día d desde el deescabece hhasta el
corte
c de ac
cuerdo con la ecuació ón (1) preseentada en lla sección 4.2.2 del p
presente
documento
d o. Posteriorrmente fuerron realizad
das prueba as de bonddad de ajusste para
determinar
d los grados
s día promeedio requeriidos para ccada varieda
ad. A contin
nuación
se
s presenten los re esultados obtenidos para cad da una de e las variiedades
estudiadas
e :
Figura 22 Productivida
ad Var. Aprico
ot Lady
Fuente:
F Autorr
Tabla
T 18 Pun ntos por tallo y GDA hasta el corte. Apriccot Lady
Disstribución de probabilidad
p Distribuciión de probab
bilidad para lo
os GDA
Estado o
para los puntoos por tallo descabece e / corte
Betaa(16,56; 5,12271; -3,3249;
Arveja (9 mm)
m Exp(0,000109)
7,74777)
Betta(0,13044; 0,04892; 4,0;
Garbanzo (12 mm) Pearsson5(6,5657; 698,94; 831,35)
6,0)
4 - 15
Estrella (14
Erlang(46; 0,10218)
0 ChiSqr(779)
mm)
7 mm)
Bola (16 - 17 Uniform(3,5229; 6,4771) LoogLogistic(18,908; 657,04))
Ajustado (188 mm) Weibull(5,4979
W 9; 5,2702) Weibull(6,88989E+7; 3,6 6485E+9; -3,66485E+9)
Fuente:
F Autorr
62

Figura
F 23 Prroductividad Var.
V Chateau
Fuente:
F Autorr
Tabla
T 19 Pun ntos por tallo y GDA hasta el corte. Cha
ateau
Distribució
ón de
Distribuciónn de probabilidad para los GDA
Estad
do probabilidad para los
descabece / corte
puntos porr tallo
LogLogistic(5,4292;
Arveja (8 - 10 mm) Erllang(1; 80,681; 974,99)
4,25811)
Garbanzo (11( - 12
Exp(0,580665; 2,0) Peaarson5(63,791 1; 58299,0)
mm))
LogLogisstic(9,6206E+8; 6,0229E+1 10; -
Bola (13 - 15
1 mm) Lo ogistic(0,4545
57; 5,4138)
6,0229E++10)
Estrella (16 - 17 mm) Rayleigh(4,,2725) Beta(0,14065; 0,21476 6; 593,17; 721
1,79)
Ajustado (1 18 mm) Noormal(0,87026; 5,4118) Exp(1,188; 6
609,63)
Fuente:
F Autorr
63

Figura
V Esperia
Fuente:
F Autorr
Tabla
T 20 Pun ntos por tallo y GDA hasta el corte. Espe eria
Distribución
D de
d probabilida ad para los Distribuciión de probab
bilidad
Estaddo
punntos por tallo para los GDDA descabece e / corte
Arveja (9 - 10 mm) GeenExtreme(-0 0,35919; 1,17 794; 3,0744) Pearson5((197,15; 2,11004E+5)
Garbanzo (11( - 12
Dagum(0,043
D 39; 3,7511; 3, 8452; 2,0) Weibulll(16,086; 103
33,9)
mm))
Weibull(5
502,91; 2150
09,0; -
Bola (13 - 15
1 mm) Rice((3,3528; 1,332
2)
20642,0)
Estrella (16 - 17
Cauchy((0,73515; 3,1 835) Uniform
m(579,21; 879
9,45)
mm))
Frechet(9,16
612E+5; 7,95
583E+5; -
Ajustado (1
18 mm) Weibulll(6,8711; 551,88)
7,9583E+5)
7
Fuente:
F Autorr
64

Figura
V Nirvana
Fuente:
F Autorr
Tabla
T 21 Pun ntos por tallo y GDA hasta el corte. Nirva ana
Distribución
D de probabilida d para Disstribución de probabilidad para los
Estad
do
los pun
ntos por tallo GDA desscabece / cortte
Arveja (8 - 10 mm) LogGamma((39,078; 0,04 4064) Weibull(6
6,854; 1173,1)
Garbanzo (11( - 12
Gamma(25,731; 0,1595 54) Exp(0,01
1099; 898,41))
mm))
Bola (13 - 15
1 mm) Weibull(44,3082; 4,7133 3) Pearson5(778,418; 63258 8,0)
Estrella (16 -17 mm) Pearson5((8,1016; 30,92 24) Be 588; 481,01; 914,92)
eta(1,3798; 2,5
Beta(53,662; 129,99; -3,4 4532; L
LogPearson3 3(3,3818; -0,05037;
Ajustado (118 mm)
25,235)
2 6,5577)
Fuente:
F Autorr
65

Figura
V Danny
Fuente:
F Autorr
Tabla
T 22 Pun ntos por tallo y GDA hasta el corte. Dan ny
ción de prob
Distribuc babilidad Distribucióón de probab bilidad
Estaado
para lo
os puntos po or tallo para los GDDA descabec ce / corte
Arveja (8 - 10 mm) Beta(0,742
269; 1,4854; 4
4,0; 8,8002) Exp(00,00495; 853,9)
Garbanzo (1 11 - 12 mm) ChiSqr(5) Exxp(0,00111)
Bola (13 - 15 mm) Logistic(0,72358; 5
5,1277) Erlan
ng(92; 9,08411)
Estrella (16
6 - 17 mm) Erla
ang(20; 0,248
891) Exp(0,,00536; 547,3
34)
Ajustado (18 mm) Gamm ma(19,535; 0,,2952) Exxp(0,00155)
Fuente:
F Autorr
66

Figura
V Edisson
Fuente:
F Autorr
Tabla
T ntos por tallo y GDA hasta el corte. Edissson
23 Pun
Distribución de
Distribución
D de
e probabilidad d
Estado probabbilidad para lo
os
para los punntos por tallo
GDA deescabece / co orte
Arvveja (8 - 10 mm)
m Erlang(16;; 0,27329) ChhiSqr(1023)
Garba
anzo (11 - 122 mm) Inv
vGaussian(94 4,214; 5,3571
1) Exp(0,16576; 920,5 56)
Bo
ola (14 - 15 mm) Lo
ogLogistic(5,7
7688; 5,62144) C
Constante
LogLo
ogistic(10,233 3;
Estre
ella (16 - 17 mm) Lo
ogGamma(27 ,071; 0,05924
4)
585,42)
Aju
ustado (18 mm)
m Lo
ogGamma(39 ,076; 0,04141
1) Exxp(0,00195)
Fuente:
F Autorr
67

Figura
V Ibis
Fuente:
F Autorr
Tabla
T 24 Pun
ntos por tallo y GDA hasta el corte. Ibis
Disstribución de
Distribución
D d
de probabilida ad
Estado proba
abilidad para los
para los punntos por tallo
GDA descabece / co orte
Arv
veja (8 - 10 mm)
m Erlang(8
8; 0,642) Expp(8,8341E-4)
LogLogistic(12,365;
Garba
anzo (11 - 12
2 mm) Weibull(3,4
4291; 6,389)
952,92)
Beta(1,3542;; 0,87528; 1,6
6;
Bo
ola (13 - 15 mm)
m Weibulll(7,8455; 822,65)
11
1,0)
Estrella (16 mm
m) Rayleighh(5,5187) Logistic(77,06; 708,,44)
Ajuustado (18 mm) N
N/A N/A
Fuente:
F Autorr
68

Figura
V Jester
Fuente:
F Autorr
Tabla
T 25 Pun ntos por tallo y GDA hasta el corte. Jestter
Disttribución de probabilidad
p p
para Distrribución de prrobabilidad pa
ara los
Estadoo
los puntoss por tallo GDA desca abece / corte
Arveja (9 - 10 mm) Pearson5(16,
P ,049; 70,891)) Weibull(13,895; 924,65)
Garbanzo (1 11 - 12 Log gPearson3(5,2927; -0,117 15; LogLo ogistic(1,62688E+8; 4,08322E+9; -
mm) 582)
1,85 4,083
32E+9)
Pearson6(22,5 546; 7,2442E+ +8;
Bola (13 - 15 mm) Gamma(19,0
065; 0,26012)
2,19188E+10)
6 -17
Estrella (16
ognormal(0,2
Lo 24757; 1,5212
2) Exp(0,007
756; 459,26)
mm)
Ajustado (18 mm) Erlang(30;; 0,16654) GenPareto(0,498
826; 22,179; 3
380,0)
Fuente:
F Autorr
69

Figura
V Berry
Fuente:
F Autorr
Tabla
T 26 Pun
ntos por tallo y GDA hasta el corte. Berrry
Distribución de probaabilidad
ución de prob
Distribu babilidad para
a
Es
stado para los GDA desca abece /
los puntos po
or tallo
corte
Arveja (9
( - 10 mm) Dagum
m(0,27517; 199,32; 6,2814)) Exp((0,01045; 9133,48)
Garbanzo (11 - 12 mm)) Weibull(5,2836 ; 4,8515) Weibu ull(17,657; 10
002,6)
Bola (133 - 15 mm) Reciprocal(4,,0; 6,0) ChiSqr(794)
Beta(0,63
3077; 0,63044 4; 336,84;
Estrella (16 - 17 mm) Weibull(6,2993
W 3; 5,791)
799,76)
Ajustad
do (18 mm) Gum
mbelMin(0,779
97; 6,4501) Uniforrm(269,25; 5333,64)
Fuente:
F Autorr
70

Figura
V Cherry Tessino
T
Fuente:
F Autorr
Tabla
T 27 Pun ntos por tallo y GDA hasta el corte. Che erry Tessino
ción de proba
Distribuc abilidad Disstribución de probabilidad para los
Estado
para lo
os puntos porr tallo GDA desscabece / corrte
GenPare eto(-0,3913; 2 2,1202; Beta(0,35965 5; 0,14871; 8553,41;
Arveja (8 - 9 mm)
3,865) 1
1108,0)
Beta(2,10288; 1,1374; 6644,44;
Garbanzo o (12 mm) Weibu ull(5,9599; 6,3
3223)
9
918,56)
Bola (14 mm) LogLogistic(6,4372; 5 5,2509) Expp(0,00142)
Estrella (1
16 - 17 mm) ChhiSqr(3; 2,8977) Erlangg(50; 11,842)
Beta(0,553061; 0,3265 53; 4,0;
Ajustadoo (18 mm) Weibull(2
28,154; 514,2
27)
7,0)
Fuente:
F Autorr
71

Figura
V Purple Spectro
S
Fuente:
F Autorr
Tabla
T 28 Punntos por tallo y GDA hasta el corte. Purpple Spectro
Distribución de
d probabilida ad para los Distribución de probabiliddad para
Estado
puntos por tallo
o los GDA descabece / corte
Arveja (8 - 10 mm) LogGamm ma(39,078; 0,,04064) Exp(0,,00669; 1048,3)
Beta(1,542 23; 3,6686; 920,56;
Garbanzo (11
1 - 12 mm) Gamma
a(25,731; 0,15
5954)
1347,9)
Bola (13 - 15 mm) Weibulll(4,3082; 4,7 133) Erlang(4 4; 39,198; 733
3,21)
Estrella (16
6 -17 mm) Pearsonn5(8,1016; 300,924) Logisticc(34,938; 827,61)
Beta(53,6
662; 129,99; - 3,4532;
Ajustado (18
( mm) Weibull(9,7108; 709,,07)
25,235)
Fuente:
F Autorr
72

Figura
V Milka
Fuente:
F Autorr
Tabla
T 29 Punntos por tallo y GDA hasta el corte. Milkaa
Distriibución de
Distribu
ución de proba
abilidad para los GDA
Estaado probabillidad para loss
descabeece / corte
punto
os por tallo
Gamma(0 0,5717; 1,148 82;
Arveja (9 mm) Exp(0,006
611; 896,73)
2,0)
Garbanzo o (12 mm) Weibull(3,0929; 4,2187 7) Weibull(16,211; 998,84)
Bola (13 - 15 mm) Weibull(4,9433; 3,7028 8) Weibull(8,3884; 826,38)
Estrella (16 -17 mm) Weibull(3,2759; 3,4296 6) Logistic(51,051; 672,46)
Ajustado (18 mm) Rayleiigh(2,8591) Weibull(8,4219; 643,72)
Fuente:
F Autorr
73

7. MODELO DINÁMICO
7.1 ANÁLISIS DEL SISTEMA
La figura 34 muestra el proceso típico de comercialización en las empresas

floricultoras. El proceso es originado por las necesidades del mercado, las cuales
son información de entrada para la empresa a través del departamento comercial,
el cual confirma o modifica los pedidos de los clientes de acuerdo con los
pronósticos de producción y los inventarios.
Desafortunadamente el impacto de las variables no controlables tales como los

factores climáticos hacen que existan discrepancias entre los pronósticos de
producción y la producción real, por lo cual, las empresas se ven obligadas a
emprender estrategias a fin de cumplir los compromisos adquiridos con los
clientes, ocasionando, en algunas casos, aumento en los costos y disminución de
la calidad.
Figura 34 Descripción del sistema
Fuente: Autor
74

Como herramienta para mitigar esta situación, el presente estudio brinda
herramientas de planeación y control de la producción. Como herramienta para la
planeación se construyó un modelo de simulación que indica la fecha de corte de
acuerdo a la fecha de siembra, a los grados día acumulados y al estado en el que
se realiza el descabece. Por otro lado, como herramienta para el control se
determinaron parámetros que permiten identificar atrasos o adelantos en el ciclo
productivo del cultivo, de forma que exista una mayor precisión en las fechas de
corte.
Por lo anterior, las variables controlables contempladas son: camas sembradas,

fecha de siembra y estado en el cual se lleva a cabo el descabece. Por otro lado la
variable No controlable contemplada es los grados día acumulados.
Dichos grados día acumulados ocasionan demoras estructurales en el sistema,

debidas a la necesidad de acumular determinada cantidad de grados día para que
los tallos pasen de un estado fenológico a otro. Entre cada cambio de estado, es
necesario acumular los tallos en el sistema, por lo cual se hace necesario el uso
de niveles para la simulación.
En este contexto, el cambio de estado, las demoras estructurales y la presencia de

niveles permiten abordar el sistema desde la perspectiva de la dinámica de
sistemas. La figura 35 muestra el diagrama causal del sistema.
Figura 35 Diagrama causal
Fuente: Autor
75

7.2 METODOLOGÍA PARA LA CONSTRUCCIÓN DEL MODELO DINÁMICO

El modelo dinámico fue construido a través de las siguientes etapas:

7.2.1 Representación Forrester para la simulación. El modelo dinámico
construido en el presente trabajo relaciona los grados día acumulados y el
crecimiento del miniclavel, representado en el cambio de los tallos a través de los
diferentes estados de desarrollo fenológico establecidos desde la siembra hasta
su corte. A continuación se explican los pasos seguidos para la construcción del
modelo:
7.2.1.1 Generación de grados día y grados día acumulados. La generación de

los grados día se realizó con base en los datos registrados por los dataloggers
instalados en los bloques del cultivo. Aplicando la ecuación (1) presentada en este
documento fueron calculados diariamente los grados día, los cuales se usaron
para realizar una simulación de Montecarlo para cada mes.
La figura 37 muestra la representación Forrester para la generación de grados día

durante el mes de enero.
Figura 36 Representación Forrester para la generación de grados día durante el mes de enero
Semilla E
Dis. Enero Aleatorio E
<Time>
FDGD ENERO
GDENERO
Fuente: Autor
76

Para la simulación de Montecarlo fueron usadas tres variables auxiliares, “Dis.
Enero”, “Aleatorio E” y “FDGD Enero”. La variable “Dis. Enero” contiene la
tabla de frecuencias relativas acumuladas necesarias para la simulación. Dicha
tabla se muestra en la tabla 30:
Tabla 30 Frecuencias relativas acumuladas para la generación de GD. Enero

Desde Hasta
0 0.16129032
0.16129032 0.74193548
0.74193548 0.87096774
0.87096774 1
Fuente: Autor a partir de grados día presentados
La variable “Aleatorio E” genera un número aleatorio de acuerdo a la distribución

uniforme entre 0 y 1, cuya semilla está representada por la variable auxiliar
“Semilla E”. Por último, la variable “FDGD ENERO” asigna el valor de los grados
día de acuerdo con el número aleatorio generado y con la tabla de frecuencias
relativas acumuladas, tal como lo muestra la tabla 31.
Tabla 31 Distribuciones de probabilidad. Variedad Milka

Desde Hasta GD
0 0.16129032 17
0.16129032 0.74193548 19
0.74193548 0.87096774 21
0.87096774 1 23
Fuente: Autor
Posteriormente, la variable auxiliar “GDENERO” valida el día del año de la

simulación de forma que toma el valor de la variable “FDGD ENERO” solo si la
simulación se encuentra entre el día 1 y 31 del año. Esta misma representación
fue realizada para cada uno de los meses del año.
Una vez generados los grados día para todos los meses se generaron los grados
día acumulados tal como lo muestra la figura 37.
77

Figura 37 Representación Forrester para la generación de grados acumulados
<GDMARZO> <GDABRIL>
<GDMAYO>
<GDFEBRERO>
<GDJUNIO>
<GDENERO>
GDA
<Time> TIGD <DSA>
<GDJULIO>
<GDAGOSTO> <GDDICIEMBRE>
<GDSEPTIEMBRE> <GDNOVIEMBRE>
<GDOCTUBRE>
Fuente: Autor
En esta figura la variable de nivel “GDA” es incrementada por la tasa “TIGD” de

acuerdo con la ecuación (3):
∗ (3)
Donde:
Grados día acumulados

Tasa de incremento de grados día
La tasa “TIGD” suma los grados día generados en las variables auxiliares
explicadas anteriormente según la ecuación (4):
12
TIGD   GDi (4)
i 1
78

Esta sumatoria se realiza desde el momento de la siembra, el cual es un
parámetro que se encuentra representado por la variable auxiliar “DSA”.
7.2.1.2 Generación y cambio entre estados fenológicos. De acuerdo con el

análisis realizado para la construcción de las curvas de crecimiento presentadas
en el capítulo 5 del presente documento, existe una relación entre los grados día
acumulados y el tamaño del botón principal de cada tallo. Para cada una de las
variedades estudiadas se determinaron los grados día necesarios para el inicio del
ciclo productivo, indicado por la diferenciación, así como para el cambio de estado
fenológico. Esta información hace parte de los parámetros de entrada necesarios
para la simulación del cambio de estado.
La figura 40 muestra la representación Forrester para el momento de la

diferenciación.
Figura 38 Representación Forrester para la generación de grados acumulados necesarios para la

diferenciación
Semilla Dif
<Dia de siembra Aleatorio Dif

<Time>
año>
FGDDIF
DIFE
TGDIF
Fuente: Autor
En esta figura las variables auxiliares “Aleatorio Dif”, “Semilla Dif” y

“FDGDDIF” son usadas para generar los grados día necesarios para la
diferenciación. En el caso particular de la variedad Edisson, el ciclo productivo
inicia cuando los grados día acumulados alcanzan los 2471,1 grados de acuerdo
con la distribución de probabilidad triangular mostrada en la figura 39.
79

Figura 39 Distribución de probabilidad para la diferenciación. Var Edisson
Fuente: Autor
Con base en el generador de variables aleatorias de dicha distribución, la variable

“FDGDDIF” indica los grados día tomados por el modelo para la diferenciación.
Por otro lado, la figura 38 muestra la representación Forrester para el cambio de
estado, el cual está representado por una variable de nivel cuya tasa de entrada y
salida indica el cambio.
Figura 40 Representación Forrester para el cambio de estado
<DIFE> GDA1 <GDA>
Estado 1
TEE1
Fuente: Autor
Teniendo en cuenta que la variable de nivel “GAD” que representa los grados día
acumulados puede presentar valores superiores o inferiores al parámetro de
cambio de estado (“DIFE” + “GDA1”) , se hace necesario identificar el momento
en el que los grados día sobrepasan dicho parámetro, esto se logra con la tasa
“TEE1”, la cual incrementa en una unidad a la variable de nivel “Estado 1”
siempre y cuando los grados día sean inferiores al parámetro evaluado, de forma
80

que cuando la tasa toma un valor de cero se presenta un cambio de estado. Esta
representación fue construida para todos los demás cambios de estado.
Una vez construida la representación para el cambio de estado se construyeron

las variables de nivel para cada uno de los tamaños posibles, es decir, desde 8
mm hasta 18 mm. La figura 41 muestra la representación Forrester para el tamaño
8 mm
Figura 41 Representación Forrester para el tamaño 8 mm
<CES2> P8,11 E2
<8 mm> <8 mm> <CES3>
<Tallos
<TEE1> Po8 TS8,9 TS8,10 TS8,11 <8 mm>
sembrados>
P8,9 E2 <CES2>
P8,10 E2 P8,11 E3
TC8 8 mm
P8,12 E2 <CES3> P8,13 E2 <CES3>
TS8,12 TS8,13 <8 mm>

<8 mm>
<CES2>
P8,13 E3 <CES2>
P8,12 E3
Fuente: Autor
En esta representación la tasa “TC8” indica el incremento de los tallos.

Inicialmente fueron almacenados datos de tallos pertenecientes al estado arveja,
es decir, tallos cuyo diámetro se encontraba entre los 8 y 10 mm, por ejemplo,
para la variedad Edisson este estado se presentó a los 2827,74 grados día
después de la siembra.
Según las pruebas de bondad de ajuste realizadas para estos grados día, el
diámetro sigue una distribución GenGamma con parámetros 1,0109 ,
195,44 0,0492, de acuerdo a esta función de distribución de probabilidad, el
18,3% de los tallos presentaban un diámetro igual a 8 mm, el 56,306% igual a 9
mm y el 25,394% igual a 10mm. Estas probabilidades iniciales fueron usadas para
81

ubicar los tallos sembrados en un nivel de tamaño particular. En este caso, la tasa
“TC8” ingresa el 18,3% de los “Tallos sembrados” al nivel “8 mm”. Tanto la
probabilidad inicial como los tallos sembrados son representados por variables
auxiliares en el modelo.
Los tallos ingresados al nivel “8 mm” deben permanece en el mismo hasta que
los grados día acumulados alcancen el valor necesario para cambiar de estado.
Una vez se produce el cambio, los tallos deben cambiar de nivel, en este caso
hacia los niveles “9 mm”, “10 mm” y “11 mm”, este cambio de nivel se produce
con las tasas de salida “T8,9” , “T8,10” y “T8,11”, las cuales disminuyen el nivel
de acuerdo con las probabilidades de transición de un tamaño a otro. Cada una de
las probabilidades de transición fue calculada a partir de las probabilidades
marginales, las cuales se obtuvieron con base en las funciones de distribución de
probabilidad encontradas al llevar a cabo las pruebas de bondad de ajuste.
Posteriormente, las tasas de salida del nivel “8 mm” incrementaron los niveles
correspondientes, tal como lo muestra la figura 42. Esta misma representación fue
usada para todos los posibles cambios de estado.
Figura 42 Representación Forrester para el cambio de los tallos del tamaño 8 mm a 9 mm
Fuente: Autor
82

7.2.1.3 Descabece y corte. Teniendo en cuenta que el descabece se realiza en
diferentes estados de desarrollo de acuerdo con la variedad estudiada, se hace
necesario que el modelo de simulación permita elegir el estado de descabece y
tenga el cuenta los grados día requeridos hasta el corte. La figura 43 muestra la
representación forrester para dicha situación.
Figura 43 Representación Forrester para el descabece y el corte

<GDA>
GDCARV <AGD8>
<PD8> <CES2> P8,11 E2
<8 mm> <CES3>
<PD8> AGD8C
<8 mm>
TEAGD8C TSAGD8C
TS8,9 TS8,10 TS8,11 <8 mm>
<CES2>
P8,9 E2 P8,10 E2 P8,11 E3 PD8
<PD8> <MDE1>
8 mm TD8
TED8 TCARV8
P8,12 E2 <CES3> P8,13 E2 <CES3>

<PD8> <PD8>
TS8,12 TS8,13 <8 mm>
<8 mm> AGD8
TEGD8
<CES2>
P8,13 E3 <CES2>
P8,12 E3
<GDA>
Fuente: Autor
Adicionalmente a las tasas de salida desde cada estado de desarrollo hasta el

siguiente, se constuyó una tasa de salida hacia un nivel de espera, en este caso el
nivel “TD8”, este nivel representa los tallos que son descabezados en el tamaño
8 mm y que continuan su crecimeinto hasta el corte.
Este nivel es alimentado por la tasa “TED8”, de acuerdo con el porcentaje de

tallos descabezados “PD8” .Los tallos permanecen en el nivel hasta completar los
grados día requeridos para su corte, momento en el cual salen del sistema a
través de la tasa “TCARV8”. Los parámetros requeridos para esta etapa del
modelo fueron calculados en el capítulo 6 del presente documento, en este caso,
la variable auxiliar “GDCARV” representa los grados día necesarios hasta el
corte, cuando el descabece se realiza en el estado arveja, es decir, cuando el
botón tiene un diámetro entre 8 y 10 mm.
83

Por último, con el objetivo de reparametrizar el modelo para las variedades
estudiadas, las probabilidades de transición, las fechas de siembra y los grados
día requeridos para los cambios de estado y para el corte, fueron ingresadas
como parámetros, representados por variables auxiliares. Ver Anexo c.
7.3 VALIDACIÓN DEL MODELO
El modelo de simulación construido fue validado con los datos correspondientes a

la variedad Edisson. El anexo D muestra los resultados de las corridas realizadas.
De acuerdo con los resultados obtenidos el modelo presenta un error promedio de

2.5 días para el cambio de estado y de 4.13 días para el momento del corte.
Con base en lo anterior, aplicando la ecuación (5), fueron encontrados los
intervalos de confianza tanto para el cambio de estado como para el corte.
̅ / , / 5
√ √
Para el caso del cambio de estado, con un 95% de confianza, se presentará un

error promedio entre 1,81 y 3,18 días, mientras que para el momento del corte
este error se encuentra entre 3,44 y 4,81 días.
El error presentado por el modelo es admisible teniendo en cuenta que el

miniclavel puede pasar aproximadamente 4 días en cuarto frío sin que su calidad
se vea afectada.
84

8. ANALISIS DE RESULTADOS
De acuerdo con los resultados obtenidos, la variedad que requiere la menor

cantidad de grados día desde la siembra hasta la diferenciación es Nirvana,
mientras que la variedad que presenta la menor cantidad de grados día es Berry.
En cuanto a los grados día requeridos desde la diferenciación hasta cada estado
se encontró:
 Para el estado arveja, las variedades Spectro, Ibis, Cherry Tessino, Purple
Spectro y Apricot Lady requieren la menor cantidad de grados día, mientras
que Edisson y Nirvana requieren la mayor cantidad.
 Para el estado Garbanzo las variedades Chateua, Esperia, Cherry Tessino,

Berry y Apricot Lady presenta el mayor número de grados día, mientras que
Danny y Spectro presentan la menor cantidad.
 Para el estado Bola, las variedades Nirvana, Berry, Chateau y Apricot Lady
presentan el mayor número de grados día, mientras que las variedades
Milka, Ibis y Edisson presentan la menor cantidad.
 Para el estado Estrella las variedades Ibis, Apricot Lady y Chateau

requieren la mayor cantidad de grados día, mientras que Danny, Spectro y
Edisson requieren la menor cantidad.
 Por último, para el estado ajustado, las variedades Chateau y Nirvana

presentan la mayor cantidad de grados día desde la diferenciación,
mientras que Milka, Spectro y Edisson presentan la menor cantidad.
La figura 44 muestra los grados día promedio requeridos en cada estado

fenológico para cada una de las variedades estudiadas. Como se observa, las
variedades Chateau, Berry y Apricot lady requieren, la mayor cantidad de grados
día, mientras que las variedades Spectro y Danny requieren la menor cantidad.
85

De igual manera se observa que la variedad Nirvana presenta el estado arveja
antes que las demás variedades, sin embargo, su estado ajustado requiere una
cantidad de grados día mayor, lo cual hace que los grados día totales requeridos
sean similares a las demás variedades.
86

Figura 44 Gra
ados día requerid
dos para cada esttado fenológico
Fuente: Autor
87

En cu
uanto al análisis de lo
os grados día
d por esta ado, en el p
presente esstudio fuero
on
construidas curv
vas de creccimiento parra cada varriedad, las cuales se presentan een
la sección 5.3. El uso de d estas curvas
c radiica en la posibilidadd de realizzar
seguimiento al crecimiento
c del botón principal, p
permitiendoo saber en qué posibles
tamañños se en ncontrará en
e botón, a medida que aum mentan los grados d día
acumulados.
Por ejjemplo, la figura

f 45 muestra
m la curva
c de crrecimiento p
para la variedad Apriccot
Lady. Se esperraría que el crecimie ento del bbotón princcipal se coomportara d de
acuerrdo a la curva
c mediia, sin embargo, con n base enn las distriibuciones dde
probaabilidad enccontradas para
p cada nivel de grrados día aacumulados, es posib ble
que ele tamaño se s encuenttre en cualquiera de las demás curvas, assí, cuando el
tallo haya
h recibid
do 496,085
5 grados díía acumulad dos, es posible que ssu tamaño se
encue entre entre 10mm y 111.2 mm, entre 11.2mm m y 11.68 mmm, entre 11.68mm y 12
mm ó entre 12mm y 12.345 5.
aso de que el tamaño observado

En ca o se encuenntre entre 1
11.2 mm y 11.68 mm el
botón se encontrará, para el siguien
nte nivel de
e grados ddía, entre 1
11.267 mm
m y
12.6m
mm.
Figura 45 Curva de
e crecimiento
o. Variedad Ap
pricot Lady
e: Autor
Fuente
88

El análisis realizado hasta el momento, presenta el desarrollo normal del tallo, sin
considerar el descabece, sin embargo, para el miniclavel, el descabece es
fundamental ya que se buscar obtener un spray con el mayor número de botones
posibles.
Con base en los resultados obtenidos, se encontró que los grados día necesarios
hasta el corte dependen del estado fenológico en el cual se realice el descabece.
Entre más avanzado sea el estado en el cual se descabece el tallo, menor será la
cantidad de grados día que requiere hasta el corte.
El estado fenológico de descabece no solo afecta la cantidad de grados día,

también afecta el número promedio de puntos por tallo, por lo cual se seleccionó
para cada variedad aquel estado que presento el mayor número de puntos
promedio por tallo. La figura 46 muestra el estado en el que se debe descabezar
cada variedad, mientras que la figura 47 muestra el número promedio de puntos
por tallo. De acuerdo con la figura 46, el 41,6% de las variedades deben
descabezarse en el estado Bola, mientras que el 16,666% deben ser
descabezadas en los estados arveja y garbanzo respectivamente. Tan solo el
8,4% de las variedades estudiadas deben ser descabezadas en el estado
ajustado.
Figura 46 Estado fenológico para el descabece
Fuente: Autor
89

Figura 47 Productiividad por varriedad
Fuente
e: Autor
Como o se observva, la variedad que prresenta el m

mayor núm mero de pun ntos por ta
allo
es la variedad Ibis,
I la cua
al, al ser descabezad
d da en el esstado bola,, produce e en
prome edio 7,30 puntos por tallo. Por su parte e las varied dades Esp peria y Millka
preseentaron el menor
m prom
medio, el cual fue de 3 ,46 y 3,77 a
al ser desccabezadas e en
el esta
ado bola y garbanzo respectivam
r mente.
Con base
b en los
s resultado os anteriorm
mente pressentados, la
a figura 48
8 muestra los
grado
os día que requiere ca ada variedaad hasta la
a diferencia
ación y hassta su estad
do
fenoló
ógico ideal de descab bece, así como
c los g
grados día que requie ere desde el
descaabece hastaa el corte.
Esta grafica cob bra importa

ancia al mo omento de la planeacción de las siembras ya
que indica, en promedio, el númerro total de e grados ddía que ca ada varieda ad
requie
ere, contem mplando su u etapa ve egetativa y productivva. En ella
a se puede en
identifficar ciclos cortos perttenecientes
s a las varie
edades Nirrvana, Jester, Edisson
ny
Danny y, ciclos inntermedios pertenecie entes a las variedade
es Cherry T Tessino, Ibbis,
90

Chateeau y Milkka, y cicloss largos correspondi
c entes a la
as variedad
des Esperria,
Aprico
ot Lady, Pu
urple Spectrro y Berry.
Figura 48 Grados día totales ac

cumulados po
or variedad
e: Autor
Fuente
Toda la informacción analizada fue ing

gresada al modelo dee simulación construid
do,
el cua
al permite determinar
d el momentto del corte
e con base en la fecha
a de siembbra
planeada.
Como o se menc cionó en la

a sección 7.3 el mo odelo fue vvalidado coon los dattos
corresspondientess a la va
ariedad Edisson. Loss parámetrros del mo odelo fueroon
modifficados parra determin
nar la fech
ha de siem mbra ideal para obten ner los tallos
durannte la prime
era semana
a de febrero
o, es decir, para San Valentín. EEn este casso,
la fec
cha ideal de
e siembra fue
f el 5 de e julio, de fo
forma que aal simular e
el modelo, el
91

corte se presentó entre el 1 y el 9 de Febrero. La figura 49 muestra los tallos
descabezados en espera del corte, así como el corte de los mismos.
Figura 49 Descabece y corte de tallos
Fuente: Autor
En esta figura se presenta el descabece de los tallos a los 360 días calendario de
la simulación, a partir de este momento, y hasta el día 405 los tallos son
acumulados en un nivel en espera del corte.
Los resultados obtenidos del modelo de simulación permiten la planeación de las

actividades tanto en cultivo como en poscosecha. En cultivo permiten determinar
la fecha de siembra, así como la necesidad de emprender acciones para que el
desarrollo de la planta evolucione de acuerdo a lo esperado, dichas acciones
pueden ser la aplicación de agroquímicos o el uso de ventiladores entre otras.
De igual manera, brinda información para determinar la cantidad de personal

necesario para realizar el corte y la cantidad de personal y equipo necesario para
transportar la flor desde el cultivo hasta la poscosecha.
92

En poscosecha brinda información para la planeación de los inventarios, tanto de
producto en proceso como de producto terminado, de igual manera, junto con la
eficiencia de la sala, permite determinar el personal necesario para el
procesamiento de la flor, así como los insumos requeridos para el mismo.
En cuanto al nivel de servicio, al permitir una mejor planeación, aumenta el

cumplimiento de pedidos, entregando la flor en el momento pactado con el cliente.
93

9. CONCLUSIONES
La relación entre los grados día acumulados y el tamaño del diámetro del botón
principal del miniclavel varía de acuerdo con la variedad estudiada y con la
cantidad de grados día acumulados. En general, para todas las variedades fueron
encontradas funciones de distribución de probabilidad continuas que se ajustan al
comportamiento observado en campo. De acuerdo con las pruebas de bondad de
ajuste realizadas, las distribuciones que mejor representan el comportamiento
observado son las distribuciones Beta, Chi cuadrado, Erlang, LogLogistic,
Uniforme y Weibull.
En cuanto a la productividad, se encontró que el estado fenológico en el cual se

lleva a cabo el descabece del miniclavel afecta la cantidad de puntos promedio
obtenidos por tallo. Para el 41,6% de las variedades estudiadas el estado ideal
para el descabece es bola; es decir, cuando el diámetro del botón principal se
encuentra entre 13 mm y 15mm. Para las demás variedades estudiadas, los
estados que presentaron la mejor productividad fueron, arveja, garbanzo y estrella,
con un 16,6% de las variedades cada uno y ajustado con un 8,4%.
Existe una relación inversa entre el tamaño en el cual se lleva a cabo el

descabece y la cantidad de grados día requeridos desde el descabece hasta el
corte, es decir, entre más avanzado sea el estado fenológico, menos grados día
serán necesarios para el corte y viceversa.
La relación entre el crecimiento del miniclavel, los grados día requeridos en cada
estado fenológico y el efecto del descabece en el corte, puede ser abordada a
través de la dinámica de sistemas, la cual permite establecer las fechas
adecuadas de siembra con base en los grados día y la fecha de corte proyectada.
El presente trabajo brinda herramientas para la planeación y el control de la
producción de miniclavel en la Sabana de Bogotá, los parámetros encontrados en
relación con los grados día y el descabece, junto con el modelo de simulación
construido son herramientas para la planeación de la producción.
94

Las curvas de crecimiento construidas para las variedades estudiadas constituyen
una herramienta para el control de la producción ya que permiten determinar si el
crecimiento de los tallos está acorde con el plan de producción fijado, dando
alertas para tomar decisiones que permitan tener los tallos en el momento
deseado.
De igual manera, al parametrizar el modelo para las demás variedades

estudiadas, es posible estimar la cantidad total de tallos a procesar en cultivo y
poscosecha. Esta información es valiosa en cultivo para la planeación del personal
que lleva a cabo el corte, para determinar el equipo necesario para el transporte
de la flor hasta poscosecha y para la planeación de los insumos requeridos.
En cuanto a la poscosecha, la información permite la planeación del personal en la

clasificación de tallos, el armado de ramos y el empaque de la flor, de igual
manera, permite la planeación de los inventarios tanto de insumos como de
producto en proceso y producto terminado
Como investigación futura se plantea incluir en el modelo de simulación

parámetros relacionados con la pérdida de flor en cultivo debida a factores
fitosanitarios, el impacto de agroquímicos en los grados día requeridos para cada
estado fenológico y para el corte, así como la relación existente entre el estado
fenológico del descabece y la duración de la flor en cuarto frío.
95

10. BIBLIOGRAFÍA
Acuña S, Barchini G.,(1996). Modelo de simulación para el manejo integrado de

las plagas de ecosistemas agrícolas. Bol. San. Veg. Plagas, 22(1), 761-773.
Ahumada O., Villalobos R. , (2009). A tactical model for planning the production
and distribution of fresh produce. Springer Science+ Business Media.190(1), 339-
358.
Aracil J., (1986). Introducción a la dinámica de sistemas. Alianza Editores, Madrid.
Arévalo, G, Ibarra D., Florez V., (2007). Desbotone en diferentes estadios de

desarrollo del botón floral en clavel estándar (Dianthus caryophyllus L.).
Agronomía colombiana. 22, 73-82.
Banco de la República. Grupo de estudios de crecimiento económico colombiano,

(2001). El crecimiento económico colombiano en el siglo XX. 2001. Investigación
en información económica. N° 20.
Baker, J.T., Pinter, P.J. Jr., Reginato, R.J., Kanemasu, E.T., (1986). Effects of
temperature on leaf appearance in spring and winter wheat cultivars. Agron. J. 78,
605-613.
Berrocal L., Salazar J., (2004) .Diseño de un sistema de gestión ambiental basado
en la norma ISO 14001:96 para los residuos sólidos generados por el proceso de
producción del clavel miniatura en el cultivo “Flores de Funza S.A.C.I.”. Trabajo de
grado. Pontificia Universidad Javeriana, 2004.
Boshell F., (2009). Manual del riesgo climático en la floricultura colombiana. Centro
de innovación de la floricultura colombiana. Bogotá
96

Bussinesscol., (2009). $7 mil millones para impulsar producción de flores en el
país. Recuperado el 15 de noviembre de 2009 de
http://www.businesscol.com/noticias/fullnews.php?id=2962
Caixeta J., Swaay-Neto J., Wagemaker A., (2002). Optimization of the Production
Planning and Trade of Lily Flowers at Jan de Wit Company. INTERFACES 32(1),
35-46.
Castellanos O., Rodríguez S., Ospina S., (2010). Agenda prospectiva de

investigación y desarrollo tecnológico para la cadena productiva de flores y follajes
con énfasis en clavel. Bogotá
Catley, J.L.; Hurley, E.M.; Cameron, E.A.; Hall, A.J., (1999). Towards a model of
decision making of flower growing systems. Proceedings of the 17 th International
Conference of the System Dynamics Society: 5 th Australian & New Zealand
Systems Conference , 20-23 July 1999, Wellington , 12.
CORPOICA, (2009). Un vistazo al mercado de las flores. Recuperado el 13 de

octubre de 2009 de
http://www.corpoica.org.co/SitioWeb/Archivos/Publicaciones/Estrategiasdeinnovaci
ntecnolgicasparaelsectorfloricultor.pdf
Cutforth, H.W., Shaykewich, C.F., (1989). Relationship of development rates of

corn from planting to silking to air and soil temperature and to accumulated thermal
units in a prairie environment. Can. J. Plant Sci. 69, 121-132.
Davidson, H.R., Campbell, C.A., (1983). The effect of temperature, moisture and
nitrogen on the rate of development of spring wheat as measured by degree days.
Can. J. Plant Sci. 63, 833-846.
Dourado D., Teruel D., Nielsen D., Frizzone J., Bacchi O., (1998). Principles of
crop modelling and simulation: II. The implications of the objective in Model
development. Sci. agric., Piracicaba, 55, 51-57.
97

Fisher G., ( 2007). Efecto de las condiciones climáticas y de nutrición precosecha
sobre la calidad poscosecha. Memorias del curso mejores prácticas de
poscosecha para flores de corte. (28-30 de mayo, 2007). Recuperado el 7 de
agosto de 2009 de www.ceniflores.org.
Forrester J., (1981). Jay Wright, Dinámica Industrial. Editorial El Ateneo, Bogotá.
Gallagher, J.N., (1979). Field studies of cereal leaf growth: I. Initiation and
expansion in relation to temperature and ontogeny. J. Exp. Bot, 30, 625-636.
Giraldo A., Marin D., (2004). La investigación y desarrollo en el sector floricultor:

modelamiento y análisis. Memorias del Segundo encuentro colombiano de
dinámica de sistemas.
Jefferies, R.A., Mackerron, D.K.L., (1987). Thermal time as a non-destructive

method of estimating tuber initiation in potatoes. J. Agric. Sci. 108, 249-252.
Mattson, N.S., Lieth, J.H., (2006). The effect of temperature on year-round

development of rose shoots initiated using cutting or bending. Fourth International
Symposium on Rose Research and Cultivation. September 18-22, 2005. Santa
Barbara, California. Acta Horticulturae. submitted.
Linares H., (2004). Producción de clavel en invernadero. Recuperado el 8 de

septiembre de 2009 de
http://www.sra.gob.mx/internet/informacion_general/programas/fondo_tierras/manu
ales/Prod_CLAVEL_en_Invernadero.pdf
López M., Chaves B., Flórez V, Salazar M., (2010). Modelo de aparición de nudos
en clavel (Dianthus caryophyllus L.) cv. Delphi cultivado en sustratos. Agronomía
Colombiana. 28(1), 47-54.
98

McMaster, G.S., W.W. Wilhelm., (1997). Growing degree-days: one equation, two
interpretations. Agric. For. Meteorol. 87, 291-300
McMaster, G.S., Smika, D.E., (1988). Estimation and evaluation of winter wheat
phenology in the central Great Plains. Agric. For. Meteorol. 43, 1-18.
Mesa C., Palacios F.; (2007) Programación de siembras del miniclavel, utilizando
programación lineal. Departamento De Ingeniería Industrial, Universidad De Los
Andes. Colombia.
Newman S., (1999). Efectos del clima en la fisiología de la floración. Clima,

fisiología y producción de cultivos bajo invernadero, Universidad Jorge Tadeo
Lozano, Centro de Investigaciones y Asesorías Agroindustriales, 27-34.
Pasian, C.C., Lieth J.H., (1994). Prediction of flowering rose shoot development
based on air temperature and thermal units. Scientia Horticulturae. 59, 131-145.
Pérez, Cure, Monroy., (2001). Modelo de predicción y manejo de cultivos de rosas.

Revista de Ingeniería, Universidad de los Andes. 15. 18-22.
Reifsnyder W., (ND). A Half Century of Agricultural Meteorology. Recuperado el 10

de mayo de 2011de http://bill.reifsnyder.net/half_century.html
Rodríguez, Flórez V., (2006). Comportamiento fenológico de tres variedades de

rosas rojas en función de la acumulación de la temperatura. Agronomía
Colombiana. 24(2). 247-257.
Rojas P., Pérez M., Colinas M., Sahagún J., Avitia E., (2006). Modelos
matemáticos para estimar el crecimiento del fruto de chile manzano (Capsicum
pubescens R y P). Revista Chapingo. Serie horticultura. Universidad Autónoma
Chapingo México. 14(3). 289-294.
99

Smith, J. W., (1920). Agricultural meteorology. The effect of weather on crops. The
Macmillan Company. New York.
Solano A., (2009) Floricultura colombiana: un caso de colaboración exitosa en

protección de cultivos. Recuperado el 27 de octubre de 2009 de
http://www.croplifela.org/pages_html/presentaciones/solano.pdf
Swanson, S.P., Wilhelm, W.W., (1996). Planting date and residue rate effects on
growth, partitioning, and yield of corn. Agron. J.88, 205-210.
Tenjo F., (2006). Comportamiento reciente (2000-2005) del sector floricultor

colombiano. Banco del república. Recuperado el 15 de noviembre de 2009 de
http://www.banrep.gov.co/docum/ftp/borra363.pdf
Torres J.G., (ND). Mantenimiento del cultivo para asegurar un óptimo desarrollo y
producción de las plantas, SENA sede Mosquera.
100

ANEXO A
REGLA PARA LA IDENTIFICACIÓN DE ESTADOS
Figura 50 Regla para la identificación de estados
Fuente: Autor
101

ANEXO B
PRUEBAS DE INDEPENDENCIA
Figura 51 Resultados de prueba de Figura 54 Resultados de prueba de

independencia para grados día 232,5 y independencia para grados día 402 y 407
255,05
Fuente: Resultados tomados de StatFit Fuente: Resultados tomados de StatFit
Figura 52 Resultados de prueba de

independencia para grados día 304 y 325 Figura 55 Resultados de prueba de
independencia para grados día 430 y 444

Figura 53 Resultados de prueba de independencia para grados día 469 y 489
independencia para grados día 373 y 387
102

independencia para grados día 514 independencia para grados día 688 – 702
Fuente: Resultados tomados de StatFit


independencia para grados día 551 – 562
independencia para grados día 712

independencia para grados día 631 independencia para grados día 759 - 781

103

independencia para grados día 802 – 810


independencia para grados día 835 Figura 67 Resultados de prueba de
independencia para grados día promedio 966


independencia para grados día promedio
independencia para grados día 848
1039

104

ANEXO C
INGRESO DE PARÁMETROS AL MODELO
Figura 69 Ingreso de parámetros al modelo
GRADOS DÍA REQUERIDOS GRADOS DÍA REQUERIDOS

DESDE EL DESCABECE HASTA PARA CAMBIO DE ESTADO
EL CORTE
ESTADOS GRADOS
ESTADO DE DIA
DESCABECE GRADOS DÍA
ESTADO 1 <GDA1>
ARVEJA <GDCARV> ESTADO 2 <GDA2>
GARBANZO <GDGARB> ESTADO 3 <GDA3>
BOLA <GDBOLA> ESTADO 4 <GDA4>
ESTRELLA <GDESTRE> ESTADO 5 <GDA5>
<GDAJUS> ESTADO 6
AJUSTADO <GDA6>
PORCENTAJE DE TALLOS
DESCABEZADOS EN CADA ESTADO
ESTADOS % Descabece
8 mm <PD8>
9 mm <PD9>
10 mm <PD10>
11 mm <PD11>
12 mm <PD12>
13 mm <PD13>
14 mm
<PD14>
15 mm <PD15>
16 mm <PD16>
17 mm <PD17>
18 mm <PD18>
Fuente: Autor
105

ANEXO D
RESULTADO DE CORRIDAS DEL MODELO

Tabla 32 Resultado corridas del modelo de simulación

Error promedio en
Error promedio en
Corridas cambio de estado
días de corte (Días)
(Días)
1 4.00 7.00
2 1.67 4.00
3 0.50 0.50
4 4.33 4.00
5 3.00 1.50
6 5.00 4.00
7 3.50 6.00
8 5.00 6.00
9 4.67 4.00
10 1.50 1.50
11 -1.17 3.50
12 3.50 6.00
13 4.00 3.50
14 2.17 3.50
15 0.00 7.00
16 3.50 2.50
17 0.67 3.50
18 2.67 5.00
19 4.00 1.50
20 1.50 3.50
21 1.67 6.00
22 4.00 6.00
23 2.00 4.00
24 2.00 6.00
25 4.83 6.00
26 -2.00 3.50
27 3.50 4.00
28 1.00 6.00
29 -0.67 -0.50
30 4.67 5.00
Promedio 2.5 4.13
Fuente: Autor
106

Grados Dia Miniclavel PDF

Cargado por

Copyright:

Formatos disponibles

Grados Dia Miniclavel PDF

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Grados Dia Miniclavel PDF

Cargado por

Copyright:

Formatos disponibles

ANÁLISIS DEL DESARROLLO DEL MINICLAVEL Y DE SU PRODUCTIVIDAD

CON BASE EN EL MÉTODO DE GRADOS DÍA Y EL DESCABECE EN

LUZ HELENA MANCERA MÉNDEZ

LUZ HELENA MANCERA MÉNDEZ

Trabajo de grado para optar el título de Magíster en Diseño y Gestión de

Chía, febrero 8 de 2012

En primera instancia agradezco a Dios por permitirme llevar a acabo esta

Agradezco de manera especial al Centro de Innovación de la Floricultura

De igual manera, agradezco al profesor Leonardo José González y al Doctor

Quiero extender un sincero agradecimiento al Doctor Manuel Peña, Gerente

Agradezco a todas las personas que trabajan en la facultad de ingeniería de la

Por último agradezco profundamente a mis padres por su apoyo incondicional, a

1. PROBLEMA DE INVESTIGACIÓN ................................................................. 17

2.1 OBJETIVO GENERAL .................................................................................. 19

2.2 OBJETIVOS ESPECÍFICOS ........................................................................ 19

3.1 JUSTIFICACIÓN ECONÓMICA................................................................... 20

3.2 JUSTIFICACIÓN SOCIAL ........................................................................... 23

3.3 CONTRIBUCIÓN RESPECTO AL CONOCIMIENTO .................................. 23

4. MARCO DE REFERENCIA ............................................................................. 24

4.2 MARCO TEÓRICO ....................................................................................... 27

4.2.1 Producción de miniclavel ........................................................................... 27

4.2.2 Método de Grados día ............................................................................... 31

4.2.3 Dinámica de sistemas ................................................................................ 34

4.4 VARIABLES .................................................................................................. 36

4.6 HIPÓTESIS .................................................................................................. 37

5. CURVAS DE CRECIMIENTO DEL MINICLAVEL A PARTIR DE LOS

GRADOS DÍA ACUMULADOS .............................................................................. 38

5.1 METODOLOGÍA PARA LA CONSTRUCCIÓN DE CURVAS ....................... 38

5.1.1 RECOLECCIÓN DE DATOS ..................................................................... 38

5.1.1.1 Determinación de las variedades a estudiar ........................................... 38

5.1.1.2 Determinación del tamaño de la muestra ............................................... 39

5.1.1.3 Marcación de tallos ................................................................................. 42

5.1.1.4 Recolección de datos ............................................................................. 43

5.1.2 Análisis de información .............................................................................. 45

5.1.2.1 Cálculo de los grados día acumulados ................................................... 45

5.1.2.2 Pruebas de bondad de ajuste ................................................................. 46

5.1.3 Curvas de crecimiento ............................................................................... 54

6.1 METODOLOGÍA PARA EL ANÁLISIS DE PRODUCTIVIDAD ..................... 61

6.1.1 Recolección de datos ................................................................................ 61

6.1.2 Análisis de puntos por tallo ........................................................................ 61

7. MODELO DINÁMICO ...................................................................................... 74

7.2 METODOLOGÍA PARA LA CONSTRUCCIÓN DEL MODELO DINÁMICO . 76

7.2.1 Representación Forrester para la simulación ............................................ 76

7.2.1.1 Generación de grados día y grados día acumulados ............................. 76

7.2.1.2 Generación y cambio entre estados fenológicos .................................... 79

7.2.1.3 Descabece y corte .................................................................................. 83

7.3 VALIDACIÓN DEL MODELO ....................................................................... 84

8. ANALISIS DE RESULTADOS ......................................................................... 85

10. BIBLIOGRAFÍA ............................................................................................ 96

Figura 1 Consumo de flores por país. .................................................................. 20

Figura 2 Exportaciones de flores por país ........................................................... 21

Figura 3 Principales productos de la floricultura exportados por Colombia para el

Figura 4 Proceso productivo del miniclavel .......................................................... 28

Figura 5 Estados de desarrollo fenológico del miniclavel ..................................... 30

Figura 6 Variedades cultivadas participación porcentual ..................................... 39

Figura 7 Marcación de tallos ................................................................................ 42

Figura 8 Metodología para la recolección de datos .............................................. 44

Figura 9 Curva de crecimiento. Variedad Apricot Lady ........................................ 54

Figura 10 Curva de crecimiento. Variedad Chateau ............................................ 55