Entrega 2, Investigacion de Operaciones PDF

FACULTAD DE INGENIERÍA, DISEÑO E
INNOVACIÓN
PROYECTO: Modelo logístico que permita, de la mejor manera posible, solucionar el

problema del abastecimiento de GNV en Bogotá.
Integrantes
Carolina Ramírez Franco (1821023765)
Marco Aurelio Ordoñez Lara (1911022116)
María Camila Romero Cortes (1911022247)
Juan Camilo Morales Gutiérrez (1821021507)
Camilo Yeimane Cuellar Clavijo (100103161)
Derly Carolina Mora Garzón (1811028114)
Docente: Franklin Rolando Aguilar Triana
Materia: Investigación de operaciones
INNOVACIÓN
TABLA DE CONTENIDO
1. MODELO PROPUESTO ............................................................................................................ 3

2. ANÁLISIS ESTADÍSTICO DE LA INFORMACIÓN DE ENTRADA .................................... 4
2.1. Análisis Estadístico A La Demanda de gas ......................................................................... 4
2.2. Análisis Estadístico De La Producción De Gas .................................................................. 5
3. LA FORMULACIÓN DEL PROBLEMA EN FORMA GENERAL, EN UN SOFTWARE DE
PROGRAMACIÓN LINEAL ............................................................................................................. 7
4. RESULTADOS ENCONTRADOS ............................................................................................ 9
5. CONCLUSIONES Y RECOMENDACIONES .......................................................................... 9
6. BIBLIOGRAFÍA ....................................................................................................................... 10
INNOVACIÓN
Empresa
1. MODELO PROPUESTO
El modelo Multilevel lot-sizing problem with production capacities (MLSP-PC) permite
mantener inventarios en diferentes niveles de la cadena. Es usado por ejemplo en empresas
que tiene una planta de producción varios centros de distribución y unos almacenes finales
donde el cliente final obtiene los productos. En nuestro caso particular; la empresa
Transportadora de Gas Internacional TGI S.A ESP, tenemos una red de Z = 4 niveles, el
primer nivel z =1 los campos de producción (Cusiana), z= 2 el gasoducto Cusiana-Apiay,
z=3 el gasoducto Apiay-Bogotá y z=4 el Sistema de Distribución Bogotá (Estaciones de
Servicio de GNV). Se deben tomar decisiones para un periodo de tiempo de T= 10 meses,
desde marzo t=1 hasta diciembre t =10, con una demanda de 𝐝𝒕 y una capacidad de
producción 𝐛𝒕 en cada periodo t. Al final el modelo determinara:
- Cuánto producir en el periodo t (Yt); acá se hace el supuesto de que como los costos
de producción son fijos, el modelo lineal primero deberá determinar si en ese periodo
t se produce o no y luego sí determinar en qué cantidad.
- Cantidad a enviar desde un nivel al siguiente en el periodo t (𝐗 𝐥𝐭 )
- Cantidad de inventario en el nivel l al final del periodo t (𝐈𝐭𝐥 ).
El objetivo del modelo lineal es minimizar el costo total, que incluye costos de producción,
transporte e inventarios. En la imagen 1, se observa la red de nuestro sistema, cada nodo (z,
t) representa cada nivel z en el mes t allí se evidencia cómo será el flujo de gas, y el equilibrio
entre inventario, transporte y producción de gas. Así por ejemplo en el nivel 1 mes 1, (Y1)
producción de gas = (𝐗 𝟏𝟏 ) transporte de gas + (𝐈𝟏𝟏 ) inventario de gas. Lo que entra es igual
a lo que sale. En el Excel se encuentra el diseño del diagrama.
INNOVACIÓN
Imagen 1 representación de la red
2. ANÁLISIS ESTADÍSTICO DE LA INFORMACIÓN DE ENTRADA

2.1. Análisis Estadístico A La Demanda de gas
• Pruebas de independencia
En primer lugar se realizó un análisis de independencia para determinar si la demanda tenía
un comportamiento estocástico o determinística. En la imagen 2. Se observa un diagrama de
dispersión o nube de puntos, realizado en un software estadístico. Allí se observa que los
datos no se comportan aleatoriamente debido a que se agrupan en torno a líneas recta, es
decir no estarán sujetos a distribución de probabilidad, así que tendrá un comportamiento
determinística.
Imagen 2 prueba de nube de puntos para determinar si los datos son independientes.
• Análisis de patrones
Al definir que la demanda es determinística esta puede tener patrones como tendencia de
crecimiento o decrecimiento, o también estacionalidad. La imagen 3, nos muestra que la
demanda de gas natural vehicular tiene un comportamiento estacional, con máxima demanda
siempre en diciembre.
INNOVACIÓN
Imagen 3 comportamiento de la demanda, con estacionalidad.
Por otro lado en la imagen 3 y 4 se observa que año a año también aumenta la demanda, es
decir también tiene una tendencia a crecer. En la imagen 4 se observa más claramente como
creció la demanda mensual entre el 2001 -2015.
Imagen 4 comportamiento de la demanda mes a mes.
Este nos permitirá pronosticar la demanda mensual que será un insumo necesario para el
modelo matemático. Ya que esa demanda será una restricción del sistema para determinar
cuánto producir, cuanto enviar y cuanto guardar en inventario.
2.2. Análisis Estadístico De La Producción De Gas
• Pruebas de independencia
Se realizó un análisis de independencia para determinar si la producción o capacidad tenía
un comportamiento estocástico o determinística. En la imagen 5. Se observa un diagrama de
dispersión o nube de puntos, realizado en un software estadístico. Allí se observa que los
datos no se comportan aleatoriamente debido a que se agrupan en torno a líneas recta, es
decir no estarán sujetos a distribución de probabilidad, así que tendrá un comportamiento
determinística.
INNOVACIÓN
Imagen 5 prueba de nube de puntos para la producción de gas.
• Análisis de patrones
Al definir que la producción es determinística esta puede tener patrones La imagen 6, nos
muestra que la producción de gas natural vehicular tiene un comportamiento estacional, con
un bajón de producción en junio, talvez debido a que el costo fijo de producción en ese mes
es el más alto del año.
Imagen 6 comportamiento de la producción de gas entre 2001-2015
En la imagen 7 se observa claramente como creció la producción mensual de gas entre el

2001 -2015.
INNOVACIÓN
Imagen 7 tendencia creciente de la producción mensual a través de los años.
Ya con este análisis se puede determinar los parámetros de demanda y producción en cada
periodo t, en el siguiente avance se usara una regresión lineal para conocer los valores para
el año 2017 de cada mes, nuestro horizonte de planeación.
3. LA FORMULACIÓN DEL PROBLEMA EN FORMA GENERAL, EN UN

SOFTWARE DE PROGRAMACIÓN LINEAL
En primer lugar se calcularon los pronósticos para la demanda y la producción de GNV
para el año 2017. En la tabla I. Se muestran estos resultados, datos en Giga BTU. En azul
los meses más productivos del año.
Tabla 1 pronósticos para 2017
2017 PRODUCCION DEMANDA
ENERO 719,04 359,53
FEBRERO 720,39 356,72
MARZO 719,97 515,40
ABRIL 720,82 348,58
MAYO 615,60 202,35
JUNIO 309,33 416,87
JULIO 719,38 491,32
AGOSTO 715,76 535,86
SEPTIEMBRE 413,87 818,75
OCTUBRE 918,96 973,34
NOVIEMBRE 919,13 1020,38
DICIEMBRE 921,58 1220,32
Ahora si presentaremos el modelo realizado en sofware gams. Este se plantea de manera
general, para que le sirva al cliente en el horizonte de planeación que desee. Pero se aclara
que los resultados para la tercera entrega se enfocan solo en los 10 meses más productivos
del año.
- Índices
INNOVACIÓN
z Índice que representa el nivel /z1*z4/

t Índice que representa el mes /0*12/
- Parámetros
b(t) = Capacidad de producción 2017 en el mes "t"
d(t) = demanda 2017 en el mes "t"
C_INV(t, z) = Costo mantener inventario en el mes "t" en el nivel "z"
C_PR(t) = Costo de iniciar la producción en el mes "t"
C_TRA(t, z) = Costo transportar en el mes "t" desde el nivel "z" hacia el siguiente nivel
- Variables
X (t, z) = Cantidad a enviar en el mes "t" desde el nivel "z" al siguiente nivel.
I (t, z) = Cantidad de inventario en el mes "t" a mantener en el nivel "z".
P (t) = Si se produce o no en el mes "t", es binaria.
Y (t) = cuanto se produce en el mes "t"
F = Valor de la función objetivo (costo de la gestión)
- Restricciones
➢ Restricciones de producción en el nivel 1 = X(t,"z1")+ I(t,"z1") = Y(t)+I(t-1,"z1")
para todo t.
➢ Restricciones de flujo en el nivel 2 = I(t,"z2")+ X(t,"z2") = X(t,"z1") + I(t-1,"z2")
para todo t
➢ Restricciones de flujo en el nivel 3 = I (t,"z3")+ X(t,"z3") =E= X(t,"z2") + I(t-
1,"z3"), para todo t.
➢ Restricciones de demanda en el último nivel = X(t,"z3")+I(t-1,"z4") = d(t) +
I(t,"z4"), para todo t.
➢ Restricción de la producción en cada periodo = Y(t) ≤ b(t), para todo periodo t.
➢ Todos los inv iniciales serán cero = X("0", z) = 0, para todo nivel z
➢ Binarias = Y(t)-(10000000*P(t)) ≤ 0
- Función objetivo
Minimizar los costos de la gestión = sumar los costos de iniciar un lote de producción
en el periodo t + sumar los costos de inventario de cada nivel para todo periodo t +
sumar los costos de transportar desde cada nivel para todo periodo t =
sum(t, C_PR(t) *P(t)) + sum((t, z),C_INV(t, z)*I(t, z)) + sum((t, z),C_TRA(t, z)*X(t, z))
INNOVACIÓN
4. RESULTADOS ENCONTRADOS
5. CONCLUSIONES Y RECOMENDACIONES
INNOVACIÓN
6. BIBLIOGRAFÍA
• Winston, w. (2005). investigacion de operaciones (Vol. 4). thomson.
• Van Hoesel, S., Romeijn, H. E., Morales, D. R., & Wagelmans, A. M. (2005).
Integrated Lot Sizing in Serial Supply Chains with Production Capacities.
Management Science, 51(11), 1706-1719.

Entrega 2, Investigacion de Operaciones PDF

Cargado por

Copyright:

Formatos disponibles

Entrega 2, Investigacion de Operaciones 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

Entrega 2, Investigacion de Operaciones PDF

Cargado por

Copyright:

Formatos disponibles

FACULTAD DE INGENIERÍA, DISEÑO E

PROYECTO: Modelo logístico que permita, de la mejor manera posible, solucionar el

1. MODELO PROPUESTO ............................................................................................................ 3

Imagen 1 representación de la red

2. ANÁLISIS ESTADÍSTICO DE LA INFORMACIÓN DE ENTRADA

Imagen 3 comportamiento de la demanda, con estacionalidad.

Imagen 4 comportamiento de la demanda mes a mes.

Imagen 5 prueba de nube de puntos para la producción de gas.

Imagen 6 comportamiento de la producción de gas entre 2001-2015

En la imagen 7 se observa claramente como creció la producción mensual de gas entre el

Imagen 7 tendencia creciente de la producción mensual a través de los años.

3. LA FORMULACIÓN DEL PROBLEMA EN FORMA GENERAL, EN UN

z Índice que representa el nivel /z1*z4/

También podría gustarte