UNIVERSIDAD PRIVADA

ANTENOR ORREGO
FACULTAD DE INGENIERA
ESCUELA PROFESIONAL DE
INGENIERA INDUSTRIAL

Trabajo de Investigacin en Ingeniera Industrial

TEMA: MEJORA DEL DISEO DE RUTAS

PARA DISMINUIR LOS COSTOS DE
DISTRIBUCIN DE PRODUCTOS EN LA
EMPRESA PANADERA Y PASTELERIA
SANTI PAN S.A.C. EN EL DISTRITO DE LA
ESPERANZA AO 2015
Autores: GONZLEZ TORRES, SANTOS EDUARDO
MENDOZA JULCA, KEVIN JOHN
Asesor: RAMIREZ CORDOVA, SEGUNDO
Trujillo PERU
Noviembre 2015

RESUMEN

El presente trabajo de investigacin, tiene por objetivo disear una ruta ptima que
minimice los costos del proceso de distribucin de pasteles de la empresa
PANADERA Y PASTELERA SANTI-PAN S.A.C en el distrito de La Esperanza. El
estudio en la presente investigacin se enfoca en el anlisis de los costos de combustible
para la distribucin de pasteles que ofrece la empresa; bajo un enfoque de investigacin
explicativa con diseo pre experimental, las unidades de anlisis de la muestra estarn
conformadas por los registros de los costos en mencin en ausencia del diseo de rutas
con base en la programacin lineal y los registros generados despus; los datos se
recolectaron en base a la tcnica de la observacin y el anlisis.
Con la informacin antes mencionada y el empleo de herramientas analticas de la
programacin lineal y con el software LINGO permiti obtener una ruta ptima que
minimice el recorrido para la distribucin de productos y por ende los costos de
combustible.
De la investigacin se concluy que, disear una ruta optima mejora al 0,4% los costos
mensuales de combustible del proceso de distribucin de pasteles que ofrece la empresa
PANADERA Y PASTELERA SANTI-PAN S.A.C en el distrito de la Esperanza, ya
que los costos de combustible en ausencia del diseo de rutas en promedio fue de
S/.130,83 y con el modelo matemtico propuesto se obtuvo una ruta ptima que
minimiza a S/.111,83 los costos de combustible.

DEDICATORIA

A Dios, por su infinita bondad al permitirnos incrementar nuestros

conocimientos a travs de este proyecto y por crearnos como seres imperfectos,
pero capaces de poder comprender y superar nuestros errores.

A nuestros padres, porque gracias a su ejemplo y ahnco nos impulsaron al

objetivo base de todo estudiante: Los estudios universitarios.

A nuestra familia, por nunca dudar de nuestras capacidades, por su apoyo

incondicional en el cumplimiento de nuestras metas, por permitirnos robarles su
tiempo, por mostrarnos su amor y alegra en todo momento.

ndice

CAPITULO I: GENERALIDADES.......................................................................6
1.

TITULO............................................................................................... 6

2.

LNEA DE INVESTIGACIN..................................................................6

3.

ESCUELA PROFESIONAL.....................................................................6

4.

AUTORES........................................................................................... 6

5.

ASESOR.............................................................................................. 6

6.

CIUDAD, DEPARTAMENTO..................................................................2

7.

FECHA DE INICIO................................................................................ 2

8.

FECHA DE TRMINO...........................................................................2

9.

LUGAR DE EJECUCIN........................................................................2

CAPITULO II: PLANTEAMIENTO DEL PROBLEMA.............................................3

1.

REALIDAD PROBLEMTICA.................................................................3

2.

DESCRIPCIN DEL PROBLEMA...........................................................6

3.

OBJETIVOS DE LA INVESTIGACIN.....................................................6

4.

JUSTIFICACIN................................................................................ 7

5.

LIMITACIONES.................................................................................... 7

CAPITULO III: FUNDAMENTACIN O MARCO DE LA INVESTIGACIN..............8

1.

ANTECEDENTES DEL PROBLEMA........................................................8

2.

BASE TERICA................................................................................. 12

3.

MARCO CONCEPTUAL.......................................................................23

4.

HIPTESIS DE LA INVESTIGACIN....................................................24

5.

VARIABLES E INDICADORES.............................................................24

CAPITULO IV: METODOLOGA......................................................................25

4.1. TIPO Y NIVEL DE INVESTIGACIN......................................................25
4.2. DISEO DE INVESTIGACIN..............................................................26

4.3. POBLACIN Y MUESTRA....................................................................27

4.4. INTRUMENTOS DE RECOLECCIN DE DATOS Y HERRAMIENTAS DE
ANALISIS DE DATOS................................................................................. 28
CAPTULO V: SOLUCIN PROPUESTA...........................................................32
CAPITULO VI: ANLISIS DE RESULTADOS Y DISCUSION...............................56
BIBLIOGRAFA.............................................................................................. 60
ANEXOS....................................................................................................... 61
Anexo 1. Ruta de Distribucin de Pasteles Actual.....................................................61
Anexo 2. Costos de Combustible, Gasolina de 95....................................................61
Anexo 3. Resultado de la primera corrida en el software LINGO...................................62
Anexo 4. Resultado de la segunda corrida eliminando el sub-tour para obtener la ruta ptima.
................................................................................................................... 73

NDICE DE TABLAS

Tabla 2.1 Informacin del vehculo

Tabla 2.2 Ventas y Costos de Distribucin de 1 Semestre en el ao 2015

Tabla 4.1. - Diseo de la Investigacin

26

Tabla 4.2 Resultado del Diseo de la Investigacin

27

Tabla 4.3. - Clientes de "PANADERA Y PASTELERA SANTI-PAN S.A.C."

27

Tabla 4.4. - Tcnicas e Instrumentos

28

Tabla 4.5. Costos de Distribucin (Combustible)

29

Tabla 4.6 Resultados Prueba T Student con Solver

30

Tabla 6.1.1. Datos PreTest

56

Tabla 6.2.1. Datos PostTest

57

INDICE DE GRFICAS
Grfica 2.1 Vehculo de Distribucin

Grfica 2.2 Ventas y Costos de Distribucin de 1 Semestre en el ao 2015

Grfico 3.1. Dos Rutas Antes y Despus de ser Unidas

19

Grfico 4.1. Prueba T de Student con Solver

30

Grfico 5.1 Mapeo SANTIPAN SAC y clientes de La Esperanza

34

Grfico 5.2 Formacin de Sub-Rutas en la Primera corrida

54

Grfico 5.3 Ruta ptima

55

INDICE DE CUADROS
Cuadro 5.1. Matriz de distancias entre los nodos

CAPITULO I: GENERALIDADES

32

1. TITULO
Mejora del diseo de rutas para disminuir los costos de distribucin de productos
en la empresa PANADERA Y PASTELERIA SANTI PAN S.A.C. en el
Distrito de La Esperanza Ao 2015
2. LNEA DE INVESTIGACIN
La lnea de investigacin de nuestro proyecto en desarrollo es:
Optimizacin de la Produccin
Correspondiente al rea de:
Produccin y Gestin Industrial
3. ESCUELA PROFESIONAL
Escuela de Ingeniera Industrial
4. AUTORES
-

Gonzlez Torres, Santos Eduardo

Mendoza Julca, Kevin John

5. ASESOR

Ing. Ramrez Cordova, Segundo

6. CIUDAD, DEPARTAMENTO
La presente investigacin se llevar a cabo en:
-

Ciudad de Trujillo, Departamento de La Libertad

7. FECHA DE INICIO

Sbado 28 de Marzo del 2015

8. FECHA DE TRMINO
Martes 31 de Octubre del 2015
9. LUGAR DE EJECUCIN
Empresa: PANADERA Y PASTELERA SANTI-PAN S.A.C., Distrito de La
Esperanza

CAPITULO II: PLANTEAMIENTO DEL PROBLEMA

1. REALIDAD PROBLEMTICA

Hoy en da las empresas de productos de consumo masivo alrededor del mundo

tienen la necesidad de contar con rutas de distribucin para la entrega de bienes a
sus clientes, que cumplan con las caractersticas de rentabilidad en sus
operaciones. Sin embargo, este tema no es tratado de manera fundamental, y en
cambio la generacin de rutas se convierte en un trabajo totalmente emprico y sin
tomar en cuenta principios tericos.
La empresa PANADERA Y PASTELERIA SANTI PAN S.A.C., se fund en
el ao 2014, estando ubicada en la Manzana 52 Lote 1 Sector 2 Wichanzao La
Esperanza, se dedica a la produccin y comercializacin de pan en diversas
presentaciones y pasteles variados, siendo ste ltimo distribuido los das: Lunes,
Mircoles y Viernes para los clientes ubicados en la zona de La Esperanza y los
das: Martes, Jueves y Sbado para los clientes de la zona Moche. Este proceso es
realizado por un chofer, quien a la vez se encarga del diseo emprico de las rutas
de distribucin, basndose en su criterio y el conocimiento de las zonas. (Ver ruta
actual en Anexo 1).
Lograr eficiencia en la distribucin fsica de los productos es muy importante para
todas las empresas pues genera ahorros y por ende contribuye a maximizar las
utilidades. Los costos logsticos promedio de las empresas (en EE.UU) son
aproximadamente 11% del volumen total de ventas; de este porcentaje, los costos
de distribucin representan del 30% al 60%; es decir, los costos de distribucin
representan un 7% del volumen total de ventas (Ballou, 2004)

El hecho de no elegir de la manera ms ptima la ruta a seguir implica que se

incurra en costos excesivos de distribucin, segn datos histricos de los ltimos
6 meses de actividad de la empresa estos representan en promedio el 13,2% del
total de ventas, a su vez los costos del combustible que consume el vehculo,
ascienden a un promedio de 2,8% del volumen total de ventas, por lo que
representan el 21% del total de costos de distribucin.
Grfica 2.1 Vehculo de Distribucin

Tabla 2.1 Informacin del vehculo

MARCA
Modelo
Ao

Susuki
APV
2014
Fuente: La empresa
Elaboracin: Los autores

Tabla 2.2 Ventas y Costos de Distribucin de 1 Semestre en el ao 2015

DATOS
MENSUALES
VENTAS
COSTOS DE
DISTRIBUCIN
Costo de combustible
Costo de mano de obra
Costo de
mantenimiento y
reparacin

S/. 4.802,00 S/. 4.506,00 S/. 4.728,00 S/. 4.584,00 S/. 4.572,00 S/. 4.608,00

PROMEDI PORCENTAJE
O
DE VENTAS
S/. 4.633,33
100%

S/.

602,00 S/.

613,00 S/.

602,00 S/.

616,00 S/.

608,00 S/.

615,00

S/.

609,33

S/.
S/.

125,00 S/.
375,00 S/.

132,00 S/.
375,00 S/.

129,00 S/.
375,00 S/.

137,00 S/.
375,00 S/.

128,00 S/.
375,00 S/.

134,00
375,00

S/.
S/.

130,83
375,00

S/.

102,00 S/.

106,00 S/.

98,00 S/.

104,00 S/.

105,00 S/.

106,00

S/.

103,50

ABRIL

MAYO

JUNIO

JULIO

AGOSTO

SETIEMBRE

13,2%
2,8%
8,1%
2%

Fuente: La Empresa
Elaboracin: Los Autores

Grfica 2.2 Ventas y Costos de Distribucin de 1 Semestre en el ao 2015

Ventas y Costos de Distribucin Mensuales

Costos Distribucin

Ventas

S/. 4,802.00

S/. 4,506.00

S/. 4,728.00

S/. 4,584.00

S/. 4,572.00

S/. 4,608.00

S/. 602.00

S/. 613.00

S/. 602.00

S/. 616.00

S/. 608.00

S/. 615.00

ABRIL

MAYO

JUNIO

JULIO

AGOSTO

SETIEMBRE

Fuente: La Empresa
Elaboracin: Los Autores

2. DESCRIPCIN DEL PROBLEMA

Cmo afecta el diseo de rutas en la reduccin de costos del proceso de distribucin de

los pasteles de la empresa PANADERA Y PASTELERA SANTI-PAN S.A.C.,
Trujillo - La Esperanza?
3. OBJETIVOS DE LA INVESTIGACIN
3.1.

Objetivo General

Disear una ruta ptima que minimice los costos del proceso de distribucin
de pasteles de la empresa PANADERA Y PASTELERA SANTI-PAN
S.A.C en el distrito de La Esperanza haciendo uso de la programacin
lineal con el software LINGO.
3.2.

Objetivos Especficos

a) Identificar la ubicacin y distancias desde la empresa hacia los clientes y de

cliente a cliente.
b) Proponer un modelo matemtico para optimizar el diseo de la ruta de
distribucin.
c) Calcular la distancia recorrida por el vehculo para la entrega de productos en el
modelo propuesto.
d) Calcular los costos de distribucin de la empresa en el modelo propuesto.
e) Realizar un anlisis econmico que mida la variacin en los costos de
distribucin pre y post test

4. JUSTIFICACIN
Para garantizar la competitividad de las empresas es fundamental un buen manejo
de los recursos, acompaado de estrategias para reducir los costos, y con el fin de
que esto se logre, es sumamente importante que se tomen las decisiones adecuadas
para que el transporte se realice en ptimas condiciones.
Sin embargo, en la empresa PANADERA Y PASTELERA SANTI-PAN
S.A.C, an no se ha realizado un estudio acerca de la efectividad del uso de
algn mtodo para lograr esta reduccin de costos y actualmente se viene
trabajando en forma emprica, de acuerdo a la experiencia del chofer,
incurrindose en elevados costos de combustible. Es por esta razn, que el modelo
de mejora de rutas elaborado en este proyecto de investigacin tiene como fin la
reduccin de las distancias y por ende de la cantidad de combustible empleado
(0,68 galones/da), siendo esto posible con un software de optimizacin de rutas,
mediante el cual las empresas pueden visualizar la ubicacin de sus clientes y
obtener el mejor camino para entregar sus productos en una zona determinada
(Tamayo, 2012), generando un inminente ahorro en los costos de distribucin
5. LIMITACIONES
a) Limitacin de Espacio: La empresa PANADERA Y PASTELERA SANTIPAN S.A.C distribuye sus pasteles a varios clientes ubicados en 2 zonas de la
provincia de Trujillo: La Esperanza y Moche. En la primera se cuenta con 19
clientes y en la segunda 16 clientes y para realizar la presente investigacin
seleccionamos el distrito de La Esperanza.
b) Limitacin de Recursos: Para realizar la investigacin se consider necesario la
adquisicin de un instrumento para medir las distancias entre el origen y los
clientes, el cual podra llegar a ser costoso y para superar esta limitacin se
decidi utilizar la herramienta de Google Maps.

CAPITULO III: FUNDAMENTACIN O MARCO DE LA INVESTIGACIN

1. ANTECEDENTES DEL PROBLEMA

Al realizar la bsqueda de antecedentes relacionados con esta investigacin, se

encontraron los siguientes a nivel local, nacional e internacional:
LOCAL
Ttulo: OPTIMIZACIN DEL TRANSPORTE DE MATERIA PRIMA DE
UNA EMPRESA ESPARRAGUERA
Autor: Br. Prez Jimnez, Cecilia, Br. Silva Pimentel, Consuelo Elizabeth
Universidad: Universidad Nacional de Trujillo, Escuela Profesional de
Ingeniera Industrial.
Ao: 2000
Resumen: El presente trabajo tiene como escenario el rea de acopio de la
empresa agroindustrial Sociedad Agrcola Vir S.A. (SAVSA) del cual se
obtuvieron las cantidades diarias de materia prima ofertadas por cada proveedor
durante un mes, los costos de transporte en los que se incurri y los recursos
empleados. Para la formulacin y solucin del modelo propuesto utilizaremos
Lingo, que es un software ideal para modelos de optimizacin con gran cantidad
de variables y restricciones. Para demostrar que existe diferencia significativa
entre los valores del modelo propuesto y la empresa utilizamos la prueba de
hiptesis de las Diferencias Pareadas para el costo de combustible y para el costo
de merma y utilizando el porcentaje de indicador de cambio encontramos que se
logr una disminucin del costo de combustible de 24.9% y una disminucin del
costo de merma del 7.8%, demostrando as la optimizacin as la optimizacin
del transporte de materia prima.
Conclusiones: El estudio concluye: con el modelo propuesto el costo de
combustible promedio diario disminuye de s/.302.96 a s/. 227.61, logrndose
una mejora del 24.9%, El costo de merma promedio diario disminuye de s/.

35.76 a s/. 32.98; logrndose una mejora del 7.8%, Con el modelo propuesto; el
costo total promedio diario de transporte de materia, disminuye de s/.
337.98 a s/. 266.42; logrndose una mejora del 21.2%.El costo total de
transporte de materia prima Mensual, disminuye de s/. 10477.23 a s/.8258.91,
obtenindose un ahorro de s/. 2218.32. Con el reporte de la solucin del modelo
propuesto se obtiene la ruta ptima para el recojo de esprrago diariamente.
NACIONAL
Ttulo: OPTIMIZACIN DE RUTAS EN LA DISTRIBUCIN DE
PRODUCTOS DE BELLEZA
Autor: Jarol Jerens Lugo Or
Universidad: Pontificia Universidad Catlica del Per.
Ao: Lima, junio de 2012
Resumen: El presente estudio a travs de 5 captulos, demuestra que la
aplicacin de algoritmos en un caso real tal como las rutas de distribucin de
productos de belleza, para las zonas de San Juan de Miraflores y Villa Mara del
Triunfo, es posible debido a que se obtiene una ptima distribucin de las rutas
para ambas zonas. En el primer captulo se defini los algoritmos a utilizar tales
como: Algoritmo de Ahorros, Algoritmo de Ptalos y el Algoritmo de Insercin
para cada algoritmo se analiz ambas zonas a excepcin de la zona de San Juan
De Miraflores ya que para esta zona el algoritmo de Insercin no aplicaba. Para
realizar el estudio en ambas zonas, en el segundo captulo se describi la
situacin actual, la problemtica y el desempeo del sistema actual en el cual se
muestra la distancia recorrida, el promedio de puntos de reparto.
El tercer captulo del estudio muestra el desarrollo de los modelos propuestos, la
ruta inicial de ambas zonas y a partir de este punto se analiza y aplica los
algoritmos para las dos zonas. La evaluacin de resultados se verifica en el
cuarto captulo, en el cual se desarrolla una comparacin de las distancias
recorridas actualmente con las distancias recorridas al haberse aplicado los
algoritmos y se selecciona cul de los algoritmos logr optimizar las rutas de

10

distribucin. En el ltimo captulo se mencionan las conclusiones y

recomendaciones, logrando as obtener una mejor visin del estudio realizado.
Conclusiones: el estudio concluye con relacin a la solucin de los problemas se
llega a concluir que el Algoritmo de Ahorros es el que permitir la optimizacin
de las rutas de distribucin con respecto a los otros dos algoritmos. Cabe resaltar
que la empresa cuenta con una flota homognea de combis, los cuales poseen un
motor gasolinero de 2000 cc, 4 cilindros, con un rendimiento promedio de 30
Km. por galn, siendo el costo promedio del galn de 90 octanos es S/. 15.00.La
aplicacin del Algoritmo de Ahorros es relativamente fcil con relacin a los
otros algoritmos desarrollados, adems del tiempo de ejecucin ya que el
Algoritmo de Ptalos es el que tom ms tiempo de entender y ejecutarlo. En la
zona San Juan de Miraflores la reduccin de la cantidad de kilmetros respecto a
la ruta diseada es considerable con la situacin actual siendo la distancia actual
de 26.25 Km. Comparado con la solucin del algoritmo que es de 15.35 Km, es
decir que se ahorra por campaa en kilmetros recorridos 10.90 y en dinero S/.
5.45, significa que al ao por las 36 campaas se ahorrara S/196.20.Para la zona
de Villa Mara del Triunfo se logra reducir 10.25 Km al aplicar el algoritmo de
Ahorros, es decir S/. 5.13 por campaa y al ao sera S/. 184.50.
El Algoritmo de Insercin es interesante con relacin a la aplicacin ya que
permite de manera instantnea la solucin, en nuestro caso solo aplica a una
zona la del distrito de Villa Mara Del Triunfo el cul 48 se logra ahorrar 10.13
km que en dinero es S/. 5.06 y por las 36 campaas sera S/. 182.16. Si se optara
por escoger el algoritmo de ptalos, ahorraramos para la zona de Villa Mara del
Triunfo 7.90 km (S/. 3.95) y para la zona de San Juan de Miraflores 9.85 Km.
(S/. 4.925). Los ahorros en gasolina se reflejaran de una mejor forma si el
estudio se aplicara a todas las zonas de reparto en la ciudad de Lima. Estos
ahorros que se logran al aplicar los algoritmos, no solo nos permite tener un
ahorro en la distancia recorrida sino tambin generar un ahorro de tiempo y de
costo respecto al combustible y el recorrido.

11

INTERNACIONAL
Ttulo: DISEO DE UN MODELO PARA LA ASIGNACIN Y RUTEO DE
LAS BOMBAS ESTACIONARIAS DESDE LAS PLANTAS DE CONCRETO
DE HOLCIM (COLOMBIA) S.A, ZONA BOGOT.
Autor: Yair Fabio Gonzlez Parra, Luis Alberto Tern Cantillo
Universidad: Universidad Militar Nueva Granada, Facultad de Ingeniera.
Ao: 2010, Bogot D.C
Resumen: El propsito del trabajo consiste en el diseo de un modelo de
asignacin y ruteo que permita la solucin al problema con el cual cuenta
actualmente HOLCIM (Colombia) S.A para sus vehculos de transporte de
concreto (Bombas Estacionarias). El modelo permite optimizar los recursos en
este caso la flota y ubicarla en cada planta de manera gradual de acuerdo a la
demanda proyectada para la zona de influencia con que cuente la misma, para el
periodo a pronosticar.
Conclusiones: El xito del modelo radica en la versatilidad y aplicacin del
modelo con la inestabilidad que presenta la demanda en la Empresa, se logra
llevando en cuenta varios periodos para el pronstico de asignacin de los
vehculos as como para el diseo de rutas a las UPZ y contemplando las
restricciones legales que para vehculos de carga existen en la ciudad de Bogot.
El desarrollo del modelo propuesto planific la asignacin y ruteo ptimo entre
todas las plantas con las que cuenta HOLCIM (Colombia) S.A en Bogot y los
clientes que utilizan el servicio de vehculos (Bombas Estacionarias) teniendo en
cuenta su demanda en un periodo determinado, considerando una flota de
vehculos con capacidad homognea.

12

2. BASE TERICA

2.1.

Investigacin de Operaciones:
Es la ciencia de la Administracin, en la que se utilizan las matemticas y las
computadoras para tomar decisiones racionales en la resolucin de problemas.
La Investigacin de Operaciones aspira a determinar el mejor curso de accin
ptimo de un problema de decisin con la restriccin de recursos limitados,
aplicando tcnicas matemticas para representar por medio de un modelo y
analizar problemas de decisin
En el mundo actual muchos problemas no pueden resolverse aplicando
solamente la experiencia. La evaluacin de cada alternativa es demasiado difcil
o lento debido a la cantidad y complejidad de la informacin que debe ser
procesada o porque el nmero de soluciones alternativas es tan vasto que
simplemente no se pueden evaluar todas para seleccionar una apropiada. (Taha,
2012)
El Proceso de la Investigacin de Operaciones:
El proceso de la investigacin de operaciones comprende los siguientes cinco
pasos principales.

A) Formulacin y Definicin del Problema:

Esta fase del proceso requiere (1) una descripcin precisa de las metas u
objetivos del estudio, (2) identificacin de las variables de decisin controlables
y no controlables del sistema de decisin y (3) reconocimiento de las
limitaciones o restricciones en las variables del sistema. La determinacin de los
lmites del sistema y de las opciones abiertas es asunto de juicio. Uno debe tener
cuidado de definir el sistema de tal manera que no suboptimice. (Moskowitz, y
otros, 1982)

13

B) Construccin del Modelo:

Esta es la fase detallada del proceso. Primero, el investigador de operaciones

debe decidir el modelo ms adecuado para representar el sistema. Este modelo
debe especificar relaciones cuantitativas para el objetivo y las restricciones del
problema en trminos de las variables de decisin. Debe proporcionar estimados
de los parmetros, obtenidos bien sea a partir de datos histricos o subjetivos o
formalmente estimados por medio de algn mecanismo estadstico. Se debe
escoger un horizonte de tiempo. Tambin se debe determinar si el sistema se
considera determinstico o probabilstico.
El modelo puede ser matemtico, de simulacin, o heurstico, dependiendo de la
complejidad y posibilidad de solucin de las relaciones matemticas.
Con el objetivo de desarrollar un modelo de optimizacin lineal, se utiliza el
siguiente proceso:
Definir las variables de decisin: son incgnitas que deben ser determinadas a
partir de la solucin del modelo. Los parmetros representan los valores
conocidos del sistema o bien que se pueden controlar.
Definir la funcin objetivo: Z, una ecuacin lineal que involucra las variables de
decisin y que identifica el objetivo en la solucin del problema. Esta ecuacin
predice los efectos en el objetivo al escoger diferentes valores para las variables
de decisin.
Definir las restricciones: expresiones lineales que involucran las variables de
decisin y que especifican las restricciones en las decisiones que se pueden
tomar. Las alternativas se pueden generar seleccionando valores para las
variables de decisin que satisfacen estas restricciones. (Moskowitz, y otros,
1982)

14

C) Solucin del Modelo:

Dado el modelo, junto con sus parmetros especificados por datos histricos,
tecnolgicos o prcticos, el investigador de operaciones calcula o deriva de una
solucin matemtica. Si el modelo se acomoda a uno de los modelos
matemticamente bien conocidos como el de programacin lineal, se puede
obtener una solucin ptima utilizando estas tcnicas. Por otra parte, si las
relaciones matemticas del modelo son muy complejas para permitir una
solucin analtica, entonces el modelo de simulacin puede ser el ms
apropiado.
Adems para la solucin del modelo, uno debe tambin realizar anlisis de
sensibilidad, esto es, determinar el comportamiento del sistema a cambios en las
especificaciones y parmetros del sistema. (Moskowitz, y otros, 1982)
D) Validacin del Modelo:

La validacin de un modelo requiere que se determine si dicho modelo puede

predecir confiablemente el comportamiento del sistema. Tambin comprende la
prueba de las suposiciones estructurales del modelo para determinar su validez.
Un mtodo comn para probar la validez de un modelo, es comparar su
desempeo con datos pasados disponibles del sistema actual. El modelo ser
vlido,

si

bajo

condiciones

similares

de

entrada,

puede

reproducir

razonablemente el comportamiento pasado del sistema. Naturalmente, no hay

seguridad de que el comportamiento futuro del sistema contine duplicando la
historia pasada. As, uno siempre debe estar alerta de cambios posibles del
sistema con el tiempo para ajustar el modelo en forma acorde. (Moskowitz, y
otros, 1982)
E) Implementacin:

15

La implementacin debe empezar realmente al iniciar el estudio de investigacin

de operaciones. No se puede dejar de enfatizar la importancia de que los
gerentes que tendrn que actuar en los resultados del estudio del equipo
investigador, analicen el problema. De otra manera, el proyecto tiene la
posibilidad de ser juzgado como un ejercicio interesante, pero acadmico e
inconcluso. (Moskowitz, y otros, 1982)
2.1.1. Programacin Lineal:
La Programacin Lineal es un procedimiento o algoritmo matemtico mediante el cual
se resuelve un problema indeterminado, formulado a travs de ecuaciones lineales,
optimizando la funcin objetivo, tambin lineal.
Consiste en optimizar (minimizar o maximizar) una funcin lineal, denominada funcin
objetivo, de tal forma que las variables de dicha funcin estn sujetas a una serie de
restricciones que expresamos mediante un sistema de inecuaciones lineales. (Taha,
2012)

VARIABLES

Las variables son nmeros reales mayores o iguales a cero.

En caso que se requiera que el valor resultante de las variables sea un nmero
entero, el procedimiento de resolucin se denomina Programacin entera.

RESTRICCIONES

Las restricciones pueden ser de la forma:

16

Donde:
A = valor conocido a ser respetado estrictamente;
B = valor conocido que debe ser respetado o puede ser superado;
C = valor conocido que no debe ser superado;
j = nmero de la ecuacin, variable de 1 a M (nmero total de restricciones);
a; b; y, c = coeficientes tcnicos conocidos;
X = Incgnitas, de 1 a N;
i = nmero de la incgnita, variable de 1 a N.
En general no hay restricciones en cuanto a los valores de N y M. Puede ser N =
M; N > M; , N < M.
Sin embargo si las restricciones del Tipo 1 son N, el problema puede ser
determinado, y puede no tener sentido una optimizacin.
Los tres tipos de restricciones pueden darse simultneamente en el mismo
problema.

FUNCIN OBJETIVO

La funcin objetivo puede ser:

17

Modelo de Asignacin
Dentro de la programacin lineal encontramos muchos casos especiales para
cada tipo problema que se nos pueda presentar, y una de ellos es el problema de
asignacin el cual analizaremos a continuacin, debido a que es el que
utilizaremos ms adelante para formular los modelos tanto heursticos como
metaheursticos. Para el presente caso de estudio trataremos el problema de
asignacin como un modelo de distribucin que especficamente trata de asignar
un nmero de orgenes (individuo, vehculos, etc.) a un mismo nmero de
destinos (clientes, tareas, etc.) para que de esta manera se optimice el coste o
tiempo, es por ello que la funcin objetivo sera de minimizacin. A
continuacin analizaremos la formulacin de un problema de asignacin (Ros,
1996)

18

La formulacin descrita arriba se entiende como un caso dado en el que m

individuos que hay que asignar a tareas m, siendo cij, el costo de asignar al
individuo i la tarea j, se trata de determinar una asignacin de tal manera que
costo total sea mnimo.
Problemas de Ruteo de Vehculos (VRP)
En general un problema de ruteo de vehculos consiste, en que dado un conjunto
de clientes y depsitos o almacenes distribuidos geogrficamente se encuentran
dispersos, para lo cual se requiere una flota de vehculos con los que se llegar a
estos clientes desde los depsitos tomando en cuenta las rutas que minimicen los
costos de partir de un depsito y llegar al mismo habiendo visitados a los
clientes.
Una de las variaciones del problema de ruteo de vehculos es el Problema del
Agente Viajero (TSP)
2.1.1.1.

Problema del Agente Viajero (TSP):

Clsicamente el problema de TSP por sus siglas en ingls (Travelling Salesman

Problem) presentado por Hassler Whitney (Ao1930), en el estudio de la
Universidad de Princeton llamado 48 states problema, tiene que ver con hallar
el recorrido ms corto (cerrado) en una situacin de n ciudades, donde cada
ciudad es visitada exactamente una vez antes de regresar al punto de partida. El
modelo de TSP asociado se define por medio de dos datos:

El nmero de ciudades,n.

19

Las distancias dij, entre las ciudades i y j (dij= si las ciudades i y j no estn
comunicadas).
El mximo de recorridos en una situacin de n ciudades es: (n-1)!
A partir del estudio realizado por Hassler podemos definir hoy en da al TSP
como la visita de un solo vehculo a todos los clientes en una sola ruta y a un
costo mnimo, y de esta manera encontrar una aplicabilidad a nuestro contexto
actual. (Taha, 2012)
Heursticas Tradicionales para el VRP

2.1.1.2.

Heurstica de Clark Wright

Es la heurstica clsica ms significativa para el VRP. Esta heurstica es un

procedimiento simple que realiza una exploracin limitada del espacio de
bsqueda y da una solucin de calidad ms o menos aceptable en tiempo de
clculo moderado. Las soluciones luego pueden ser mejoradas con los
algoritmos de mejora del TSP (como 2-opt).
Si en una solucin dos rutas diferentes (1, i, 1) y (1, j,, 1) pueden ser
combinadas formando una nueva ruta (1,, i, j,1) como se muestra en el
grfico 3.1, el ahorro (en distancia) obtenido por dicha unin es:

Pues en la nueva solucin los arcos (i, 0) y (0, j) no seran utilizados y se

agregara el arco (i, j). Se parte de una solucin inicial en la cual todos los
clientes son servidos por un solo vehculo.
Grfico 3.1. Dos Rutas Antes y Despus de ser Unidas

20

Fuente: Clarke y Wright (1964)

2.1.2. Redes y Rutas:

Terminologa bsica e importante:

Arcos Dirigidos: Se dice que un arco es dirigido cuando el arco tiene flujo
en una direccin (como en una calle de un sentido). La direccin se indica
agregando una cabeza de flecha al final de la lnea que representa el arco.
Al etiquetar un arco dirigido con el nombre de los nodos que une, siempre
se coloca primero al nodo de donde viene y despus el nodo a donde va,
esto es, un arco dirigido del nodo A al nodo B debe etiquetarse como AB y
no como BA. Otra Manera es AB. (S. Hillier, y otros, 1997)
Arcos No Dirigidos: Si el flujo a travs de un arco se permite en ambas
direcciones (como una tubera que se puede usar para bombear fluido en
ambas direcciones), se dice que es un arco no dirigido. Tambin se les
llama ligadura. Aunque se permita que el flujo a travs de un arco no
dirigido ocurra en cualquier direccin, se supone que ese flujo ser en una
direccin, en la seleccionada, y no se tendr flujos simultneos en
direcciones opuestas. (S. Hillier, y otros, 1997)
Ciclo: Un ciclo es una trayectoria que comienza y termina en el mismo
nodo. En la red no dirigida que se muestra existen muchos ciclos, OA-ABBC-CO.
Mapeamiento de rutas: Es la representacin grfica de la estructura
espacial del sistema de transporte indicando distancias entre los campos de
los proveedores.
Nodo de Trasbordo: (o nodo intermedio) satisface la conservacin del
flujo, es decir, el flujo que entra es igual al que sale. (S. Hillier, y otros,
1997)

21

Nodo Fuente: (o nodo de origen) tiene la propiedad de que el flujo que

sale del nodo excede al flujo que entra a l. (S. Hillier, y otros, 1997)
Red: Una red consiste en un conjunto de puntos y un conjunto de lneas
que unen ciertos pares de puntos. Los puntos se llaman nodos (o vrtices).
Las lneas se llaman arcos (o ligaduras, aristas o ramas). Los arcos se
etiquetan para dar nombres a los nodos en sus puntos terminales, por
ejemplo, AB es el arco entre los nodos A Y B. En un problema de
programacin lineal, las redes pueden representar un conjunto de
estaciones, campos petrolferos, almacenes, fabricas, sucursales, ciudades,
interconectadas entre s a travs de caminos, conductos, tuberas que
permiten fluir productos para la comercializacin o la distribucin. (S.
Hillier, y otros, 1997)
Red Conexa: Una red conexa es una red en la que cada par de nodos est
conectado. Se dice que dos nodos estn conectados si la red contiene al
menos una trayectoria no dirigida entre ellos. Se debe resaltar que no es
necesario que la trayectoria sea dirigida aun cuando la red sea dirigida. (S.
Hillier, y otros, 1997)
Red Dirigida: Es una red que tiene solo arcos dirigidos. En una red
dirigida, un ciclo puede ser dirigido o no dirigido, segn si la trayectoria en
cuestin es dirigida o no dirigida. (Como una trayectoria dirigida tambin
es no dirigida, un ciclo dirigido es un ciclo no dirigido, pero en general el
inverso no es cierto.) (S. Hillier, y otros, 1997)
Red No Dirigida: Es una red donde todos sus arcos son no dirigidos. (S.
Hillier, y otros, 1997)
Ruta: Descripcin del camino o recorrido que seguir cada vehculo
asignado para el transporte de materia prima, en el que se indican los
lugares en donde recoger dicha materia prima. (Taha, 2012)

22

Trayectoria: Una trayectoria entre dos nodos es una sucesin de arcos

distintos que conectan estos nodos. Por ejemplo, una de las trayectorias que
conectan los nodos O y T en la figura 1 es la sucesin de arcos OB-BD-DT
(OBDT), y viceversa. (S. Hillier, y otros, 1997)
Trayectoria Dirigida: Una trayectoria dirigida del nodo i al nodo j, es una
sucesin de arcos cuya direccin (si la tienen) es hacia el nodo j, de manera
que el flujo del nodo i al nodo j, a travs de esta trayectoria es factible. (S.
Hillier, y otros, 1997)

Trayectoria No Dirigida: Una trayectoria no dirigida del nodo i al nodo j

es una sucesin de arcos cuya direccin (si la tienen) pueden ser hacia o
desde el nodo j. Con frecuencia alguna trayectoria no dirigida tendr
algunos arcos dirigidos hacia el nodo j y otros desde l (es decir, hacia el
nodo i). (S. Hillier, y otros, 1997)
Prioridad: La definicin de la prioridad se basa en el impacto y en la
urgencia que se tiene para atender y resolver el problema. Esto es, el
impacto describe el potencial al cual se encuentra vulnerable, y la urgencia
muestra el tiempo disponible que se cuenta para evitar o al menos reducir
este impacto. (Taha, 2012)
2.2. Costos de Distribucin:

Son los que se incurren en el rea que se encarga de trasladar los productos terminados,
desde la empresa hasta el consumidor.
Los Costos de distribucin, son quiz los ms significativos dentro del concepto de los
costos logsticos. Incluye entre otros los siguientes elementos: costos de transportes de
productos terminados, inventarios de productos terminados, costo de procesamiento de
pedidos y costos de administracin y gastos generales asociados a la distribucin. Toda

23

empresa hace inversin en equipos de transporte o subcontrata este servicio para realizar
la distribucin de sus productos y obviamente estas acciones implican erogacin de
recursos financieros importantes.
El primero, conocido tambin como transporte de larga distancia puede efectuarse por
medios terrestres (ferrocarril y camin), areos (avin), martimo y fluvial.
El segundo, transporte de distribucin por su especializacin, normalmente se hace con
personal y medios de la propia empresa.
Entre los aspectos que se deben tener en cuenta para el clculo de los costos de
transporte se tiene:
Cuando el servicio es prestado por un operador o proveedor de transporte, el
costo se refleja en la respectiva factura.
Si el servicio de transporte es efectuado por medios propios, suele hacerse una
clasificacin de este costo en costos fijos y costos variables:
Como costos fijos se consideran: mantenimiento (parte) de los equipos o
vehculos, administracin y sistemas de informacin, amortizacin
(parte), inters (constituidos por el costo de oportunidad de inversin en
activos fijos), gastos generales (personal directivo y administrativos),
alquileres y tarifas, licencias de transporte, personal de conduccin y en
ocasiones el pago de horas extras de los conductores y personal auxiliar
en este rubro.
Los costos variables pueden ser: mantenimiento (parte), consumo de
combustible, de aceite, de neumticos. Esta informacin puede obtenerse
en las respectivas hojas de los equipos o vehculos. (Torres, 2006)
3. MARCO CONCEPTUAL

Diseo de rutas:
Elaboracin de un camino ptimo que permite el transporte de productos desde
un origen hacia todos los clientes visitndolos 1 sola vez y cumpliendo un ciclo.

24

Rutas de distribucin:
Recorrido que debe realizar el chofer para cumplir con la distribucin de los
productos.
Costo de distribucin:
Gastos incurridos por el consumo de combustible en la distribucin fsica de los
productos.

4. HIPTESIS DE LA INVESTIGACIN

El diseo de una ruta de distribucin de los productos en la empresa PANADERA Y

PASTELERA SANTI-PAN S.A.C., mediante la aplicacin de un modelo de
programacin lineal utilizando el software LINGO reducir los costos de distribucin.
5. VARIABLES E INDICADORES

Variable Independiente: Diseo de Rutas

Variable Dependiente: Costos de Distribucin
6. Definicin Conceptual:
Diseo de Rutas: Elaboracin de un camino ptimo que permite el transporte de
productos desde un origen hacia todos los clientes visitndolos 1 sola vez a cada uno y
cumpliendo un ciclo.
Costos de Distribucin: Gastos incurridos por el consumo de combustible en la
distribucin fsica de los productos.
7. Definicin Operacional:

25

Diseo de Rutas: Sumatoria de las distancias que minimicen el recorrido del vehculo
distribuidor de la empresa PANADERA Y PASTELERA SANTI-PAN S.A.C. en 1
ciclo, visitando a sus clientes 1 sola vez
Costos de Distribucin: Es la erogacin por el consumo de combustible, basado en la
distancia recorrida para la distribucin de productos de la empresa PANADERA Y
PASTELERA SANTI-PAN S.A.C. en 1 ciclo

8. Dimensiones:
Diseo de Rutas: Distancia recorrida, prioridad.
Costos de Distribucin: Costo de combustible.
9. Indicadores:
Diseo de Rutas: Evaluacin del diseo de rutas en una escala de 0 y 1, donde: 0 es
ausencia y 1 es presencia
Costos de Distribucin = ( Distancias recorridas en un ciclo/Rendimiento
promedio)*Costo de Combustible (S/.)

CAPITULO IV: METODOLOGA

4.1. TIPO Y NIVEL DE INVESTIGACIN

TIPO:

26

Por su finalidad: Aplicada, porque se har uso de los conocimientos tericos de

investigacin de operaciones y costos logsticos para dar solucin a la realidad
problemtica de la empresa PANADERA Y PASTELERA SANTI-PAN
S.A.C. de La Esperanza, en el ao 2015.
NIVEL:
Explicativa (Causal), considerando que el objetivo de la investigacin es
optimizar la ruta que minimice los costos del proceso de distribucin, en ese
-

sentido se busc establecer una relacin causa efecto, entre:

La variable independiente diseo de rutas
La variable dependiente costo de distribucin.
4.2. DISEO DE INVESTIGACIN

La investigacin tuvo un diseo Pre experimental:

Debido a que se realiz una pre evaluacin para conocer la situacin actual en
que se encuentra la empresa, para luego aplicar la propuesta de mejora en el
diseo de rutas de distribucin y posteriormente realizar una post evaluacin con
el fin de comparar los resultados y verificar si se lleg a cumplir los objetivos
planteados.
El diseo se muestra en el siguiente cuadro:

Tabla 1.1. - Diseo de la Investigacin

Grupo
GE

Asignacin

Pre Prueba

Tratamiento

Post Prueba

O1

O2

Donde:
GE: Clientes del distrito La Esperanza

27

O1: Evaluacin de costos de distribucin en ausencia del diseo de rutas

X: Diseo de rutas de distribucin
O2: Evaluacin de costos de distribucin con presencia del diseo de rutas
Realizada la propuesta de solucin se obtuvo que la distancia ptima a recorrer es 12,19
Km, el cual multiplicado por el monto que se gasta por cada Km a recorrer que es
S/./Km 0,7645 (Ver Anexo 2)y multiplicado por los 12 das que se trabaja al mes, brinda
el valor de O2, el cual asciende a la suma de S/.111,83, ya que este dato no cambiar a
menos que se agregue un cliente al ciclo o el costo del combustible vare, se toma como
media para los 6 prximos meses y se compara con O1
Tabla 4.2 Resultado del Diseo de la Investigacin
Grupo

Asignacin

Pre Prueba

Tratamiento

Post Prueba Diferencia

19

111,83-

Clientes
de La

Diseo de una
S/.130,83

Esperanz

ruta de

130,83=
S/.111,83

S/.-19

distribucin

a
Elaboracin: Los Autores

4.3. POBLACIN Y MUESTRA

Poblacin:
Todos los clientes de la empresa PANADERA Y PASTELERA SANTI-PAN
S.A.C. de los distritos de La Esperanza y Moche.
Muestra:
Muestreo no probabilstico y por conveniencia.
Se seleccion a los clientes de la PANADERA Y PASTELERA SANTI-PAN
S.A.C. ubicados en el distrito de La Esperanza, pues los clientes de esta zona
son mayores que los clientes en Moche, lo que brinda validez y hace ms
interesante al estudio de diseo de rutas aplicando las tcnicas de investigacin
de operaciones.

28

Tabla 4.3. - Clientes de "PANADERA Y PASTELERA SANTI-PAN S.A.C."

DISTRITOS

CLIENTES

La Esperanza

19

Moche

16

Fuente: La Empresa
Elaboracin: Los Autores
4.4. INTRUMENTOS DE RECOLECCIN DE DATOS Y HERRAMIENTAS
DE ANALISIS DE DATOS
1.4.1. Tcnica e Instrumentos de recoleccin de datos
Las tcnicas e instrumentos a utilizar para la recoleccin de datos se muestran
en el siguiente cuadro:
Tabla 4.4. - Tcnicas e Instrumentos
Objetivos Especficos

Identificar la ubicacin y
distancias entre la empresa y
los clientes a ser atendidos.

Calcular la distancia recorrida

por el vehculo para la entrega
de productos en el modelo
propuesto

Proponer un modelo
matemtico para optimizar el
diseo de la ruta de
distribucin

Realizar un anlisis econmico

que mida la variacin en los
costos de distribucin pre y
post test

Tcnica

Instrumento

Escala

Observacin

Reporte de distancias en
el software Google Maps

Numrica

Anlisis

Reporte de ruta
propuesta por software
Lingo

Numrica

Anlisis

Reporte de costos en el
software excel

Numrica

Calcular los costos de

distribucin de la empresa en el
modelo propuesto
Fuente: Los Autores

1.4.1.1.

Tcnicas de anlisis de datos

29

Estadstica Descriptiva: Se utilizar para analizar el comportamiento

mensual de los costos de distribucin de los productos de la panificadora, a
travs de la media, varianza, desviacin estndar.

Estadstica Inferencial:
Ho: 1 = 2

1: El promedio de los costos de distribucin pre test son iguales al post test

H1: 1 2

2: El promedio de los costos de distribucin pre test no son iguales al post test

1.5. Mtodos de anlisis de datos

La tcnica estadstica seleccionada para el procesamiento y anlisis de datos
en la investigacin es: T de Student para muestras relacionadas, ya que se
cuenta con una variable dependiente numrica (Costos de Distribucin) y una
variable independiente nominal dicotmica (Diseo de Rutas).

Tabla 4.5. Costos de Distribucin (Combustible)

Mes

Costo Combustible PreTest

Costo Combustible PostTest

S/.

125,00

S/.

112,00

S/.

132,00

S/.

112,00

S/.

129,00

S/.

112,00

S/.

137,00

S/.

112,00

S/.

128,00

S/.

112,00

S/.

134,00

S/.

112,00

Promedio

S/.
130,83

S/.
112,00

30

Elaboracin: Los Autores

Se escogi un nivel de significancia del 5%

Grfico 4.1. Prueba T de Student con Solver

Fuente: Software Microsoft Excel

Elaboracin: Los Autores

Tabla 4.6 Resultados Prueba T Student con Solver

Prueba t para medias de dos muestras emparejadas
Variable 1 Variable

31

2
Media
130,83333
Varianza
18,966667
Observaciones
6
Coeficiente de correlacin de
Pearson
#DIV/0!
Diferencia hipottica de las medias
0
Grados de libertad
5
Estadstico t
10,592716
P(T<=t) una cola
6,481E-05
Valor crtico de t (una cola)
2,0150484
P(T<=t) dos colas
0,0001296
Valor crtico de t (dos colas)
2,5705818
Fuente: Software Excel

112
0
6

Elaboracin: Los Autores

Una vez realizada la prueba T de Student con la herramienta Solver del software
Microsoft Excel se puede tomar la decisin de aceptar la Hiptesis 1 al analizar que el
valor del estadstico t (10,592716) es mayor que el valor crtico t de dos colas
(2,5705818).
Por lo que se concluye que el promedio de los costos de distribucin pre test no son
iguales al promedio de los costos de distribucin del post test con un nivel de confianza
del 95%
Esta prueba permiti verificar que las mejoras significativas en los costos de
combustible son a causa del modelo de optimizacin de rutas que se plante para dar
solucin a la problemtica afrontada.

32

32

CAPTULO V: SOLUCIN PROPUESTA

Para dar solucin al problema se siguieron los siguientes pasos:

Toma de distancias entre puntos

Se tom la distancia recorrida desde la panadera y pastelera hacia los clientes y las distancias entre clientes
Cuadro 5.1. Matriz de distancias entre los nodos

Fuente: Google Maps

Elaboracin: Los Autores

33

Variables de decisin

Se utilizaron las variables binarias.

Yij = 1 Decisin de ir o no desde el nodo i hacia el nodo j

I:1,2,3,4,5,6,7,8,9,10,11,12,13,14,15,16,17,18,19,20
J:1,2,3,4,5,6,7,8,9,10,11,12,13,14,15,16,17,18,19,20
Nodo1: Panadera y Pastelera SANTIPAN SAC.

Nodo 11: Don Goyito

Nodo 2: Bodega Don Jos

Nodo 12: Bodega Los Reyes

Nodo 3: Bodega Csar

Nodo 13: La Ta Janet

Nodo 4: Bazar Phillips

Nodo 14: Tienda Natividad

Nodo 5: Tienda Hermanos Unidos

Nodo 15: Bodega Pedrito

Nodo 6: Bodega La Esperanza

Nodo 16: Comercial Gladys

Nodo 7: Bodega Rosita

Nodo 17: Bodega Gloria

Nodo 8: Bodega Ashlly

Nodo 18: Bodega-Bazar Marleny

Nodo 9: Comercial Terrones

Nodo 19: Bodega YSA

Nodo 10: Harinas del Norte

Nodo 20: Bodega San Jos

O Caso contrario

Clientes

Los clientes pasan a ser los nodos para formar la ruta de entrega de pasteles que
minimice el costo de distribucin. En el siguiente grfico se muestra la ubicacin de
cada nodo

34

Grfico 5.1 Mapeo SANTIPAN SAC y clientes de La Esperanza

Fuente: Google Maps

Elaboracin: Los Autores

35

Restricciones en la programacin

Se formularon restricciones que permitieron plantear relaciones entre las variables de

decisin y magnitudes que den sentido a la solucin del problema, acotndolas a valores
factibles. Las restricciones planteadas fueron para que:
El vehculo llegue 1 y salga 1 sola vez de cada nodo
Exista prioridad de atencin al cliente: Bodega YSA
Si sale del nodo i al nodo j, ya no regresa del nodo j a i
Definir las variables como binarias

Se elabor una matriz con los 20 nodos, en este caso 19 clientes y la panadera,
previamente se realizaron las medidas de las distancias en kilmetros (distancias entre
los nodos y las distancias de la panadera con cada punto de reparto) con la ayuda del
Google Maps.
1. Programacin Lineal:
Se hizo uso del programa LINGO el cual permiti hallar la mejor solucin en el
problema planteado
El objetivo del problema es hallar una ruta en la cual se recorra la mnima distancia para
que se visite una sola vez a cada cliente.
Se minimizo las distancias recorridas en la ruta diseada y las restricciones fueron las
que permitieron que ciertas trayectorias sean utilizadas en la solucin.

2. Planteamiento en LINGO:
Funcin Objetivo: Minimizar la distancia recorrida
Los coeficientes representan las distancias entre los nodos en kilmetros, segn se
muestra en la matriz (Cuadro 5.1.)

36

MIN
Z=500*y1_1+0.55*y1_2+0.75*y1_3+1.4*y1_4+1.4*y1_5+1.8*y1_6+2.8*y1_7+2.7*y1
_8+1.9*y1_9+1.9*y1_10+3*y1_11+2.2*y1_12+1.6*y1_13+1.7*y1_14+2*y1_15+1.2*
y1_16+1.2*y1_17+1.1*y1_18+0.8*y1_19+0.5*y1_20+
0.55*y2_1+500*y2_2+0.35*y2_3+0.9*y2_4+1.2*y2_5+1.8*y2_6+2.5*y2_7+2.6*y2_8
+1.9*y2_9+1.8*y2_10+2.9*y2_11+2.2*y2_12+1.7*y2_13+1.7*2_14+1.9*y2_15+1.1*
y2_16+1.2*y2_17+1.1*y2_18+0.5*y2_19+0.85*y2_20+
0.75*y3_1+0.35*y3_2+500*y3_3+0.9*y3_4+0.8*y3_5+1.2*y3_6+1.9*y3_7+2.1*y3_8
+1.3*y3_9+1.3*y3_10+2.3*y3_11+1.6*y3_12+1*y3_13+1.2*y3_14+1.7*y3_15+1.3*y
3_16+1*y3_17+0.95*y3_18+0.19*y3_19+1.1*y3_20+
1.4*y4_1+0.9*y4_2+0.9*y4_3+500*y4_4+0.85*y4_5+1.4*y4_6+2*y4_7+2.2*y4_8+1.
5*y4_9+1.4*y4_10+2.5*y4_11+1.8*y4_12+1.2*y4_13+1.4*y4_14+1.9*y4_15+1.9*y4
_16+1.6*y4_17+1.4*y4_18+1*y4_19+1.7*y4_20+
1.4*y5_1+1.2*y5_2+0.8*y5_3+0.85*y5_4+500*y5_5+0.9*y5_6+1.1*y5_7+1.6*y5_8+
1*y5_9+0.95*y5_10+2*y5_11+1.3*y5_12+0.8*y5_13+1.1*y5_14+1.6*y5_15+2*y5_1
6+1.4*y5_17+1.2*y5_18+0.85*y5_19+1.8*y5_20+
1.8*y6_1+1.8*y6_2+1.2*y6_3+1.4*y6_4+0.9*y6_5+500*y6_6+1.2*y6_7+0.85*y6_8+
0.08*y6_9+0.35*y6_10+1.4*y6_11+1*y6_12+0.55*y6_13+0.85*y6_14+1.3*y6_15+1.
8*y6_16+1.2*y6_17+1*y6_18+1.2*y6_19+1.6*y6_20+
2.8*y7_1+2.5*y7_2+1.9*y7_3+2*y7_4+1.1*y7_5+1.2*y7_6+500*y7_7+1.2*y7_8+1*
y7_9+1.3*y7_10+2.1*y7_11+1.9*y7_12+1.5*y7_13+1.8*y7_14+2.3*y7_15+2.7*y7_1
6+2.1*y7_17+1.9*y7_18+1.7*y7_19+2.5*y7_20+
2.7*y8_1+2.6*y8_2+2.1*y8_3+2.2*y8_4+1.6*y8_5+0.85*y8_6+1.2*y8_7+500*y8_8+
0.75*y8_9+0.85*y8_10+1.2*y8_11+1.1*y8_12+1.1*y8_13+1*y8_14+1.4*y8_15+2.7*
y8_16+1.7*y8_17+1.6*y8_18+2*y8_19+2.8*y8_20+

37

1.9*y9_1+1.9*y9_2+1.3*y9_3+1.5*y9_4+1*y9_5+0.08*y9_6+1*y9_7+0.75*y9_8+50
0*y9_9+0.28*y9_10+1.3*y9_11+0.9*y9_12+0.45*y9_13+0.8*y9_14+1.2*y9_15+1.7*
y9_16+1.1*y9_17+1*y9_18+1.2*y9_19+1.5*y9_20+
1.9*y10_1+1.8*y10_2+1.3*y10_3+1.4*y10_4+0.95*y10_5+0.35*y10_6+1.3*y10_7+0
.85*y10_8+0.28*y10_9+500*y10_10+1*y10_11+0.6*y10_12+0.28*y10_13+0.5*y10_
14+1*y10_15+1.5*y10_16+0.85*y10_17+0.8*y10_18+1.2*y10_19+1.5*y10_20+
3*y11_1+2.9*y11_2+2.3*y11_3+2.5*y11_4+2*y11_5+1.4*y11_6+2.1*y11_7+1.2*y11
_8+1.3*y11_9+1*y11_10+500*y11_11+0.85*y11_12+1.4*y11_13+1.3*y11_14+1*y11
_15+1.8*y11_16+1.7*y11_17+1.8*y11_18+2.3*y11_19+2.4*y11_20+
2.2*y12_1+2.2*y12_2+1.6*y12_3+1.8*y12_4+1.3*y12_5+1*y12_6+1.9*y12_7+1.1*y
12_8+0.9*y12_9+0.6*y12_10+0.85*y12_11+500*y12_12+0.65*y12_13+0.5*y12_14+
0.35*y12_15+1.1*y12_16+1.1*y12_17+1.1*y12_18+1.5*y12_19+1.8*y12_20+
1.6*y13_1+1.7*y13_2+1*y13_3+1.2*y13_4+0.8*y13_5+0.55*y13_6+1.5*y13_7+1.1*
y13_8+0.45*y13_9+0.28*y13_10+1.4*y13_11+0.65*y13_12+500*y13_13+0.35*y13_
14+0.8*y13_15+1.3*y13_16+0.7*y13_17+0.65*y13_18+0.85*y13_19+1.2*y13_20+
1.7*y14_1+1.7*y14_2+1.2*y14_3+1.4*y14_4+1.1*y14_5+0.85*y14_6+1.8*y14_7+1*
y14_8+0.8*y14_9+0.5*y14_10+1.3*y14_11+0.5*y14_12+0.35*y14_13+500*y14_14+
0.45*y14_15+0.95*y14_16+0.5*y14_17+0.6*y14_18+1*y14_19+1.3*y14_20+
2*y15_1+1.9*y15_2+1.7*y15_3+1.9*y15_4+1.6*y15_5+1.3*y15_6+2.3*y15_7+1.4*
y15_8+1.2*y15_9+1*y15_10+1*y15_11+0.35*y15_12+0.8*y15_13+0.45*y15_14+50
0*y15_15+0.8*y15_16+0.7*y15_17+0.75*y15_18+1.2*y15_19+1.4*y15_20+
1.2*y16_1+1.1*y16_2+1.3*y16_3+1.9*y16_4+2*y16_5+1.8*y16_6+2.7*y16_7+2.7*y
16_8+1.7*y16_9+1.5*y16_10+1.8*y16_11+1.1*y16_12+1.3*y16_13+0.95*y16_14+0.
8*y16_15+500*y16_16+0.6*y16_17+0.8*y16_18+1.1*y16_19+0.65*y16_20+

38

1.2*y17_1+1.2*y17_2+1*y17_3+1.6*y17_4+1.4*y17_5+1.2*y17_6+2.1*y17_7+1.7*y
17_8+1.1*y17_9+0.85*y17_10+1.7*y17_11+1.1*y17_12+0.7*y17_13+0.5*y17_14+0.
7*y17_15+0.6*y17_16+500*y17_17+0.19*y17_18+0.5*y17_19+0.75*y17_20+
1.1*y18_1+1.1*y18_2+0.95*y18_3+1.4*y18_4+1.2*y18_5+1*y18_6+1.9*y18_7+1.6*
y18_8+1*y18_9+0.8*y18_10+1.8*y18_11+1.1*y18_12+0.65*y18_13+0.6*y18_14+0.7
5*y18_15+0.8*y18_16+0.19*y18_17+500*y18_18+0.45*y18_19+0.7*y18_20+
0.8*y19_1+0.5*y19_2+0.19*y19_3+1*y19_4+0.85*y19_5+1.2*y19_6+1.7*y19_7+2*
y19_8+1.2*y19_9+1.2*y19_10+2.3*y19_11+1.5*y19_12+0.85*y19_13+1*y19_14+1.2
*y19_15+1.1*y19_16+0.5*y19_17+0.45*y19_18+500*y19_19+0.85*y19_20+
0.5*y20_1+0.85*y20_2+1.1*y20_3+1.7*y20_4+1.8*y20_5+1.6*y20_6+2.5*y20_7+2.
8*y20_8+1.5*y20_9+1.5*y20_10+2.4*y20_11+1.8*y20_12+1.2*y20_13+1.3*y20_14+
1.4*y20_15+0.65*y20_16+0.75*y20_17+0.7*y20_18+0.85*y20_19+500*y20_20;
Restricciones:

Para que el vehculo llegue 1 y salga 1 sola vez de cada nodo

y1_1+y1_2+y1_3+y1_4+y1_5+y1_6+y1_7+y1_8+y1_9+y1_10+y1_11+y1_12+
y1_13+y1_14+y1_15+y1_16+y1_17+y1_18+y1_19+y1_20=1;
y2_1+y2_2+y2_3+y2_4+y2_5+y2_6+y2_7+y2_8+y2_9+y2_10+y2_11+y2_12+
y2_13+y2_14+y2_15+y2_16+y2_17+y2_18+y2_19+y2_20=1;
y3_1+y3_2+y3_3+y3_4+y3_5+y3_6+y3_7+y3_8+y3_9+y3_10+y3_11+y3_12+
y3_13+y3_14+y3_15+y3_16+y3_17+y3_18+y3_19+y3_20=1;
y4_1+y4_2+y4_3+y4_4+y4_5+y4_6+y4_7+y4_8+y4_9+y4_10+y4_11+y4_12+
y4_13+y4_14+y4_15+y4_16+y4_17+y4_18+y4_19+y4_20=1;

39

y5_1+y5_2+y5_3+y5_4+y5_5+y5_6+y5_7+y5_8+y5_9+y5_10+y5_11+y5_12+
y5_13+y5_14+y5_15+y5_16+y5_17+y5_18+y5_19+y5_20=1;
y6_1+y6_2+y6_3+y6_4+y6_5+y6_6+y6_7+y6_8+y6_9+y6_10+y6_11+y6_12+
y6_13+y6_14+y6_15+y6_16+y6_17+y6_18+y6_19+y6_20=1;
y7_1+y7_2+y7_3+y7_4+y7_5+y7_6+y7_7+y7_8+y7_9+y7_10+y7_11+y7_12+
y7_13+y7_14+y7_15+y7_16+y7_17+y7_18+y7_19+y7_20=1;
y8_1+y8_2+y8_3+y8_4+y8_5+y8_6+y8_7+y8_8+y8_9+y8_10+y8_11+y8_12+
y8_13+y8_14+y8_15+y8_16+y8_17+y8_18+y8_19+y8_20=1;
y9_1+y9_2+y9_3+y9_4+y9_5+y9_6+y9_7+y9_8+y9_9+y9_10+y9_11+y9_12+
y9_13+y9_14+y9_15+y9_16+y9_17+y9_18+y9_19+y9_20=1;
y10_1+y10_2+y10_3+y10_4+y10_5+y10_6+y10_7+y10_8+y10_9+y10_10+y1
0_11+y10_12+y10_13+y10_14+y10_15+y10_16+y10_17+y10_18+y10_19+y1
0_20=1;
y11_1+y11_2+y11_3+y11_4+y11_5+y11_6+y11_7+y11_8+y11_9+y11_10+y11
_11+y11_12+y11_13+y11_14+y11_15+y11_16+y11_17+y11_18+y11_19+y11_
20=1;
y12_1+y12_2+y12_3+y12_4+y12_5+y12_6+y12_7+y12_8+y12_9+y12_10+y1
2_11+y12_12+y12_13+y12_14+y12_15+y12_16+y12_17+y12_18+y12_19+y1
2_20=1;
y13_1+y13_2+y13_3+y13_4+y13_5+y13_6+y13_7+y13_8+y13_9+y13_10+y1
3_11+y13_12+y13_13+y13_14+y13_15+y13_16+y13_17+y13_18+y13_19+y1
3_20=1;

40

y14_1+y14_2+y14_3+y14_4+y14_5+y14_6+y14_7+y14_8+y14_9+y14_10+y1
4_11+y14_12+y14_13+y14_14+y14_15+y14_16+y14_17+y14_18+y14_19+y1
4_20=1;
y15_1+y15_2+y15_3+y15_4+y15_5+y15_6+y15_7+y15_8+y15_9+y15_10+y1
5_11+y15_12+y15_13+y15_14+y15_15+y15_16+y15_17+y15_18+y15_19+y1
5_20=1;
y16_1+y16_2+y16_3+y16_4+y16_5+y16_6+y16_7+y16_8+y16_9+y16_10+y1
6_11+y16_12+y16_13+y16_14+y16_15+y16_16+y16_17+y16_18+y16_19+y1
6_20=1;
y17_1+y17_2+y17_3+y17_4+y17_5+y17_6+y17_7+y17_8+y17_9+y17_10+y1
7_11+y17_12+y17_13+y17_14+y17_15+y17_16+y17_17+y17_18+y17_19+y1
7_20=1;
y18_1+y18_2+y18_3+y18_4+y18_5+y18_6+y18_7+y18_8+y18_9+y18_10+y1
8_11+y18_12+y18_13+y18_14+y18_15+y18_16+y18_17+y18_18+y18_19+y1
8_20=1;
y19_1+y19_2+y19_3+y19_4+y19_5+y19_6+y19_7+y19_8+y19_9+y19_10+y1
9_11+y19_12+y19_13+y19_14+y19_15+y19_16+y19_17+y19_18+y19_19+y1
9_20=1;
y20_1+y20_2+y20_3+y20_4+y20_5+y20_6+y20_7+y20_8+y20_9+y20_10+y2
0_11+y20_12+y20_13+y20_14+y20_15+y20_16+y20_17+y20_18+y20_19+y2
0_20=1;

Y1_1+y2_1+y3_1+y4_1+y5_1+y6_1+y7_1+y8_1+y9_1+y10_1+y11_1+y12_1
+y13_1+y14_1+y15_1+y16_1+y17_1+y18_1+y19_1+y20_1=1;

41

Y1_2+y2_2+y3_2+y4_2+y5_2+y6_2+y7_2+y8_2+y9_2+y10_2+y11_2+y12_2
+y13_2+y14_2+y15_2+y16_2+y17_2+y18_2+y19_2+y20_2=1;
Y1_3+y2_3+y3_3+y4_3+y5_3+y6_3+y7_3+y8_3+y9_3+y10_3+y11_3+y12_3
+y13_3+y14_3+y15_3+y16_3+y17_3+y18_3+y19_3+y20_3=1;
Y1_4+y2_4+y3_4+y4_4+y5_4+y6_4+y7_4+y8_4+y9_4+y10_4+y11_4+y12_4
+y13_4+y14_4+y15_4+y16_4+y17_4+y18_4+y19_4+y20_4=1;
Y1_5+y2_5+y3_5+y4_5+y5_5+y6_5+y7_5+y8_5+y9_5+y10_5+y11_5+y12_5
+y13_5+y14_5+y15_5+y16_5+y17_5+y18_5+y19_5+y20_5=1;
Y1_6+y2_6+y3_6+y4_6+y5_6+y6_6+y7_6+y8_6+y9_6+y10_6+y11_6+y12_6
+y13_6+y14_6+y15_6+y16_6+y17_6+y18_6+y19_6+y20_6=1;
Y1_7+y2_7+y3_7+y4_7+y5_7+y6_7+y7_7+y8_7+y9_7+y10_7+y11_7+y12_7
+y13_7+y14_7+y15_7+y16_7+y17_7+y18_7+y19_7+y20_7=1;
Y1_8+y2_8+y3_8+y4_8+y5_8+y6_8+y7_8+y8_8+y9_8+y10_8+y11_8+y12_8
+y13_8+y14_8+y15_8+y16_8+y17_8+y18_8+y19_8+y20_8=1;
Y1_9+y2_9+y3_9+y4_9+y5_9+y6_9+y7_9+y8_9+y9_9+y10_9+y11_9+y12_9
+y13_9+y14_9+y15_9+y16_9+y17_9+y18_9+y19_9+y20_9=1;
Y1_10+y2_10+y3_10+y4_10+y5_10+y6_10+y7_10+y8_10+y9_10+y10_10+y1
1_10+y12_10+y13_10+y14_10+y15_10+y16_10+y17_10+y18_10+y19_10+y2
0_10=1;
Y1_11+y2_11+y3_11+y4_11+y5_11+y6_11+y7_11+y8_11+y9_11+y10_11+y1
1_11+y12_11+y13_11+y14_11+y15_11+y16_11+y17_11+y18_11+y19_11+y20
_11=1;

42

Y1_12+y2_12+y3_12+y4_12+y5_12+y6_12+y7_12+y8_12+y9_12+y10_12+y1
1_12+y12_12+y13_12+y14_12+y15_12+y16_12+y17_12+y18_12+y19_12+y2
0_12=1;
Y1_13+y2_13+y3_13+y4_13+y5_13+y6_13+y7_13+y8_13+y9_13+y10_13+y1
1_13+y12_13+y13_13+y14_13+y15_13+y16_13+y17_13+y18_13+y19_13+y2
0_13=1;
Y1_14+y2_14+y3_14+y4_14+y5_14+y6_14+y7_14+y8_14+y9_14+y10_14+y1
1_14+y12_14+y13_14+y14_14+y15_14+y16_14+y17_14+y18_14+y19_14+y2
0_14=1;
Y1_15+y2_15+y3_15+y4_15+y5_15+y6_15+y7_15+y8_15+y9_15+y10_15+y1
1_15+y12_15+y13_15+y14_15+y15_15+y16_15+y17_15+y18_15+y19_15+y2
0_15=1;
Y1_16+y2_16+y3_16+y4_16+y5_16+y6_16+y7_16+y8_16+y9_16+y10_16+y1
1_16+y12_16+y13_16+y14_16+y15_16+y16_16+y17_16+y18_16+y19_16+y2
0_16=1;
Y1_17+y2_17+y3_17+y4_17+y5_17+y6_17+y7_17+y8_17+y9_17+y10_17+y1
1_17+y12_17+y13_17+y14_17+y15_17+y16_17+y17_17+y18_17+y19_17+y2
0_17=1;
Y1_18+y2_18+y3_18+y4_18+y5_18+y6_18+y7_18+y8_18+y9_18+y10_18+y1
1_18+y12_18+y13_18+y14_18+y15_18+y16_18+y17_18+y18_18+y19_18+y2
0_18=1;
Y1_19+y2_19+y3_19+y4_19+y5_19+y6_19+y7_19+y8_19+y9_19+y10_19+y1
1_19+y12_19+y13_19+y14_19+y15_19+y16_19+y17_19+y18_19+y19_19+y2
0_19=1;

43

Y1_20+y2_20+y3_20+y4_20+y5_20+y6_20+y7_20+y8_20+y9_20+y10_20+y1
1_20+y12_20+y13_20+y14_20+y15_20+y16_20+y17_20+y18_20+y19_20+y2
0_20=1;

Para que exista prioridad al cliente: Bodega YSA

Y1_19=1;

Si sale del nodo i al nodo j, ya no regresa del nodo j a i

Y1_2+Y2_1<=1;
Y1_3+Y3_1<=1;

Y2_3+Y3_2<=1;

Y1_4+Y4_1<=1;

Y2_4+Y4_2<=1;

Y1_5+Y5_1<=1;

Y2_5+Y5_2<=1;

Y1_6+Y6_1<=1;

Y2_6+Y6_2<=1;

Y1_7+Y7_1<=1;

Y2_7+Y7_2<=1;

Y1_8+Y8_1<=1;

Y2_8+Y8_2<=1;

Y1_9+Y9_1<=1;

Y2_9+Y9_2<=1;

Y1_10+Y10_1<=1;

Y2_10+Y10_2<=1;

Y1_11+Y11_1<=1;

Y2_11+Y11_2<=1;

Y1_12+Y12_1<=1;

Y2_12+Y12_2<=1;

Y1_13+Y13_1<=1;

Y2_13+Y13_2<=1;

Y1_14+Y14_1<=1;

Y2_14+Y14_2<=1;

Y1_15+Y15_1<=1;

Y2_15+Y15_2<=1;

Y1_16+Y16_1<=1;

Y2_16+Y16_2<=1;

Y1_17+Y17_1<=1;

Y2_17+Y17_2<=1;

Y1_18+Y18_1<=1;

Y2_18+Y18_2<=1;

Y1_19+Y19_1<=1;

Y2_19+Y19_2<=1;

Y1_20+Y20_1<=1;

Y2_20+Y20_2<=1;

44

Y3_4+Y4_3<=1;

Y4_19+Y19_4<=1;

Y3_5+Y5_3<=1;

Y4_20+Y20_4<=1;

Y3_6+Y6_3<=1;

Y5_6+Y6_5<=1;

Y3_7+Y7_3<=1;

Y5_7+Y7_5<=1;

Y3_8+Y8_3<=1;

Y5_8+Y8_5<=1;

Y3_9+Y9_3<=1;

Y5_9+Y9_5<=1;

Y3_10+Y10_3<=1;

Y5_10+Y10_5<=1;

Y3_11+Y11_3<=1;

Y5_11+Y11_5<=1;

Y3_12+Y12_3<=1;

Y5_12+Y12_5<=1;

Y3_13+Y13_3<=1;

Y5_13+Y13_5<=1;

Y3_14+Y14_3<=1;

Y5_14+Y14_5<=1;

Y3_15+Y15_3<=1;

Y5_15+Y15_5<=1;

Y3_16+Y16_3<=1;

Y5_16+Y16_5<=1;

Y3_17+Y17_3<=1;

Y5_17+Y17_5<=1;

Y3_18+Y18_3<=1;

Y5_18+Y18_5<=1;

Y3_19+Y19_3<=1;

Y5_19+Y19_5<=1;

Y3_20+Y20_3<=1;

Y5_20+Y20_5<=1;

Y4_5+Y5_4<=1;

Y6_7+Y7_6<=1;

Y4_6+Y6_4<=1;

Y6_8+Y8_6<=1;

Y4_7+Y7_4<=1;

Y6_9+Y9_6<=1;

Y4_8+Y8_4<=1;

Y6_10+Y10_6<=1;

Y4_9+Y9_4<=1;

Y6_11+Y11_6<=1;

Y4_10+Y10_4<=1;

Y6_12+Y12_6<=1;

Y4_11+Y11_4<=1;

Y6_13+Y13_6<=1;

Y4_12+Y12_4<=1;

Y6_14+Y14_6<=1;

Y4_13+Y13_4<=1;

Y6_15+Y15_6<=1;

Y4_14+Y14_4<=1;

Y6_16+Y16_6<=1;

Y4_15+Y15_4<=1;

Y6_17+Y17_6<=1;

Y4_16+Y16_4<=1;

Y6_18+Y18_6<=1;

Y4_17+Y17_4<=1;

Y6_19+Y19_6<=1;

Y4_18+Y18_4<=1;

Y6_20+Y20_6<=1;

45

Y7_8+Y8_7<=1;

Y8_19+Y19_8<=1;

Y7_9+Y9_7<=1;

Y8_20+Y20_8<=1;

Y7_10+Y10_7<=1;

Y9_10+Y10_9<=1;

Y7_11+Y11_7<=1;

Y9_11+Y11_9<=1;

Y7_12+Y12_7<=1;

Y9_12+Y12_9<=1;

Y7_13+Y13_7<=1;

Y9_13+Y13_9<=1;

Y7_14+Y14_7<=1;

Y9_14+Y14_9<=1;

Y7_15+Y15_7<=1;

Y9_15+Y15_9<=1;

Y7_16+Y16_7<=1;

Y9_16+Y16_9<=1;

Y7_17+Y17_7<=1;

Y9_17+Y17_9<=1;

Y7_18+Y18_7<=1;

Y9_18+Y18_9<=1;

Y7_19+Y19_7<=1;

Y9_19+Y19_9<=1;

Y7_20+Y20_7<=1;

Y9_20+Y20_9<=1;

Y8_9+Y9_8<=1;

Y10_11+Y11_10<=1;

Y8_10+Y10_8<=1;

Y10_12+Y12_10<=1;

Y8_11+Y11_8<=1;

Y10_13+Y13_10<=1;

Y8_12+Y12_8<=1;

Y10_14+Y14_10<=1;

Y8_13+Y13_8<=1;

Y10_15+Y15_10<=1;

Y8_14+Y14_8<=1;

Y10_16+Y16_10<=1;

Y8_15+Y15_8<=1;

Y10_17+Y17_10<=1;

Y8_16+Y16_8<=1;

Y10_18+Y18_10<=1;

Y8_17+Y17_8<=1;

Y10_19+Y19_10<=1;

Y8_18+Y18_8<=1;

Y10_20+Y20_10<=1;

46

Y11_12+Y12_11<=1;

Y14_15+Y15_14<=1;

Y11_13+Y13_11<=1;

Y14_16+Y16_14<=1;

Y11_14+Y14_11<=1;

Y14_17+Y17_14<=1;

Y11_15+Y15_11<=1;

Y14_18+Y18_14<=1;

Y11_16+Y16_11<=1;

Y14_19+Y19_14<=1;

Y11_17+Y17_11<=1;

Y14_20+Y20_14<=1;

Y11_18+Y18_11<=1;
Y11_19+Y19_11<=1;

Y15_16+Y16_15<=1;

Y11_20+Y20_11<=1;

Y15_17+Y17_15<=1;
Y15_18+Y18_15<=1;

Y12_13+Y13_12<=1;

Y15_19+Y19_15<=1;

Y12_14+Y14_12<=1;

Y15_20+Y20_15<=1;

Y12_15+Y15_12<=1;
Y12_16+Y16_12<=1;

Y16_17+Y17_16<=1;

Y12_17+Y17_12<=1;

Y16_18+Y18_16<=1;

Y12_18+Y18_12<=1;

Y16_19+Y19_16<=1;

Y12_19+Y19_12<=1;

Y16_20+Y20_16<=1;

Y12_20+Y20_12<=1;
Y17_18+Y18_17<=1;
Y13_14+Y14_13<=1;

Y17_19+Y19_17<=1;

Y13_15+Y15_13<=1;

Y17_20+Y20_17<=1;

Y13_16+Y16_13<=1;
Y13_17+Y17_13<=1;

Y18_19+Y19_18<=1;

Y13_18+Y18_13<=1;

Y18_20+Y20_18<=1;

Y13_19+Y19_13<=1;
Y13_20+Y20_13<=1;

Y19_20+Y20_19<=1;

47

Para definir las variables como binarias

@BIN(Y1_1);

@BIN(Y2_1);

@BIN(Y3_1);

@BIN(Y1_2);

@BIN(Y2_2);

@BIN(Y3_2);

@BIN(Y1_3);

@BIN(Y2_3);

@BIN(Y3_3);

@BIN(Y1_4);

@BIN(Y2_4);

@BIN(Y3_4);

@BIN(Y1_5);

@BIN(Y2_5);

@BIN(Y3_5);

@BIN(Y1_6);

@BIN(Y2_6);

@BIN(Y3_6);

@BIN(Y1_7);

@BIN(Y2_7);

@BIN(Y3_7);

@BIN(Y1_8);

@BIN(Y2_8);

@BIN(Y3_8);

@BIN(Y1_9);

@BIN(Y2_9);

@BIN(Y3_9);

@BIN(Y1_10);

@BIN(Y2_10);

@BIN(Y3_10);

@BIN(Y1_11);

@BIN(Y2_11);

@BIN(Y3_11);

@BIN(Y1_12);

@BIN(Y2_12);

@BIN(Y3_12);

@BIN(Y1_13);

@BIN(Y2_13);

@BIN(Y3_13);

@BIN(Y1_14);

@BIN(Y2_14);

@BIN(Y3_14);

@BIN(Y1_15);

@BIN(Y2_15);

@BIN(Y3_15);

@BIN(Y1_16);

@BIN(Y2_16);

@BIN(Y3_16);

@BIN(Y1_17);

@BIN(Y2_17);

@BIN(Y3_17);

@BIN(Y1_18);

@BIN(Y2_18);

@BIN(Y3_18);

@BIN(Y1_19);

@BIN(Y2_19);

@BIN(Y3_19);

@BIN(Y1_20);

@BIN(Y2_20);

@BIN(Y3_20);

48

@BIN(Y4_1);

@BIN(Y5_1);

@BIN(Y6_1);

@BIN(Y4_2);

@BIN(Y5_2);

@BIN(Y6_2);

@BIN(Y4_3);

@BIN(Y5_3);

@BIN(Y6_3);

@BIN(Y4_4);

@BIN(Y5_4);

@BIN(Y6_4);

@BIN(Y4_5);

@BIN(Y5_5);

@BIN(Y6_5);

@BIN(Y4_6);

@BIN(Y5_6);

@BIN(Y6_6);

@BIN(Y4_7);

@BIN(Y5_7);

@BIN(Y6_7);

@BIN(Y4_8);

@BIN(Y5_8);

@BIN(Y6_8);

@BIN(Y4_9);

@BIN(Y5_9);

@BIN(Y6_9);

@BIN(Y4_10);

@BIN(Y5_10);

@BIN(Y6_10);

@BIN(Y4_11);

@BIN(Y5_11);

@BIN(Y6_11);

@BIN(Y4_12);

@BIN(Y5_12);

@BIN(Y6_12);

@BIN(Y4_13);

@BIN(Y5_13);

@BIN(Y6_13);

@BIN(Y4_14);

@BIN(Y5_14);

@BIN(Y6_14);

@BIN(Y4_15);

@BIN(Y5_15);

@BIN(Y6_15);

@BIN(Y4_16);

@BIN(Y5_16);

@BIN(Y6_16);

@BIN(Y4_17);

@BIN(Y5_17);

@BIN(Y6_17);

@BIN(Y4_18);

@BIN(Y5_18);

@BIN(Y6_18);

@BIN(Y4_19);

@BIN(Y5_19);

@BIN(Y6_19);

@BIN(Y4_20);

@BIN(Y5_20);

@BIN(Y6_20);

49

@BIN(Y7_1);

@BIN(Y8_1);

@BIN(Y9_1);

@BIN(Y7_2);

@BIN(Y8_2);

@BIN(Y9_2);

@BIN(Y7_3);

@BIN(Y8_3);

@BIN(Y9_3);

@BIN(Y7_4);

@BIN(Y8_4);

@BIN(Y9_4);

@BIN(Y7_5);

@BIN(Y8_5);

@BIN(Y9_5);

@BIN(Y7_6);

@BIN(Y8_6);

@BIN(Y9_6);

@BIN(Y7_7);

@BIN(Y8_7);

@BIN(Y9_7);

@BIN(Y7_8);

@BIN(Y8_8);

@BIN(Y9_8);

@BIN(Y7_9);

@BIN(Y8_9);

@BIN(Y9_9);

@BIN(Y7_10);

@BIN(Y8_10);

@BIN(Y9_10);

@BIN(Y7_11);

@BIN(Y8_11);

@BIN(Y9_11);

@BIN(Y7_12);

@BIN(Y8_12);

@BIN(Y9_12);

@BIN(Y7_13);

@BIN(Y8_13);

@BIN(Y9_13);

@BIN(Y7_14);

@BIN(Y8_14);

@BIN(Y9_14);

@BIN(Y7_15);

@BIN(Y8_15);

@BIN(Y9_15);

@BIN(Y7_16);

@BIN(Y8_16);

@BIN(Y9_16);

@BIN(Y7_17);

@BIN(Y8_17);

@BIN(Y9_17);

@BIN(Y7_18);

@BIN(Y8_18);

@BIN(Y9_18);

@BIN(Y7_19);

@BIN(Y8_19);

@BIN(Y9_19);

@BIN(Y7_20);

@BIN(Y8_20);

@BIN(Y9_20);

50

@BIN(Y10_1);

@BIN(Y10_18)

@BIN(Y11_18);

@BIN(Y10_2);

@BIN(Y11_19);

@BIN(Y10_3);

@BIN(Y10_19)

@BIN(Y11_20);

@BIN(Y10_4);

@BIN(Y10_5);

@BIN(Y10_20)

@BIN(Y12_1);

@BIN(Y10_6);

@BIN(Y12_2);

@BIN(Y10_7);

@BIN(Y12_3);

@BIN(Y10_8);

@BIN(Y11_1);

@BIN(Y12_4);

@BIN(Y10_9);

@BIN(Y11_2);

@BIN(Y12_5);

@BIN(Y10_10)

@BIN(Y11_3);

@BIN(Y12_6);

@BIN(Y11_4);

@BIN(Y12_7);

@BIN(Y10_11);

@BIN(Y11_5);

@BIN(Y12_8);

@BIN(Y10_12)

@BIN(Y11_6);

@BIN(Y12_9);

@BIN(Y11_7);

@BIN(Y12_10);

@BIN(Y10_13)

@BIN(Y11_8);

@BIN(Y12_11);

@BIN(Y11_9);

@BIN(Y12_12);

@BIN(Y10_14)

@BIN(Y11_10);

@BIN(Y12_13);

@BIN(Y11_11);

@BIN(Y12_14);

@BIN(Y10_15)

@BIN(Y11_12);

@BIN(Y12_15);

@BIN(Y11_13);

@BIN(Y12_16);

@BIN(Y10_16)

@BIN(Y11_14);

@BIN(Y12_17);

@BIN(Y11_15);

@BIN(Y12_18);

@BIN(Y10_17)

@BIN(Y11_16);

@BIN(Y12_19);

@BIN(Y11_17);

@BIN(Y12_20);

51

52

@BIN(Y13_1);

@BIN(Y13_19)

@BIN(Y14_16);

@BIN(Y13_2);

@BIN(Y14_17);

@BIN(Y13_3);

@BIN(Y13_20)

@BIN(Y14_18);

@BIN(Y13_4);

@BIN(Y14_19);

@BIN(Y13_5);

@BIN(Y14_20);

@BIN(Y13_6);

@BIN(Y14_1);

@BIN(Y13_7);

@BIN(Y14_2);

@BIN(Y15_1);

@BIN(Y13_8);

@BIN(Y14_3);

@BIN(Y15_2);

@BIN(Y13_9);

@BIN(Y14_4);

@BIN(Y15_3);

@BIN(Y13_10)

@BIN(Y14_5);

@BIN(Y15_4);

@BIN(Y14_6);

@BIN(Y15_5);

@BIN(Y13_11);

@BIN(Y14_7);

@BIN(Y15_6);

@BIN(Y13_12)

@BIN(Y14_8);

@BIN(Y15_7);

@BIN(Y14_9);

@BIN(Y15_8);

@BIN(Y13_13)

@BIN(Y14_10)

@BIN(Y15_9);

@BIN(Y15_10);

@BIN(Y13_14)

@BIN(Y14_11);

@BIN(Y15_11);

@BIN(Y14_12)

@BIN(Y15_12);

@BIN(Y13_15)

@BIN(Y15_13);

@BIN(Y14_13)

@BIN(Y15_14);

@BIN(Y13_16)

@BIN(Y15_15);

@BIN(Y14_14)

@BIN(Y15_16);

@BIN(Y13_17)

@BIN(Y15_17);

@BIN(Y14_15)

@BIN(Y15_18);

@BIN(Y13_18)

@BIN(Y15_19);

@BIN(Y15_20);

53

@BIN(Y16_1);

@BIN(Y16_19)

@BIN(Y17_16);

@BIN(Y16_2);

@BIN(Y17_17);

@BIN(Y16_3);

@BIN(Y16_20)

@BIN(Y17_18);

@BIN(Y16_4);

@BIN(Y17_19);

@BIN(Y16_5);

@BIN(Y17_20);

@BIN(Y16_6);

@BIN(Y17_1);

@BIN(Y16_7);

@BIN(Y17_2);

@BIN(Y18_1);

@BIN(Y16_8);

@BIN(Y17_3);

@BIN(Y18_2);

@BIN(Y16_9);

@BIN(Y17_4);

@BIN(Y18_3);

@BIN(Y16_10)

@BIN(Y17_5);

@BIN(Y18_4);

@BIN(Y17_6);

@BIN(Y18_5);

@BIN(Y16_11);

@BIN(Y17_7);

@BIN(Y18_6);

@BIN(Y16_12)

@BIN(Y17_8);

@BIN(Y18_7);

@BIN(Y17_9);

@BIN(Y18_8);

@BIN(Y16_13)

@BIN(Y17_10)

@BIN(Y18_9);

@BIN(Y18_10);

@BIN(Y16_14)

@BIN(Y17_11);

@BIN(Y18_11);

@BIN(Y17_12)

@BIN(Y18_12);

@BIN(Y16_15)

@BIN(Y18_13);

@BIN(Y17_13)

@BIN(Y18_14);

@BIN(Y16_16)

@BIN(Y18_15);

@BIN(Y17_14)

@BIN(Y18_16);

@BIN(Y16_17)

@BIN(Y18_17);

@BIN(Y17_15)

@BIN(Y18_18);

@BIN(Y16_18)

@BIN(Y18_19);

@BIN(Y18_20);

54

@BIN(Y19_1);

@BIN(Y20_1);

@BIN(Y19_2);

@BIN(Y20_2);

@BIN(Y19_3);

@BIN(Y20_3);

@BIN(Y19_4);

@BIN(Y20_4);

@BIN(Y19_5);

@BIN(Y20_5);

@BIN(Y19_6);

@BIN(Y20_6);

@BIN(Y19_7);

@BIN(Y20_7);

@BIN(Y19_8);

@BIN(Y20_8);

@BIN(Y19_9);

@BIN(Y20_9);

@BIN(Y19_10);

@BIN(Y20_10);

@BIN(Y19_11);

@BIN(Y20_11);

@BIN(Y19_12);

@BIN(Y20_12);

@BIN(Y19_13);

@BIN(Y20_13);

@BIN(Y19_14);

@BIN(Y20_14);

@BIN(Y19_15);

@BIN(Y20_15);

@BIN(Y19_16);

@BIN(Y20_16);

@BIN(Y19_17);

@BIN(Y20_17);

@BIN(Y19_18);

@BIN(Y20_18);

@BIN(Y19_19);

@BIN(Y20_19);

@BIN(Y19_20);

@BIN(Y20_20);

Este planteamiento fue ingresado al software LINGO obteniendo los siguientes

resultados que se pueden observar en los Anexos 3, los cuales formaron las siguientes
sub-rutas de distribucin:
Grfico 5.2 Formacin de Sub-Rutas en la Primera corrida

Fuente: Google Maps

Elaboracin: Los Autores

Se corri el modelo matemtico sin considerar la posibilidad de sub-tour, por eso la

solucin ptima inclua un sub-tour y para evitar este tipo de inconvenientes fue
necesario agregar la siguiente restriccin:
y5_6+y5_10+y5_9+y7_6+y7_10+y7_9+y6_5+y10_5+y9_5+y6_7+y10_7+y9_7>=1
Con este nuevo planteamiento que fue ingresado al software LINGO se obtuvo los
siguientes resultados que se pueden observar en el Anexo 4, el cual formo la ruta
ptima que minimizo las distancias recorridas para completar el ciclo de distribucin
de productos:
Grfico 5.3 Ruta ptima

Fuente: Google Maps

Elaboracin: Los Autores

CAPITULO VI: ANLISIS DE RESULTADOS Y

DISCUSION
1. RESULTADOS
Resultados Pre Test:
La trayectoria que actualmente se sigue en el proceso de distribucin de pasteles de
la empresa PANADERA Y PASTELERA SANTI-PAN S.A.C. es la siguiente:
1-19/ 19-20/ 20-16/ 16-17/ 17- 18/ 18-15/ 15-14/ 14-12/ 12-11/ 11-8/ 8-9/ 9-10/ 1013/ 13-6/ 6-7/ 7-5/ 5-4/ 4-3/ 3-2/ 2-1.
Todo este recorrido suma un total de 13.65 Km, lo cual se traduce en S/.125.23
mensuales, como se puede apreciar en la siguiente tabla:
Tabla 6.1.1. Datos PreTest
Distancia
Recorrida
(Km)
13,65

Razn S/./Km
0,76

Costo PreTest
(1 da)
S/.
10,44

Costo PreTest
(1 semana)
S/.
31,31

Costo PreTest
(1 Mes)
S/.
125,23

Fuente: Microsoft Excel

Elaboracin: Los Autores
Resultados Post Test:
La trayectoria ptima para cumplir con el proceso de distribucin de pasteles
arrojada por el software LINGO es la siguiente:
1-19/ 19-3/ 3-2/ 2-4/ 4-5/ 5-13/ 13-10/ 10-6/ 6-9/ 9-7/ 7-8/ 8-11/ 11-12/ 12-15/ 1514/14-18/ 18-17/17-16/ 16-20/ 20-1.

Todo este recorrido suma un total de 12.19 Km, lo cual se traduce en S/.111.83
mensuales, como se puede apreciar en la siguiente tabla:
Tabla 6.2.1. Datos PostTest
Distancia
Recorrida
(Km)
12,19

Razn S/./Km

Costo PostTest
(1 da)

Costo PostTest
(1 semana)

Costo PostTest
(1 Mes)

0,76

S/.
9,32

S/.
27,96

S/.
111,83

Fuente: Microsoft Excel

Elaboracin: Los Autores
2. ANLISIS Y DISCUSIN
Tabla 6.2.1. Comparacin de Ventas vs Costos Pre y Post Test
DATOS PROMEDIO
VENTAS
Costo Combustible Pre Test
Costo Combustible Post Test
Ahorro

MES
PORCENTAJE
S/. 4.633,33
100%
S/. 130,83
2,8%
S/. 111,83
2,4%
S/.
19,00
0,4%

Fuente: Microsoft Excel

Elaboracin: Los Autores
Se someten a contraste los resultados encontrados con los estudios antecedentes y
la base terica existente, concluyendo as, si estos corroboran, contradicen o
complementan la teora.
El resultado presentado en la tabla 6.2.1. Demuestra que las mejoras llevadas a
cabo en el proceso de distribucin, producto del diseo de rutas generado por la
programacin lineal en el software LINGO tienen un efecto significativo en los
costos de distribucin, obtenindose un ahorro medio de S/.19, puesto que
disminuye el costo en el pre test de S/.130,83 a S/.111,83 en el post test.

Es as que estos datos representan un ahorro porcentual del 0,4% del total de
volumen de ventas en un mes. Adems, estos resultados concuerdan con el estudio
realizado por Jarol Jerens Lugo Or (Ao 2012), en su tesis titulada
OPTIMIZACIN DE RUTAS EN LA DISTRIBUCIN DE PRODUCTOS DE
BELLEZA, presentada en la Pontificia Universidad Catlica del Per PUCP
ciudad de Lima, quien concluy en base a estadsticas evidenciales que el diseo de
una ruta ptima de distribucin de productos con la utilizacin de programacin
lineal genera el menor costo.
Como es de observar el postulado demostrado se respalda en el estudio antecedente
realizado, a su vez concuerda con la teora manejada entorno a las variables de
estudio, que sostienen el objetivo del problema de ruteo de vehculos (problema
general, dentro del cual es aplicable la programacin lineal) es entregar bienes a un
conjunto de clientes con demandas conocidas, al mnimo costo, encontrando las
rutas ptimas que se originan y terminan en un determinado deposito. (A., y otros,
2013)
De otro lado es preciso acatar que en la presente investigacin, solo se ha concluido
en el efecto significativo que tiene la mejora del diseo de rutas, haciendo uso de la
programacin lineal, limitndose al efecto que puede tener esta mejora pero no a
nivel de todos los componentes que determinan los costos de distribucin, sino slo
a nivel de costos de combustible.
3. CONCLUSIONES
El presente estudio concluye:

Mediante el uso de la programacin lineal con el software LINGO, se logr

disear una ruta ptima que minimice el costo del proceso de distribucin de
pasteles de la PANADERA Y PASTELERA SANTI-PAN S.A.C. en el
distrito de La Esperanza (Grfico 5.3)

Se identific la ubicacin de los clientes del distrito de La Esperanza, Trujillo,

generando una matriz de distancias entre los nodos (Cuadro 5.1)

Se propuso el diseo de la ruta ptima de distribucin de pasteles mediante un

modelo matemtico, logrando un ahorro de 1,46 km diarios de recorrido

Se obtuvo 12,19 km de distancia recorrida por el vehculo para la entrega de

productos en el modelo propuesto

Se obtuvieron los costos de distribucin promedio mensuales de la empresa

antes de aplicar la mejora propuesta mediante el modelo matemtico, cuyo
monto fue S/.130,83 ; mientras que los costos de distribucin promedio con el
modelo matemtico fueron S/.111,83

Se realiz un anlisis econmico que permiti medir la variacin de los costos

de distribucin antes de la propuesta de mejora mediante el modelo matemtico,
obteniendo como dato que estos representaban en promedio el 2.8% del volumen
total de ventas; mientras que con la aplicacin del modelo matemtico se obtuvo
un valor de 2,4% del volumen total de ventas, logrndose una disminucin de
0,4%.

4. RECOMENDACIONES

Utilizar los resultados obtenidos con el modelo para tomar decisiones ms

acertadas, con lo cual se consigue una planificacin ms eficaz del proceso de
distribucin de pasteles.

La ruta optimizada por el modelo, al ser plasmada en el mapa real debe ser
trazada segn las seales viales de trnsito correctas para reflejar un resultado
que se acerque a la realidad.

Para futuras investigaciones que se orienten a demostrar el efecto que tiene la

mejora del diseo de rutas mediante la programacin lineal en los costos de
distribucin, se recomienda realizar el estudio en empresas de mayor
envergadura en cuanto a volumen de ventas cuyo proceso principal sea la
distribucin de productos, para una mejor visualizacin de los ahorros
monetarios generados.

Bibliografa
A., Hermosilla y B., Barn. 2013. Centro Nacional de Computacin - Universidad
Nacional de Asuncin. Sitio web de CNC-UNA. [En lnea] 12 de Marzo de 2013.
http://www.cnc.una.py/invest/paper2/augCLEI.pdf. .
Ballou, Ronald H. 2004. Logstica. Administracin de la Cadena de Suministro.
Quinta. Mxico : Pearson Educacin, 2004. ISBN: 970-26-0540-7.
Moskowitz, Herbert y P. Wright, Gordon. 1982. Investigacin de Operaciones.
Primera. Mxico : PRENTICE HALL HISPANOAMERICANA, S.A., 1982. ISBN:
968-880-041-4.
Ros, Sixto. 1996. Investigacin operativa: programacin lineal y aplicaciones.
Madrid : Centro de Estudios Ramn Areces, 1996.
S. Hillier, Frederick y J. Lieberman, Gerald. 1997. Introduccin a la Investigacin
de Operaciones. Cuarta. Mxico : McGRAW-HILL INTERAMERICANA EDITORES
S.A., 1997. ISBN: 970-10-1022-1.
Taha, Hamdy. 2012. Investigacin de Operaciones. Novena. Mxico : Pearson
Educacin, 2012. ISBN: 978-607-32-0796-6.
Tamayo, Federico. 2012. Manufactura Informacin Estratgica para la Industria. [En
lnea] 08 de Junio de 2012.
http://www.manufactura.mx/industria/2012/06/07/alternativas-para-un-transporte-verde.
Torres, Mikel Maulen. 2006. Logstica y Costos. Mxico : Ediciones Daz de Santos,
2006. ISBN: 8479787414.

ANEXOS
Anexo 1. Ruta de Distribucin de Pasteles Actual

Fuente: Google Maps

Elaboracin: Los Autores
Anexo 2. Costos de Combustible, Gasolina de 95
Rendimiento
Precio
km/galon
S/./galon
20
15,29
Elaboracin: Los Autores

Razn
S/./Km
0,76

Costo PreTest (1
da)
10,44

Costo PostTest (1
da)
9,32

Anexo 3. Resultado de la primera corrida en el software LINGO

Anexo 4. Resultado de la segunda corrida eliminando el sub-tour para obtener la

ruta ptima.