APLICACIN DE UN MODELO MATEMTICO DE TRANSPORTE EN

UNA COMPAA FABRICANTE Y DISTRIBUIDORA DE ROPA

INDUSTRIAL, USANDO PROGRAMACIN LINEAL ENTERA
MYRNA LUZ VERGARA
MARTNEZ
Universidad EAN, Bogot Colombia
RESUMEN
El presente trabajo tiene como propsito ofrecer un modelo de transporte
para una compaa fabricante de ropa industrial ubicada en
Barrancabermeja Santander (Colombia), donde se encuentra ubicada la
refinera de petrleo ms grande de Colombia, usando para este fin la
programacin lineal. El proceso general de distribucin se organiza en
niveles que se suceden entre la empresa y sus diferentes clientes. En cada
nivel se pueden ver claramente unidades de origen-destino, entre un
origen y varios destinos, con transporte directo y con variaciones en las
fechas de entrega de los pedidos a transportar. La programacin de la
distribucin se realiza en cada unidad, utilizando programacin lineal
entera, considerando en la formulacin flota limitada e ilimitada de
transportes. La programacin global se obtiene como superposicin de las
programaciones de todas las unidades origen-destino. Para validar el
modelo se utilizaron los datos proporcionados por una empresa del
sector industrial Manufacturero (fbrica de Ropa) que cumple las
caractersticas requeridas.
Palabras claves: modelos de optimizacin, transporte, distribucin de
productos, programacin lineal entera.
APPLICATION OF A MATHEMATICAL MODEL OF TRANSPORT INTO A
COMPANY MANUFACTURER AND DISTRIBUTOR OF CLOTHING, USING
INTEGER LINEAR PROGRAMMING
ABSTRACT
The present study aims to offer a model of transporting for an Industrial
clothes factory, placed in Barrancabermeja Santander (Colombia), Where
is located the biggest petroleum refinery in Colombia, using for this
purpose the linear programming. The global process of distribution is
considered to be divided in successive levels between the company and
their clients. In each level units of origin - destination are variations
between the origin and several destinations, by direct transport and by
roominesss in the delivery dates of the orders to transporting. The
programming of the distribution is realized in every unit, using linear entire
1

programming, considering in the formulation limited and unlimited

shipping. The global programming obtains as overlapping of the
programming of all the units origin - destination. To validate the model
there has been in use the information provided by a company of the
industrial Manufacturing sector (Clothes factory) that fulfills the required
characteristics.
Keywords: optimization modeling, distribution
distribution, integer linear programming

transport,

product

INTRODUCCIN
Para optimizar la asignacin de las tareas a ejecutarse (entrega de
pedidos) a los recursos disponibles (vehculos) se emplea la programacin
de la distribucin, especficamente en el anlisis de la distribucin fsica de
la c omp a a , esto con el objetivo de optimizar el flujo de productos
desde el rea de produccin hasta el usuario final o clientes.
Como punto de partida se toma como referencia a Laporte (1992) quien
aplic la programacin matemtica y sustrajo los principales algoritmos
exactos y heursticos desarrollados en problemas relacionados con
vehculos. Por otra parte, Baita et al (1998) quienes presentaron una
clasificacin de los problemas de rutas, considerando tambin los costos
de almacenamiento. Hal et al (2001) presentaron el estado del arte de las
herramientas existentes y de los paquetes de programas disponibles para
el estudio global de la cadena logstica, y apuntan sus limitaciones. En
esta misma lnea de investigacin, se pueden encontrar los trabajos de
Jayramman y Pirkul (2001).
Se puede observar que las limitaciones de los estudios globales se hacen
ms evidentes en el caso de empresas que debido a su estructura hacen
que sea necesaria una programacin en un horizonte a corto plazo, y que
pueden variar considerablemente de otras programaciones anteriores y
futuras.
Actualmente la mayor parte de los estudios realizados en el mbito de la
distribucin fsica de una empresa se concentran en el diseo de la
estructura general de la distribucin, extendindose en muchos casos a
otros procesos logsticos de la empresa.
En este trabajo se presenta la optimizacin de la distribucin, mediante
programacin matemtica para empresas que precisen una programacin
a corto plazo y que posean las siguientes caractersticas:
1 Flota de vehculos disponibles conocida.
2 Distribucin basada en transporte directo origen-destino.
3 Distribucin entre un origen y diferentes destinos.

4 Disponibilidad de un listado de pedidos a entregar en un cierto

horizonte de tiempo, con fechas de entrega mnima y mxima
(Variaciones en las fechas de entrega).
Esta caracterizacin tiene presente algunos aspectos no contemplados
generalmente en la programacin de la distribucin, como son las
variaciones en las fechas de entrega de los pedidos. Se debe tener
presente este margen que existe, sobretodo en el transporte entre
bodegas, ya que puede reducir significativamente los costos de
transporte, permitiendo de paso realizar menos despachos con los
transportes aprovechando al mximo su capacidad de carga.
Teniendo presente lo anterior, se ha empleado una analoga entre la
programacin de la distribucin y la programacin y la secuenciacin de
prendas a los diferentes vehculos. La analoga se establece entre los
vehculos y las mquinas, y entre viajes y prendas. Con ello se han aplicado
los procedimientos de sanciones de tiempo de retraso en las entregas
empleados en la programacin y secuenciacin de prendas a los
vehculos, tomando como referencia a Backer y Scudder (1990), y
aplicando la programacin lineal entera. (Verma y Dessouky, 1998)
El proceso general de distribucin se encuentra dividido en sucesivos
niveles entre la empresa de referencia y sus distintos clientes; por ejemplo,
entre sus puntos de fbrica o bodegas y las empresas compradoras, entre
l a s bodegas o puntos de fbrica y grandes clientes finales como Ecopetrol
en sus distintas ubicaciones dentro de la zona urbana y rural. En cada
nivel se distinguen unidades origen-destinos (UOD), constituidas por un
centro origen que transporta productos a distintos destinos, siempre con
transporte directo.
La programacin de la distribucin para cada UOD se hace
independientemente y por separado, y la programacin de todo el proceso
de distribucin considera la unin de las programaciones de las UOD.
Con el modelo presentado se busca minimizar el nmero de viajes que se
deban realizar. En relacin con la flota de vehculos disponibles, se
estudian dos posibilidades distintas: flota limitada, que restringe en
nmero de Vehculos que se pueden utilizar en una misma unidad de
tiempo, y flota ilimitada. Si la flota es limitada, se hace necesario
programar la distribucin a todos los destinos al mismo tiempo; pero si es
ilimitada, la programacin global puede simplificarse en sub-problemas
que programen independientemente la distribucin a cada destino
(Azizoglu y Webster 2001).
A partir de los datos obtenidos de la empresa del sector Textil fabricante
de dotaciones industriales se procede con la evaluacin del modelo de
programacin de la distribucin, en la que las variaciones en las fechas de
entrega es un factor importante, que se adapta a la caracterizacin
definida.
3

METODOLOGA Y HERRAMIENTAS EMPLEADAS

Como herramienta principal de apoyo se emplea el paquete

computacional LINDO for Windows que ejecuta el programa Linear and
Integer Programming en un Computador porttil Lenovo Z40 con
procesador Intel Core I5 4200 a 1.60 GHz y 2.30 GHz y con 6Gb de RAM.
La experimentacin se basa en mltiples grupos de ejemplares generados
de forma aleatoria a partir de los datos proporcionados por la empresa en
referencia.

Como ya se haba mencionado, la empresa referencia para la toma de

datos de este trabajo, se dedica a la fabricacin y distribucin de ropa
Industrial especialmente dentro de la regin del magdalena medio y gran
parte del territorio Colombiano, en ciertas regiones de los llanos orientales,
putumayo y costa atlntica en donde el sector petrolero viene ganado
terreno, Sin embargo, en el presente trabajo se acota el alcance del anlisis
para incrementar los esfuerzos del estudio en detalles ms especficos (se
enfoca en una sola ciudad especficamente en BarrancabermejaSantander). Los clientes se sitan en cuatro comunas distintas (urbanas y
Rurales), y las caractersticas de la ciudad de hacen que se encuentren
concentrados en zonas relativamente pequeas.
La empresa despacha pedidos a sus clientes principales, una vez al mes. La
distancia entre los clientes de una zona, en comparacin con la distancia a
las bodegas o centros de despacho y la frecuencia de entregas, brinda la
posibilidad de considerar el transporte como directo origen-destino, tal
como se plantea en el modelo, es importante tambin considerar que los
tiempos en las entregas pueden ser variables, toda vez que los clientes
brindan un margen de una semana en la fecha de entrega, bien sea antes
o despus de la fecha de entrega solicitada. En trminos g e n e r a l e s , el
tamao de los distintos pedidos de los diferentes clientes representa una
4

tercera parte de la capacidad de carga de los transportes. A cada uno de

los clientes se enva mensualmente entre uno y tres transportes.
Para resolver la programacin de la distribucin y el modelado
matemtico, se utiliza un procedimiento exacto: la programacin lineal
entera (PLE). En Ferrer et al. (2000) en el que se propone un algoritmo
heurstico del tipo lanzamiento (dispatching), para aplicarse en los casos
en los que la PLE no sea adecuada teniendo en cuenta el tamao del
ejemplar que se pretenda estudiar.
La programacin de la distribucin como un problema de asignacin de
recursos a tareas y programacin de la secuencia de ejecucin, se
plantea mediante la aplicacin del algoritmo de lanzamiento, c o n e l
c u a l se van seleccionando continuamente recursos (transportes) y las
tareas (pedidos) a ejecutar con el recurso seleccionado, hasta programar
las tareas pendientes. Las selecciones se basan en criterios por
determinar, que pretenden disminuir los costos intentando cargar los
transportes al mximo y disminuir el nmero de viajes por hacer.
Los parmetros caractersticos para este modelo PLE son los
siguientes:
SA: Cantidad de unidades de tiempo del horizonte de
programacin.
SH: Vehculos disponibles.
CH: Capacidad de carga del transporte
ND: Destinos.
Zd: Costos de viaje hacia el destino d.
N: Cantidad de pedidos.
FNi: Fecha mnima de entrega del pedido i.
FXi: Fecha mxima de entrega del pedido i.
Ki: Carga del pedido i.
Di: Destino del pedido i
Para representar la carga de los t r a n s p o r t e s se incorpora un
parmetro que permite representar la restriccin de capacidad de carga
con una variable unidimensional; por ejemplo, el peso, el volumen o el
nmero de prendas que caben dentro del vehculo.
A continuacin se expone la formulacin del modelo para los casos donde
la flota es limitada que, como se ha explicado, condiciona la programacin
de la distribucin a todos los clientes conjuntamente; y por otra parte la
flota ilimitada, que considera independientemente la distribucin a cada
cliente.
Flota limitada
Las variables binarias que utilizadas en PLE son las siguientes:
5

Givt: El pedido i es entregado (o no) con el vehculo v en la unidad de tiempo t.

Vvdt: El vehculo v llega (o no) al destino d en la unidad de tiempo t.

SH

[min]Z =

SA

(V
v-1

fx

ND

d-1

vdt

xZd)

t-1

SH

G ivt =1,1iN,.. <1>

t-FN v-1

G ivt Vvt,1iN,1vSH,FNitFXi,..d=Di <2>

ND

Vvdt 1,.1vSH,1tSA..<3>

d=1

CH

(K

xGivt ) 1vSH,1tSA,.. <4>

t-1

La restriccin <1> garantiza que cada pedido se tomar un solo da con

un solo vehculo entre las fechas de entrega mnima y mxima. La <2>
verifica que cada pedido sea despachado con un vehculo que va al
cliente, destino correcto el da que se enva el pedido. La restriccin <3>
limita a uno los despachos realizados por unidad de tiempo por un
vehculo, y la <4> restringe que se supere la capacidad de carga de los
vehculos. El lmite de la flota puede ocasionar que el problema no sea
factible. En este caso, la flota mnima que permitiera entregar todos los
pedidos a tiempo se puede presentar en forma iterativa, aumentando el
nmero de vehculos disponibles hasta conseguir la solucin del problema.
Flota
ilimitada
Las variables binarias que se utilizan en PLE son las siguientes:
Xivt: El pedido i es entregado (o no) con el vehculo v en la unidad de
tiempo t.
Vvt: El vehculo v es usado (o no) en la unidad de tiempo t.
El modelo con PLE es el siguiente:
SH

[min]Z =

SH

NT

(V
v-1

fx

ND

d-1

t-1

VT

XzD)

G ivt =1,1iN,.. <5>

t-F N v-1

G ivt Vvt,1iN,1vSH,FNitFXi,.. <6>

N

CH

(K

xGivt ),1vSH,1tSA.. <7>

t-1

La restriccin <5> garantiza que los diferentes pedidos se toman un solo

da con un solo vehculo entre las fechas de entrega mnima y mxima. La
<6> limita que cada pedido se enve con un vehculo que va al cliente,
destino correcto el da que se enva el pedido y la <7> restringe que sea
superada la capacidad de carga de los vehculos.
RESULTADOS
Gracias a los datos de la empresa en anlisis, se han creado ejemplares
aleatoriamente en los que se vara: el nmero de pedidos a entregar, el
margen de fechas de entrega variaciones temporales- y el horizonte de
planeacin (tiempo). El tiempo mximo de resolucin se calcula, para cada
ejemplar, proporcional al nmero de pedidos.
La aplicacin del modelo a la empresa estudiada se ha realizado
considerando la planificacin para cada destino de forma independiente y
con una flota suficiente para que puedan entregarse todos los pedidos.
A continuacin se muestran los resultados que corresponden a un
destino (flota ilimitada), comparando el caso de variacin temporal de una
unidad de tiempo escenario 1- y de dos unidades de tiempo escenario
2-. Para los dos escenarios se hace un comparativo entre el nmero de
ejemplares resueltos, de cada 100, variando el tiempo mximo de
resolucin entre el valor calculado a partir del nmero de pedidos, que
est comprendido entre 200s y 1000s, un 50% del mismo y un 10% del
mismo.
Adicionalmente, se cotejan el nmero de ejemplares resueltos en el caso
de que se llegara a considerar un nmero mximo de Transportes
diferentes (1, 2 y 3). El modelo se aplica a un horizonte temporal
determinado. En este trabajo se presentan los resultados para un
horizonte de 5 unidades de tiempo y para un horizonte de 10 unidades de
tiempo.
De esta manera, la Tabla 1 presenta los resultados obtenidos para el
primer horizonte temporal y la tabla 2 para el segundo horizonte temporal
considerado. En las Tablas 1 y 2 se puede observar que el margen en la
entrega de pedidos no afecta significativamente en el nmero de
ejemplares resueltos.
Por otra parte, en las grficas se puede observar este comportamiento, ya
que el nmero de entregas requeridas hace que el margen no vare
7

sustancialmente (fig.1) con relacin a los horizontes de planeacin

supuestos. La cantidad y nmero de ejemplares resueltos no cambia de
forma significativa al cambiar dichos mrgenes (fig.2).
A su vez, La trayectoria trazada presenta una considerable disminucin
en los tiempos proyectados para las entregas. Los ndices marcados en
las grficas responden a los tiempos de entrega con variaciones mnimas
en los mismos tiempos previstos. (fig. 2)
Tambin se puede apreciar que el modelo permite la consideracin de los
mrgenes en las fechas de entrega de los pedidos. Este aspecto es muy
relevante, principalmente al momento de optimizar los procesos de
entrega del producto.

Tabla 1: Cantidad de ejemplares resueltos, de un total de 200

Para un horizonte temporal de 5 unidades de tiempo.

Escenario 1
Ejempla
res
100%
50%
10%

1
194
194
180

2
190
188
182

Escenario 2
3
198
192
182

1
194
192
180

2
192
188
176

3
194
194
178

Tabla 2: Cantidad de ejemplares resueltos, de un total de 200

Para un horizonte temporal de 10 unidades de tiempo

Escenario 1
Ejempla
res
100%
50%
10%

1
140
126
188

2
118
108
140

Escenario 2
3
108
102
136

1
144
128
184

2
134
120
168

3
125
112
160

Figura 1. Significancia entre el nmero de

entregas requeridas y los horizontes de planeacin
supuestos

Fig. 2 Significancia entre el nmero de entregas requeridas y los

horizontes de planeacin supuestos

CONCLUSIONES
El modelo de transporte de distribucin que tiene como fundamento la
adicin de unidades origen- destinos resulta apropiado para modelar en la
empresa seleccionada y brinda la oportunidad para disear e implementar
un procedimiento exacto para la programacin de la distribucin de esta
empresa del sector textil y de cualquiera que tenga caractersticas
similares.
Los resultados obtenidos se calcularon en dos formas aleatorias a partir de
los datos entregados por la empresa seleccionada, demostrando que el
modelo permite obtener el ptimo en un porcentaje elevado de ejemplares
para horizontes de tiempo que son los utilizados por la empresa, ya que 5
unidades de tiempo corresponde a una planificacin de 5 meses.
REFERENCIAS BIBLIOGRFICAS
Laporte, G. The vehicle routing problem: an overview. European

Journal of Operational Research, 59, 345-358 (1992).

Baker K.R y G.D Scudder. Sequencing with earliness and tardiness

penalties: a review. OP, 38 (1), p. 22 (1990).

Baita, F., W. Ukovich, R. Pesento, R y D. Favaretto, Dynamic routing

and inventory problems: a review. Transportation Research. Part a.

32 (8), 585-598 (1998).
Hal, Z., R. Batta y R. Szczerba, Supply-Chain optimization Players,

tools and issues.

OR Insight. 14, (2), 20-30 (2001).
Azizoglu, M. y S. Webster.Scheduling a batch processing machine

with incompatible job families. Computers & Industrial Engineering,

29, p. 325 (2001).
Ferrer, A.C. y M. A. de los Santos. Un modelo de transporte de

distribucin. Actas del XIV Congreso de Ingeniera Mecnica. Madrid,

(2000).
Jayaraman, V. y H. Pirkul, Planning and coordination of production

and distribution facilities for multiple commodities. European

Journal of Operational Research. 133, 394- 408 (2001).
Verma, S. y M. Dessouky. Single-scheduling of unit-time jobs with

earliness and tardiness penalties. Mathematics of Operations

Research, 23 (4), 930-943 (1998).