Modelos Aplicados a la

Gestin Logstica
Marcela C. Gonzlez Araya
mgonzalez@utalca.cl
Departamento de Modelacin y Gestin Industrial
Facultad de Ingeniera, Universidad de Talca
Chile

XVI ELAVIO ESCUELA LATINOAMERICANA DE VERANO DE INVESTIGACIN OPERATIVA

BENTO GONALVEZ, BRASIL, 05 AL 10 DE FEBRERO, 2012

Estructura del Minicurso

Descripcin

Introduccin a la
Logstica

Modelos Aplicados a
la Gestin Logstica y
sus Principales
Resultados

Conclusiones

1
 Descripcin

Este curso presenta una introduccin a

modelos de programacin matemtica
desarrollados para apoyar las decisiones en
el rea de logstica.
Se dar nfasis al impacto de aplicar estos
modelos para mejorar los sistemas logsticos
en la agroindustria.

Logstica - Definicin

Trata de todas las actividades de movimiento y

almacenamiento, que facilitan el flujo de productos
desde el punto de adquisicin de materia prima
hasta el punto de consumo final, as como de los
flujos de informacin que colocan los productos en
movimiento, con el propsito de proporcionar
niveles de servicio adecuados a los clientes a un
costo adecuado.

2
 Canal de Distribucin
La logstica administra el flujo a travs del canal.

En primer lugar, el flujo va de izquierda a derecha.

Es posible que existan movimientos desde la derecha a la

izquierda (logstica reversa).

Minorista
Proveedor Fabricante Distribuidor Cliente

Abastecimiento
Distribucin

Globalizacin

Comprar y vender en diversos lugares alrededor del mundo.

+ clientes

+ puntos de venta

+ n de proveedores
Medios de
+ locales de oferta Transporte

+ distancias recorridas Legislacin

Complejidad operacional
Cultura
6

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

Incremento de la complejidad de la red

logstica

Mejorar y aumentar el dinamismo de las empresas, para

adaptarse y mantener el negocio viable.

Margen de ganancia 9

Cadena de Suministro

Huertos Plantas de Embalaje Consumidores

Granjas Mataderos
10

5
 Problemtica en los Huertos
Mala distribucin espacial de los bins

Falta de bins Desplazamientos

disponibles de los trabajadores
Excesivos tiempos muertos
11

Huerto de Manzanos

Huerto de la Regin del Maule: 40 hectreas, 7 cuarteles

Variedades Gala
Royal Gala
Imperial Gala

Variedades rojas 2.5 m

Red Chief 4.5 m

Scarlet
Manzano

Hilera

12

6
Tipo de Cosecha segn Variedades de Manzana

Variedades Rojas Variedades Gala

Red Chief Scarlet Royal Imperial

Barrido Floreo
Un nico recorrido Varios recorridos.
Se recolecta la Cosecha variable
totalidad de la fruta (% variable)
(100%)

13

Objetivo del Modelo de Optimizacin Aplicado

Aumentar eficiencia de proceso de cosecha

Determinar el lugar donde se localizarn los bins

durante el proceso de cosecha y asignar los manzanos
a cada bins localizado.

Este proceso se debe realizar buscando minimizar la

distancia recorrida por los trabajadores durante la
cosecha (disminuir el tiempo total de traslado de los
mismos).

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

Formulacin del Problema

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

Variedades Rojas - Propuesta

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

Variedades Galas - Resultados

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

Variedades Galas - Propuesta

Cuatro intervalos

Presentan localizaciones similares para los bins

5%
10% 20%
25% - 35%
40% y ms

22

11
Variedades Galas - Propuesta
10% 20%

30m 15m

23

Variedades Galas - Propuesta

25% 35%

9m 15m

24

12
 Variedades Galas - Propuesta
40%+

4m 15m

25

Resumen de la Propuesta

Distancia entre Bins

% Cosecha N de Hileras entre Bins
(metros)
5 a 10 30 6
10 a 20 25 4
20 a 30 15 3
30 a 40 9 3
40 y ms 4 2

La aplicacin del modelo de localizacin p-medianas

capacitado permite mejorar la eficiencia en el proceso de
cosecha.
La identificacin de intervalos donde las localizaciones
son similares permite abordar la complejidad del modelo.
26

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

Seleccin del cuartel

Antecedentes de
plantacin
Determinacin de la
opcin que se utiliza
como pronstico de
cosecha
27

Modelos Aplicados para Mejorar la

Logstica Interna
Evaluar el desempeo de los
procesos productivos
implementados en una planta
de embalaje de manzanas,
con el fin de:
Identificar reas crticas y
Definir las acciones
necesarias para alcanzar
la eficiencia tcnica
Controlar los recursos
Planificar la produccin

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

Proceso de Embalaje de la Manzana

Lavado & Desinfectado Enjuague Secado & Encerado

Seleccin Embalaje Paletizado & Almacenaje

30

15
Herramientas de Investigacin de Operaciones
y de Ingeniera Industrial Utilizadas

Anlisis Envolvente de Datos (DEA)

Calificacin de Personal (Sistema

Westinghouse)

Estudio de Tiempo

31

Anlisis Envolvente de Datos DEA

Es un mtodo de apoyo a las decisiones basado en

programacin lineal para identificar funciones de
produccin empricas.

Los modelos DEA entregan:

La eficiencia relativa para un conjunto de unidades
comparables.
Unidades de referencia para las unidades
ineficientes.
Una frontera de eficiencia desde el punto de vista
de las mejores prcticas observadas.

32

16
 Modelo DEA BCC Orientado a Entradas

Output

Referencias

Input

33

Modelo DEA BCC Orientado a Entradas

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 y rj s r = y r 0 , r = 1, ..., s, (3) de la DMU j en la construccin

j =1 de la DMU compuesta o
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

Modelo DEA BCC Orientado a Salidas

Donde:
Para una dada DMU Existen m inputs, s outputs y n
Analizada (DMU0) DMUs,
(BCCO) Max (5) = proporcin en que todos los
n outputs pueden ser aumentados,
s.a.
j =1
j xij + s i = x i 0 , i = 1, ..., m, (6) j = intensidad de la
n
participacin de la DMU j en la
j y rj s r = y r 0 , r = 1, ..., s, (7) construccin de la DMU
j =1 compuesta o benchmark,
n

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

Anlisis de Eficiencia Usando DEA

Los datos de produccin usados en este anlisis

corresponden a la temporada 2008-2009.

Cada variedad de manzana requiere diferentes

procesos de produccin (Pink Lady, Red y
Gala).
Pink Lady Red Chief Royal Imperial

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

Resultados de DEA para las Diferentes

Variedades
Metas
Inputs Outputs
%
Variedad Manzanas NT CVU BH %PE
Embaladas
Pink 0-85 105 17.87 28.21 79.16
Lady 86-100 104 17.79 29.54 89.22
50-70 108 18.83 36.60 64.80
Red 71-85 105 20.52 34.09 80.74
86-100 110 19.76 28.86 90.50
50-65 98 18.86 29.09 58.59
Gala 66-80 101 17.46 30.75 73.13
81-100 111 19.50 29.72 87.81
40

20
Calificacin del Desempeo del Personal

Sistema Westinghouse (Westinghouse Electric

Corporation, 1949): busca medir el desempeo
de un trabajador, especialmente en
operaciones repetitivas de ciclos cortos.

Factores considerados por el Sistema

Westinghouse:
Habilidades Usando el Sistema de
Esfuerzo Puntuacin
Westinghouse se
Condiciones Ambientales obtuvo la puntuacin
Consistencia global de desempeo

41

Calificacin del Personal:

Mesa de Seleccin
En la mesa de seleccin se identificaron tres
posiciones.
Cada posicin requiere diferentes habilidades
visuales y manuales.
Posicin 1 (P1) Posicin 2 (P2) Posicin 3 (P3)

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

Integracin de los Resultados en un

Sistema de Apoyo a las Decisiones
El sistema requiere la informacin obtenida por el
Departamento de Control de Calidad cuando la
manzana es recibida.
Las estimaciones realizadas han sido confiables
en ms de un 90%.

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

Integracin de las Metodologas

Se pudo estimar:
Cantidad de fruta a ser
removida de las mesas
de seleccin.
Nmero de manzanas
que pueden ser
recogidas por cada
operaria.

Fue posible asignar las

operarias adecuadas a
cada posicin de las mesas
de seleccin.

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

Segn la calidad de la fruta

es posible establecer la
velocidad del flujo.
Los cuellos de botella
son evitados.
La nueva distribucin de
los operarios permite
reducir los tiempos
muertos en todas las
secciones del proceso.

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

Formulacin del Modelo

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

Modelo de Balance de Lneas

Restricciones de Volcado
o Capacidad de Proceso
o Espacio Disponible

54

27
 Modelo de Balance de Lneas

Restricciones de Volcado
Lacapacidaddelamquina
debesermayoraigualqueelf
lujoinicial

Restriccindelargo
disponible

Restriccindeancho
disponible

55

Modelo de Balance de Lneas

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

Aplicacin a un Caso de Estudio

Parmetros
Capacidad deseada 125 cereza/segundo
Desecho y comercial a retirar 15%
Flujo que llega a seleccin 85%
Porcentaje color fruta (para los 4 calibres) 40%
Proporcin calibre 1 25%
Proporcin calibre 2 25%
Proporcin calibre 3 25%
Proporcin calibre 4 25%
Largo preseleccin (m) 6
Ancho preseleccin (m) 7
Largo seleccin (m) 6
Ancho seleccin (m) 15
58

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

Aplicacin a un Caso de Estudio

Nmero lneas seleccin instaladas calibre 2 3

Largo de cada lnea seleccin calibre 2 (m) 5
Operarias por lnea seleccin calibre 2 6
Nmero lneas seleccin instaladas calibre 3 3
Largo de cada lnea seleccin calibre 3 (m) 5
Operarias por lnea seleccin calibre 3 6
Nmero lneas seleccin instaladas calibre 4 3
Largo de cada lnea seleccin calibre 4 (m) 5
Operarias por lnea seleccin calibre 4 6
Operarias embalado 12
Operarias totales utilizadas 116
Tipo calibrador electrnico seleccionado -

Nmeros de calibradores electrnico seleccionado -

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

Modelo para la Planificacin de la Produccin

de Cortes de Cerdo
Objetivo:
Desarrollar un modelo de Programacin Lineal para
apoyar decisiones de planificacin de las operaciones
de produccin de cortes principales y sub-cortes de
carne de cerdo, fresca y congelada.

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

p ) + (Vz tik PVz i ) +

i PTC
(Vspz tpk PVspz p )
p SPTC
tpk
i PTT p SPTT

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

pSPTD iPTC pSPTC

demanda insatisfecha
tT kK DIztik PDIzi + DIspz tpk PDIspz p

iPTT pSPTT

CIEk cmek Costo de

kK externalizacin de
inventario 66

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

La produccin en un periodo debe ser igual a las carcasas disponibles

(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

Restricciones del Modelo

Lmite de produccin de
x = spxtpk ,t T , k K , p SPTD sub-productos
pi tik
iPTD

ILVx = ILVx(t 1)ik + x(t k )ik + x(Et k )ik Vxtik , t T , i PTD, k K

tik

ILVspxtpk = ILVspx(t 1) pk + spx(t k ) pk + spx(Et k ) pk Vspxtpk ,

t T , p SPTD , k K
Balance de inventario de productos y subproductos en cada
periodo

68

34
 Restricciones del Modelo

Vxtik + DIxtik = Dxtik , t T , i PTD, k K

Vspxtpk + DIspxtpk = Dspxtpk , t T , p SPTD , k K

La demand debe ser igual a las ventas ms la demanda insatisfecha

ILVxtik + ILVspxtpk + ILVytik + ILVspytpk

iPTD

pSPTD iPTC pSPTC

CIEk + CI k , k K
tT

+ ILVz tik + ILVspz tpk
iPTT pSPTT

El inventario debe ser menor o igual que la capacidad de

almacenamiento (propia y externa)

69

Restricciones del Modelo

(xti1 + xtiE1 + x(t 1)i1 + x(Et 1)i1 ) + (spx tp1 )

+ spxtpE1 + spx(t 1) p1 + spx(Et 1) p1 +
iPTD pSPTD

(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

Capacidad mxima de congelamiento

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.

El modelo permite analizar cambios de los parmetros en muy

poco tiempo, mejorando la capacidad de reaccin de la empresa.
El anterior procedimiento era muy rgido, siendo difcil evitar
prdidas en el proceso.

Con el modelo, la empresa tiene un mejor registro de las entradas

y salidas del proceso.

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

Costos de Operacin Huerto de Manzanas (plena produccin)

tem cantidad/ha $ unitario $ Total %

Mano de Obra (JH) 220 5.000 1.100.000 43,6

Agroqumicos 440.000 17,4
Fertilizantes 150.000 5,9
Pesticidas 294.000 11,6
Maquinaria (JM) 10 15.000 150.000 5,9
Fletes 120.000 4,8
Gestin (15%) 271.500 10,8

Total Costos Directos 2.525.500

Fuente: Centro de Pomceas (2010)

74

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

Escaldado Bitter Pit

Desrdenesdelafrutadespusdelafechadecosecha

AgrietamientoPeduncular Amarillamiento

76

38
 Objetivo

Mejorar la planificacin de cosecha de

manzanas mediante el desarrollo de un modelo
de optimizacin que considere los diferentes
tipos de cosecha y las ventanas de tiempo de
las diferentes variedades.

Magister en Gestin de Operaciones

77
77

Tipos de Cosecha de Manzanas

En la actualidad, existen 3 modos de cosecha,

los cuales se utilizan de acuerdo a la
disponibilidad de recursos y configuracin de
cada uno de los cuarteles al interior de un
huerto.

CosechaManual
CosechaMecnica

CosechaSemiMecnica
78

39
 Variedades de Manzanas

Las variedades se pueden agrupar en 4 categoras,

las cuales son agrupadas por dos caractersticas
principales:
Tiempo de cosecha
Familia de manzana

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

Fuente: Cvchile (2010)

80

40
 Modelamiento

Planificacinde
lamanodeobra
einsumos

Cronogramade
cosecha

81

Formulacin Matemtica

Variables de Decisin

82

41
 Formulacin Matemtica

Funcin objetivo

La funcin objetivo busca la minimizacin de los costos

involucrados en la utilizacin de mano de obra y
maquinaria, adems de la minimizacin de los costos
de la fruta que no alcance los ndices deseables de
maduracin.
83

Formulacin Matemtica

Conjunto de restricciones

Las restricciones se puede agrupar de la siguiente

forma:

9Restricciones de cosecha y proceso

9Restricciones de perodos de cosecha

9Restricciones de trabajadores, maquinaria e insumos

9Restricciones de no-negatividad e integralidad

84

42
 Resolucin del Modelo

El paquete de software utilizado para la resolucin

fue CPLEX Optimization Studio v.11.0 con licencia
acadmica.

El computador utilizado posee las siguientes

caractersticas: Procesador AMD Turion (tm) 64x2
MobileTechnology TL602.00GHz.Memoria:2 Gb.
DiscoDuro:512Gb.

85

Casos de Estudio

Para los casos de estudio, se consider la situacin

de tres huertos frutcolas de la Regin del Maule.

Estimacin de
Hectreas N cosecha
Grupo/Variedad
plantadas Cuarteles temporada 2009/
2010 (Kg)
Agrcola A 36,4 13 Gala-Roja-Granny-Fuji 844.300

Agrcola B 39,3 12 Gala-Roja-Granny-Fuji 2.186.850

Agrcola C 16,9 5 Gala-Roja-Fuji 1.489.084

86

43
 Casos de Estudio

La informacin de la modelacin en cada uno de los

casos de estudio se presenta a continuacin.

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

El horizonte de planificacin considerado en esta

investigacin es de 64 das, extendindose desde
mediados de febrero a mediados de abril,
aproximadamente.
Los tiempos asociados a la bsqueda de la solucin
ptima en cada uno de los huertos:

Tiempo
Agrcola
(seg)
Agrcola A 1.364
Agrcola B 1.230
Agrcola C 2.148

88

44
 Casos de Estudio

Los resultados del modelo y la comparacin con los

datos aportados por las agrcolas para la temporada
modelada, temporada 2009/2010.

Valor observado Valor ptimo

Agrcola en la temporada entregado por % Diferencia Diferencia
2009/2010 modelo propuesto
Mano de obra
Agrcola A $ 10.091.620 $ 8.022.518 19% $ 2.069.102
Agrcola B $ 36.021.546 $ 30.934.388 14% $ 5.087.158
Agrcola C $ 11.456.786 $ 9.433.000 18% $ 2.023.786

89

Casos de Estudio

Prdida de manzanas por concepto de calidad

Valor observado Valor ptimo

%
Agrcola en la temporada entregado por Diferencia
Diferencia
2009/2010 modelo propuesto
Prdida por calidad
Agrcola A $ 4.707.570 $ 4.153.363 11% $ 554.204
Agrcola B $ 13.811.850 $ 11.473.279 17% $ 2.338.571
Agrcola C $ 8.680.986 $ 7.921.998 10% $ 760.000

90

45
 Principales Resultados

El modelo entrega la planificacin de la mano de obra

durante el transcurso de una temporada de cosecha para
un huerto de manzanas y entrega el cronograma de
cosecha de cada uno de los cuarteles.
El efecto global al utilizar el modelo en la Agrcola A,
Agrcola B y Agrcola C al ser comparado con los datos
reales es de un 18%, 15% y 14%, respectivamente, lo
que corresponde a MM$ 2.6, MM$ 7.4 y MM$ 2.8,
respectivamente.
El modelo, al incorporar variables enteras y binarias,
consume mucho tiempo computacional.

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