Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Gestin Logstica
Marcela C. Gonzlez Araya
mgonzalez@utalca.cl
Departamento de Modelacin y Gestin Industrial
Facultad de Ingeniera, Universidad de Talca
Chile
Descripcin
Introduccin a la
Logstica
Modelos Aplicados a
la Gestin Logstica y
sus Principales
Resultados
Conclusiones
1
Descripcin
Logstica - Definicin
2
Canal de Distribucin
La logstica administra el flujo a travs del canal.
Minorista
Proveedor Fabricante Distribuidor Cliente
Abastecimiento
Distribucin
Globalizacin
+ clientes
+ puntos de venta
+ n de proveedores
Medios de
+ locales de oferta Transporte
3
Introduccin
Chile aspira a ubicarse, en la prxima dcada, dentro de
las diez primeras naciones exportadoras de alimentos del
mundo.
Introduccin
Esto implicara aumentar el empleo en la industria
alimenticia, el nivel de inversiones y la actividad en todos
los servicios relacionados.
4
Introduccin
FACTORES
Mercados competitivos y con
estndares ms exigentes
Margen de ganancia 9
Cadena de Suministro
Granjas Mataderos
10
5
Problemtica en los Huertos
Mala distribucin espacial de los bins
Huerto de Manzanos
Variedades Gala
Royal Gala
Imperial Gala
Scarlet
Manzano
Hilera
12
6
Tipo de Cosecha segn Variedades de Manzana
Barrido Floreo
Un nico recorrido Varios recorridos.
Se recolecta la Cosecha variable
totalidad de la fruta (% variable)
(100%)
13
14
7
Formulacin del Problema
Parmetros
M = conjunto de manzanos.
N = conjunto de ubicaciones potenciales para
los bins.
dij: Distancia desde un manzano a un bins.
p =Nmero de bins a localizar.
k = Capacidad de un bins.
15
Variables de decisin
Localizacin potencial de bins
1 ,si se ubica el bins en la localizacin j
yj =
0 ,en caso contrario
Asignacin de manzanos
1 ,si el manzano i se asigna al bins ubicado en la localizacin j
xij =
0 ,en caso contrario
16
8
Modelo de P-Medianas Capacitado
m n
d
Minimizar la suma de las distancias
Minimizar ij xij recorridas por los cosecheros desde
i =1 j =1 cada manzano hasta uno de los bins
n
x
j =1
ij = 1, i M , Cada manzano es asignado a un
nico bins.
x
i =1
ij ky j , j N, A lo ms se le puede asignar k
manzanos a cada bins.
n
y
j =1
j = p, Deben ser localizados p bins
yj {0,1}, jN,
xij {0,1}, iM, jN.
17
9m
Grupo 1
2 filas de
manzanos
Grupo 2
18
9
Variedades Rojas - Anlisis
Situacin
Propuesta Mejora
Actual
Eficiencia de
cosechadores 1,87 2,08 (+) 11%
(Bins/DaJornada)
19
Area: 5.000 m2
20
10
Variedades Galas - Resultados
Distancia recorrida segn % de cosecha
2500
2000
1500
Metros
1000
500
0
5 10 15 20 25 30 35 40 45 50 55 60 65 70
% de cosecha
21
Cuatro intervalos
22
11
Variedades Galas - Propuesta
10% 20%
30m 15m
23
9m 15m
24
12
Variedades Galas - Propuesta
40%+
4m 15m
25
Resumen de la Propuesta
13
Herramienta Computacional para Apoyar la
Distribucin de Bins en el Huerto
Seleccin de la
variedad a cosechar
Seleccin de la
variedad polinizante
del cuartel elegido
Antecedentes de
plantacin
Determinacin de la
opcin que se utiliza
como pronstico de
cosecha
27
28
14
Dificultades
La calidad de la fruta
vara entre los diferentes
productores.
La eficiencia de las
operarias vara entre s y
segn la etapa del
proceso en que es
asignada.
29
30
15
Herramientas de Investigacin de Operaciones
y de Ingeniera Industrial Utilizadas
Estudio de Tiempo
31
32
16
Modelo DEA BCC Orientado a Entradas
Output
Referencias
Input
33
Donde:
Para una dada DMU
Existen m inputs, s outputs y n
analizada (DMU0)
DMUs,
(BCCI) Min (1) = proporcin en que todos los
n
s.a. j xij + si = xi 0 , i = 1, ..., m, (2) inputs pueden ser reducidos ,
j =1 j = intensidad de la participacin
n
j =1 , (4)
benchmark,
j =1 xij = cantidad de input i
si, sr 0, i = 1, ..., m, r = 1, ..., s, consumido por la DMU j,
j 0, j = 1, ..., n, yrj = cantidad de output r
no restringida. producido por la DMU j,
si = holgura asociada al input i,
sr = holgura asociada al output 34r.
17
Modelo DEA BCC Orientado a Salidas
Output
Referencias
Input
35
j =1
j =1 , (8) xij = cantidad de input i
consumido por la DMU j,
si, sr 0, i = 1, ..., m, r = 1, ..., s, yrj = cantidad de output r
j 0, j = 1, ..., n, producido por la DMU j,
no restringida. si = holgura asociada al input i,
sr = holgura asociada al output r.
36
18
Unidad de Toma de Decisiones
Inputs Outputs
Numero de Bins
Trabajadores Procesados por
(NT) Hora (BH)
Costo Variable Porcentaje de
Unitario (CVU) Fruta Embalada
(%PE)
37
38
19
Anlisis de Eficiencia Usando DEA
La calidad de la manzana es un factor importante
en el proceso y se representa por la estimacin
del porcentaje de manzana embalada.
Buena calidad cuellos Mala calidad cuellos de
de botella en embalado botella en seleccin
39
20
Calificacin del Desempeo del Personal
41
42
21
Estudio de Tiempo
Objetivos:
Registrar los tiempos y tazas de desempeo
para cada elemento de un trabajo especfico
realizado bajo condiciones especficas.
Analizar los datos, con el fin de obtener el
tiempo necesario para realizar un trabajo a
un nivel de desempeo establecido.
43
44
22
Sistema de Apoyo a las Decisiones
Informacin Requerida:
% Comercial (%C)
% Internacional
% Exportable (%E)
% Choice (%Ch)
Variedad
Distribucin Calibre
% Pequeo (%P)
% Mediano (%M)
% Grande (%G)
45
Se pudo estimar:
Cantidad de fruta a ser
removida de las mesas
de seleccin.
Nmero de manzanas
que pueden ser
recogidas por cada
operaria.
46
23
Resultados de la Implementacin
Mayor control en el
proceso productivo, de
acuerdo con la calidad de
las manzanas.
Los bins/hora procesados
aumentaron en 20%.
El costo variable unitario
se redujo en 19%.
Las metas propuestas
fueron alcanzadas, por lo
que la planta de embalaje
ahora es ms eficiente.
47
Resultados de la Implementacin
48
24
Modelo para el Balance de Lneas
Motivacin
o Durante el auge de la
temporada las plantas de
embalajes tienen prdidas
debido a la falta de capacidad
de las plantas.
o Existe dificultad en estimar el
nmero de operarios en
necesarios en cada etapa,
segn el flujo de fruta.
o Se hace necesario desarrollar
modelos de optimizacin para
apoyar las decisiones
operacionales de las plantas.
49
Modelamiento
EspacioDisponible
EstudiodeTiempo CalidaddelaFruta
Capacidadde Capital
lasMquinas
Capacidad N de
del ModelodeBalance Operarios,
Proceso DeLneas Mquinasy
Dimensiones
50
25
Formulacin del Modelo
Parmetros
o Volumen de fruta a procesar
(unidades por segundo)
o Porcentaje de fruta
exportable (%)
o Espacio requerido para cada
estacin de trabajo (largo y
ancho medido en metros)
o Capital disponible ($)
o Costo de cada mquina ($)
o Dimensiones de cada
mquina (en metros)
51
Variables
o Mquinas a instalar en
cada etapa del proceso
(variables binarias)
o Nmero de operarios en
cada etapa del proceso
(variables enteras)
52
26
Modelo de Balance de Lneas
Funcin objetivo
Minimizarloscostos
Minimizarloscostos
decomprae
decomprae
instalacindelas
instalacindelas
mquinasyde
mquinasyde
contratacinde
contratacinde
operarios
operarios
53
54
27
Modelo de Balance de Lneas
Restricciones de Volcado
Lacapacidaddelamquina
debesermayoraigualqueelf
lujoinicial
Restriccindelargo
disponible
Restriccindeancho
disponible
55
Restricciones de
Preseleccin
o Capacidad de
Proceso
o Espacio Disponible
o Mximo Nmero de
Operarios
56
28
Modelo de Balance de Lneas
Restricciones de Preseleccin
Capacidadmnimade
proceso
Restriccindelargo
disponible
Restriccinde
anchodisponible
Restriccinde
operariasaasignar
57
29
Aplicacin a un Caso de Estudio
Resultados
Costo instalacin 144.380
Nmero volcadores a instalar 1
Tipo volcador seleccionado 1
Nmero de separadores de pednculos seleccionados 1
Nmero cuerpos de sierra adicional seleccionados 3
Nmero lneas preseleccin instaladas 2
Largo de cada lnea de preseleccin (m) 6
Operarias por lnea de preseleccin 16
Operarias totales en preseleccin 32
Nmero de slot seleccionados para instalar en el calibrador 6
Ancho que ocupa el calibrador con los slot (m) 1,5
Nmero lneas seleccin instaladas calibre 1 3
Largo de cada lnea seleccin calibre 1(m) 5
Operarias por lnea seleccin calibre 1 6
59
60
30
Principales Resultados
Se estimaron las tasas de
produccin de los operarios
y de las mquinas.
Se considera de forma
integrada operarios y
mquinas.
Es posible calcular el
nmero de operarios y
mquinas de acuerdo con
la capacidad de
procesamiento esperada.
El modelo puede ser
adaptado a diferentes tipos
de plantas.
61
62
31
Modelamiento
Capacidad
deInventario
TiempodeProceso
Produccin
Disponible
Capacidadde
Costos
laPlanta
Productos,
subproductos,
Demanda inventario,
ModelodePlanificacin
ventasy
demanda
insatisfecha
63
Modelamiento
Conjunto de Productos y
subproductos:
A. Cuarto Trasero
B. Cuarto Central,
Chuleta
C. Cuarto Central,
Costillar
D. Cuarto Delantero
C-B. Plancha de Cerdo
Subproductos Carcasa
64
32
Formulacin del Modelo
Variables de Decisin
N de productos y
subproductos en tiempo
normal y tiempo extra
Inventario de productos y
subproductos
Ventas de productos y
subproductos
Demanda insatisfecha
Capacidad de
almacenamiento a
contratar
65
Funcin Objetivo
Maximizacin de la
Max z = Utilidad =
(Vx PVx ) + (Vspx tpk PVspx p ) + (Vy tik PVy i ) +
tik i
Ingresos por venta
(Vspy
t T k K
i PTD
PVspy
p SPTD
Costos de operacin de
( ) (
xtik + xtikE COCi + ytik + ytikE COCi + ztik + ztikE COCi ) ( ) corte
tT kK iPTD iPTC iPTT
( ) ( ) (
xti1 + xtiE1 + spxtp1 + spxtpE1 + yti1 + ytiE1 + spytp1 + spytpE1 + ) ( )
iPTD
cc
pSPTD iPTC pSPTC
Costo de congelacin
tT ( )
zti1 + zti1 + spz tp1 + spztp1
E E
( )
iPTt pSPTT
Costo de mantencin de
cmk ILVxtik + ILVspx tpk + ILVy tik + ILVspy tpk + ILVz tik + ILVspz tpk
tT iPTD pSPTD iPTC pSPTC iPTT pSPTC inventario
DIxtik PDIxi + DIspxtpk PDIspx p + DIytik PDIyi + DIspytpk PDIspy p + Penalizacin por
iPTD
33
Restricciones del Modelo
x
kK iPTD iPTC
t +
tik i y
iPTT
t +
t Tt , t T
tik i z tik i El tiempo de operacin
de la planta debe ser
xtikE ti + ytikE ti + ztikE ti Tt E , t T
kK iPTD iPTC iPTT
menor o igual al tiempo
disponible
(x ) (y ) (z )
tik + xtikE + tik + ytikE + tik + ztikE = 2(RTD + RTC + RTT ) NVct Pc , t T
kK iPTD iPTC iPTT cC
(x )
La produccin en un
+ xtikE RxTDi 2 RTD NVct Pc , i PTD, t T
kK
tik
cC periodo debe ser menor o
igual que el rendimiento
factible
67
Lmite de produccin de
x = spxtpk ,t T , k K , p SPTD sub-productos
pi tik
iPTD
68
34
Restricciones del Modelo
69
(y
iPTC
ti1 + ytiE1 + y(t 1)i1 + y(Et 1)i1 + ) (spy
pSPTC
tp1 )
+ spytpE1 + spy(t 1) p1 + spy(Et 1) p1 +
(z
iPTT
ti1 + ztiE1 + z(t 1)i1 + z(Et 1)i1 ) + (spz
pSPTT
tp1 )
+ spztpE1 + spz(t 1) p1 + spz(Et 1) p1 CTt , t T
70
35
Aplicacin
N Productos: 57 (tercio delantero),
53 (tercio central) y 43 (tercio
trasero).
N Sub productos: 26 (tercio
delantero), 67 (central) y 26(trasero).
Horizonte de planificacin consta de 6
das
Modelo con 16.323 variables
continuas y 13.598 restricciones
CPLEX Optimization Studio v.12.0
con licencia acadmica
Computador con procesador AMD
Phenom X2 555 de 3.2 GHz con 2
GbRAM de 1.033 MHz.
Tiempo de resolucin: 4,75 segundos
71
Principales Resultados
El modelo desarrollado permite entregar una planificacin
semanal de la produccin de cortes de cerdo, apoyando al jefe de
operaciones en la toma de mejores decisiones y en menor
tiempo.
Dos ingenieros realizaban la planificacin de la produccin en
un tiempo aproximado de tres horas.
Cada da, un profesional quedaba encargado de monitorear
cualquier cambio en los parmetros.
72
36
Modelo para la Planificacin de Cosechas
CompetitividaddelSectorAgrcola
Aumentoinsumos
Disminucindel
(fertilizantes)
dlar(Contreras,
(Contreras,2008)
2008)
Aumentosalario
Disminucindisponibilidad trabajador
detrabajadoresagrcolas agrcola(Alarcn,
(Domnguez,2007) 2008)
73
Problemtica
Costosenhuertosdemanzanas
37
Problemtica
Ahorroencostosdemanodeobra
Estimacinyplanificacinde
lamanodeobra
Ayudaamejorarlacalidaddela
fruta
Disponibilidadentiempoy
Frutaconndicesdemaduracin
cantidaddetrabajadores
Disminucinpotencialde
exportacindelafruta
Repercusinenproductores Ingresosporventa
75
Problemtica
Desrdenes de la fruta antes de la fecha de cosecha
AgrietamientoPeduncular Amarillamiento
76
38
Objetivo
CosechaManual
CosechaMecnica
CosechaSemiMecnica
78
39
Variedades de Manzanas
Categora Variedad
Royal gala
Galas
Galaxi
Red Chief
Rojas
Scarlet
Fuji Fuji
Granny
Granny Smith
Smith
79
Variedades de Manzanas
PerododeFloracinyCosecha
Septiembre Octubre Febrero Marzo Abril
Variedad 15 20 25 30 5 10 15 20 25 30 5 10 15 20 25 30 5 10 15 20 25 30 5 10 15 20
Royal Gala
Fuji
Red Chief
Scarlet
Galaxi
Granny
Smith
Floracin
Cosecha
80
40
Modelamiento
Planificacinde
lamanodeobra
einsumos
Cronogramade
cosecha
81
Formulacin Matemtica
Variables de Decisin
82
41
Formulacin Matemtica
Funcin objetivo
Formulacin Matemtica
Conjunto de restricciones
84
42
Resolucin del Modelo
85
Casos de Estudio
Estimacin de
Hectreas N cosecha
Grupo/Variedad
plantadas Cuarteles temporada 2009/
2010 (Kg)
Agrcola A 36,4 13 Gala-Roja-Granny-Fuji 844.300
86
43
Casos de Estudio
Total Variables
Restricciones
Variables
(N) Enteras Binarias Continuas
(N)
(N) (N) (N)
Agrcola A 33.552 21.953 4.352 8.896 8.705
Agrcola B 31.616 20.673 4.096 8.384 8.193
Agrcola C 13.224 8.513 1.664 3.520 3.329
87
Casos de Estudio
Tiempo
Agrcola
(seg)
Agrcola A 1.364
Agrcola B 1.230
Agrcola C 2.148
88
44
Casos de Estudio
89
Casos de Estudio
90
45
Principales Resultados
91
Conclusiones
La aplicacin de modelos de Investigacin de
Operaciones y su implementacin generan claras
mejoras en la eficiencia de los sistemas de
produccin y logstica.
Las mayores dificultades encontradas para
aplicar e implementar los modelos:
Disponibilidad de datos
Credibilidad en los resultados del modelo
Capacitacin y motivacin a los trabajadores para
implementar las soluciones obtenidas
92
46
Los modelos no toman las decisiones, pero
pueden volverlas ms claras y fciles de
realizar
Gracias!
93
47