Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Tesis Unsm PDF
Tesis Unsm PDF
TESIS
Tarapoto - Perú
2014
DEDICATORIA
A Dios
Por haberme permitido llegar hasta este punto y haberme dado salud para
lograr mis objetivos, además de su infinita bondad y amor.
A mis padres
Roger Ramirez Pinedo y Emilia Shupingahua Izuisa Por ser el pilar
fundamental en todo lo que soy, en toda mi educación, tanto académica, como
de la vida, por su incondicional apoyo perfectamente mantenido a través del
tiempo. Todo este trabajo ha sido posible gracias a ellos.
A mi hermana
Katty Ramirez Shupingahua por estar conmigo y apoyarme siempre, la quiero
mucho.
A mis amigos
Que nos apoyamos mutuamente en nuestra formación profesional y que hasta
ahora, seguimos siendo amigos, por haberme ayudado a realizar la
investigación de campo de la tesis.
A mis maestros
Por su tiempo compartido y por impulsar el desarrollo de nuestra formación
profesional, al Ing. Jorge Valverde Damian Iparraguirre por apoyarme en la
asesoría y dudas presentadas en la elaboración de la tesis.
AGRADECIMIENTOS
Palabras Claves:
NOMENCLATURAS
CAPÍTULO I
CAPÍTULO III
CAPÍTULO IV
CAPÍTULO V
CAPÍTULO VI
VII. RECOMENDACIONES.......................................................................... 79
CAPÍTULO VIII
CAPÍTULO IX
a) LISTA DE CUADROS
b) LISTA DE FIGURAS
c) LISTA DE GRÁFICOS
INTRODUCCIÓN
CAPÍTULO I
18
Promedio Máxima
Ruta
Carga (t) Carga (T)
1 14.5 15.8
2 15.5 16.1
3 14.3 14.8
4 14 16.4
5 11.8 12.0
6 11.6 12.5
7 7.2 8.0
8 7.9 9.2
9 7.8 8.0
10 6.5 7.5
11 7.1 7.5
12 7.0 7.5
13 15.0 16.0
14 15.3 15.8
15 14.2 16.1
16 13.9 14.0
17 7.0 8.4
18 7.2 7.8
19 7.8 8.4
20 7.9 8.3
213.5 230.1
1.4.1. Teórica
1.4.2. Práctica
1.4.4. Conveniencia
CAPÍTULO II
35
2.3.1.1.1. Conceptualización
2.3.3. LINGO
2.3.4. Simulación
2.4. Hipótesis
2.4.1. Hipótesis de investigación(H1)
2.7. OBJETIVOS
2.7.1. Generales
2.7.2. Específicos
CAPÍTULO III
47
3.1.2. Muestra
Entonces tenemos
𝑁 ∗ 𝑍𝛼 2 ∗ 𝑃 ∗ 𝑄
𝑛=
𝑑 2 ∗ (𝑁 − 1) + 𝑍𝛼 2 ∗ 𝑃 ∗ 𝑄
3.4.1. Procedimientos
Vehiculo en Ruta
Capacidad
Numero de Viajes
%Ingreso de
Vehiculo % Mantenimiento
% Desperfecto
Vehiculo
52
Tasa de
generación Población
Residuos Solidos
Sin Recoger
Recogidos
Número de viajes
Capacida Vehiculo en Ruta
%Ingreso de
Vehiculo %Mantenimiento
Vehiculos
54
Vehículos en ruta
Vehículos No Disponibles
La capacidad
Capacidad= 6 toneladas
Número de viajes
%Mantenimiento
%Desperfecto
3.4.2. Técnicas
3.5. Instrumentos
VARIABLE INDEPENDIENTE
60%
40%
20%
0%
PRE TEST POST TEST
Muy bueno 0% 28%
Bueno 17% 56%
Regular 56% 17%
Malo 28% 0%
Muy malo 0% 0%
Interpretación:
80%
60%
40%
20%
0%
PRE TEST POST TEST
Dificil 56% 8%
Trabajoso 22% 22%
Facíl 22% 70%
Interpretación:
50%
40%
30%
20%
10%
0%
PRE POST
TEST TEST
Muy Importante 6% 28%
Importante 8% 50%
Referencial 44% 22%
No es muy importante 42% 0%
Interpretación:
VARIABLE DEPENDIENTE
100%
80%
60%
40%
20%
0%
PRE TEST POST TEST
Si 28% 100%
No 72% 0%
Interpretación:
Interpretación:
Dinámica
de Desviación Error típ. de
Sistemas N Media típ. la media
Tiempo de Recojo PRE
7 21.5286 .84205 .31826
de basura
POST 7 15.9143 .69625 .26316
CAPÍTULO IV
69
IV. RESULTADOS
100%
80%
60%
40%
20%
0%
PRE TEST POST TEST
Si 22% 100%
No 56% 0%
Interpretación:
100%
80%
60%
40%
20%
0%
PRE TEST POST TEST
Si 19% 100%
No 81% 0%
Interpretación:
80%
70%
60%
50%
40%
30%
20%
10%
0%
PRE TEST POST TEST
Personal de la MPSM 47% 78%
Personal Externo 36% 22%
Otros 17% 0%
Interpretación:
100%
80%
60%
40%
20%
0%
PRE TEST POST TEST
Si 6% 86%
No 39% 14%
No sabe 56% 0%
Interpretación:
90%
80%
70%
60%
50%
40%
30%
20%
10%
0%
PRE TEST POST TEST
Si 33% 90%
No 67% 10%
Interpretación:
CAPÍTULO V
75
V. DISCUSIÓN DE RESULTADOS
El lingo brinda una solución óptima para el recojo de residuos sólidos sin
embargo esta se nutre de las experiencias de los choferes de rutas para
definir el camino más apropiado a seguir, tomando en cuenta la facilidad
de la ruta y los caminos disponibles para el libre tránsito.
CAPÍTULO VI
77
VI. CONCLUSIONES
CAPÍTULO VII
79
VII. RECOMENDACIONES
CAPÍTULO VIII
81
CAPÍTULO IX
84
IX. ANEXOS
DINÁMICA DE SISTEMAS
1. Conceptualización
áreas de recolección dentro de las rutas balanceadas para que todas las
cuadrillas tengan igual carga de trabajo. Por último, la etapa de Microruteo
se refiere a dividir cada subzona en sectores, para resolver un conjunto de
problemas aislados.
Unidad de Saneamiento
Ambiental de Salubridad Y
salud
Fuente: MPSM.
87
Tasa de
Generacion Población
Vehiculo en Ruta
Capacidad
Numero de Viajes
%Ingreso de
Vehiculo % Mantenimiento
Vehiculos Vehiculos no
Ingreso de
Disponibles Disponibles
Vehiculo
% Desperfecto
Vehiculo
2. Representación o Formulación
Tasa de
generación Población
Residuos Solidos
Sin Recoger
Recogidos
Número de viajes
Capacida Vehiculo en Ruta
%Ingreso de
Vehiculo %Mantenimiento
% Desperfecto
Vehiculos
Ingreso de Disponibles Vehiculos No
Vehiculos disponibles
Vehiculos
3. Análisis y Evaluación
3.1. Análisis del Modelo
Sin Recoger
700
675
650
T
625
600
0 1 2 3 4 5
Time (Week)
Sin Recoger : Current
Recogidos
700
675
650
T
625
600
0 1 2 3 4 5
Time (Week)
Recogidos : Current
Residuos Solidos
50
42.5
35
T
27.5
20
0 1 2 3 4 5
Time (Week)
Residuos Solidos : Current
Vehiculos Disponibles
7
6.5
5.5
5
0 1 2 3 4 5
Time (Week)
Vehiculos Disponibles : Current
Gráfico N° 14: Disponibilidad de Vehículo
Fuente: Elaboración propia
Residuos Solidos
300
275
250
T
225
200
0 1 2 3 4 5
Time (Week)
Residuos Solidos : Current
Residuos Solidos
30
22.5
15
T
7.5
0
0 1 2 3 4 5
Time (Week)
Residuos Solidos : Current
3.2.1. Evaluación
LINGO
Primero, el vehículo debe cruzar todos los nodos del mapa. Para esta
restricción, se tendrá en cuenta cada camino existente. Para cada nodo se
tendrán diferentes restricciones. Si es un camino de sólo una entrada o
salida, entonces se colocará como restricción el único arco adyacente a ese
nodo, y se le colocará una restricción de mayor o igual a 1 (entrada y
salida). Para los caminos de 2 o más arcos adyacentes, se utilizará la
restricción de que la suma de todos los arcos será mayor igual a 2. Esto,
debido a que se busca con el modelo que la entrada y salida sea por puntos
diferentes, para diversificar el camino.
4. Identificar la solución
Solución propuesta
UTILIZANDO LINGO
Infeasibilities: 0.000000
Model Class: LP
Total variables: 24
Nonlinear variables: 0
Integer variables: 0
Total constraints: 22
Nonlinear constraints: 0
Total nonzeros: 77
Nonlinear nonzeros: 0
111
112
ENCUESTA DE CAMPO
Información Real
1. ¿La USASS recopila información del proceso de recolección de Residuos Sólidos?
a) Si b) No
2. ¿Cuentan con formatos para la recolección de información por ruta?
a) Si b) No
3. ¿Quién realiza el procesamiento de la información?
a) Personal de MPSM b) Personal Externo c) Otros
4. ¿La información disponible ha permitido que se tomen decisiones en forma rápida y
oportuna?
a) Si b) No c) No sabe
5. ¿Cómo califica el impacto que han tenido la toma de decisiones a partir de la información
que dispone la USASS.
a) Muy Bueno b) Bueno c) Regular d) Malo e) Muy malo
Proyecciones
6. ¿Se realizan estimaciones o proyecciones en cuanto a producción de Residuos Sólidos?.
a) Si b) No
7. ¿Actualmente la estimación de pronósticos o proyecciones de generación de Residuos
Sólidos son?
a) Difícil b) Trabajosos c) Fácil
8. ¿Cómo califica la información obtenida de las simulaciones?
Optimización
9. ¿Está de acuerdo en utilizar software para generar rutas de recojo de Residuos Sólidos?
a) Si b) No
10.¿Cómo califica usted la generación de rutas de recojo Residuo Sólido a través de un
software?
a) Muy Bueno b) Bueno c) Regular d) Malo e) Muy malo
115
El cálculo del tamaño de la muestra es uno de los aspectos a concretar en las fases previas de la
obtenidos.
Una fórmula muy extendida que orienta sobre el cálculo del tamaño de la muestra para datos
globales es la siguiente:
k: es una constante que depende del nivel de confianza que asignemos. El nivel de confianza
indica la probabilidad de que los resultados de nuestra investigación sean ciertos: un 95,5 % de
confianza es lo mismo que decir que nos podemos equivocar con una probabilidad del 4,5%.
La extensión del uso de Internet y la comodidad que proporciona, tanto para el encuestador
como para el encuestado, hacen que este método sea muy atractivo.
e: es el error muestral deseado. El error muestral es la diferencia que puede haber entre el
Ejemplo 1: si los resultados de una encuesta dicen que 100 personas comprarían un
Ejemplo 2: si hacemos una encuesta de satisfacción a los empleados con un error muestral
del 3% y el 60% de los encuestados se muestran satisfechos significa que entre el 57% y el
63% (60% +/- 3%) del total de los empleados de la empresa lo estarán.
Ejemplo 3:si los resultados de una encuesta electoral indicaran que un partido iba a
obtener el 55% de los votos y el error estimado fuera del 3%, se estima que el porcentaje
dato es generalmente desconocido y se suele suponer que p=q=0.5 que es la opción más
segura.