Slides Elavio Araya PDF

Modelos Aplicados a la
Gestión Logística
Marcela C. González Araya
mgonzalez@utalca.cl
Departamento de Modelación y Gestión Industrial
Facultad de Ingeniería, Universidad de Talca
Chile
XVI ELAVIO ESCUELA LATINOAMERICANA DE VERANO DE INVESTIGACIÓN OPERATIVA

BENTO GONÇALVEZ, BRASIL, 05 AL 10 DE FEBRERO, 2012
Estructura del Minicurso
Descripción
Introducción a la
Logística
Modelos Aplicados a
la Gestión Logística y
sus Principales
Resultados
Conclusiones
1
Descripción
Este curso presenta una introducción a

modelos de programación matemática
desarrollados para apoyar las decisiones en
el área de logística.
Se dará énfasis al impacto de aplicar estos
modelos para mejorar los sistemas logísticos
en la agroindustria.
Logística - Definición
Trata de todas las actividades de movimiento y

almacenamiento, que facilitan el flujo de productos
desde el punto de adquisición de materia prima
hasta el punto de consumo final, así como de los
flujos de información que colocan los productos en
movimiento, con el propósito de proporcionar
niveles de servicio adecuados a los clientes a un
costo adecuado.
2
Canal de Distribución
La logística administra el flujo a través del canal.
En primer lugar, el flujo va de izquierda a derecha.
Es posible que existan movimientos desde la derecha a la

izquierda (logística reversa).
Minorista
Proveedor Fabricante Distribuidor Cliente
Abastecimiento
Distribución
Globalización
Comprar y vender en diversos lugares alrededor del mundo.
+ clientes
+ puntos de venta
+ nº de proveedores
Medios de
+ locales de oferta Transporte
+ distancias recorridas Legislación

Complejidad operacional
Cultura
6
3
Introducción
Chile aspira a ubicarse, en la próxima década, dentro de
las diez primeras naciones exportadoras de alimentos del
mundo.
Introducción
Esto implicaría aumentar el empleo en la industria
alimenticia, el nivel de inversiones y la actividad en todos
los servicios relacionados.
4
Introducción
FACTORES
Mercados competitivos y con
estándares más exigentes
Incremento de la complejidad de la red

logística
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
Problemática en los Huertos
Mala distribución espacial de los bins
Falta de bins Desplazamientos

disponibles de los trabajadores
Excesivos tiempos muertos
11
Huerto de Manzanos
Huerto de la Región del Maule: 40 hectáreas, 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 según Variedades de Manzana
Variedades Rojas Variedades Gala

Red Chief Scarlet Royal Imperial
Barrido Floreo
Un único recorrido Varios recorridos.
Se recolecta la Cosecha variable
totalidad de la fruta (% variable)
(100%)
13
Objetivo del Modelo de Optimización Aplicado
Aumentar eficiencia de proceso de cosecha
Determinar el lugar donde se localizarán 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
Formulación del Problema
Parámetros
M = conjunto de manzanos.
N = conjunto de ubicaciones potenciales para
los bins.
dij: Distancia desde un manzano a un bins.
p =Número de bins a localizar.
k = Capacidad de un bins.
15
Formulación del Problema
Variables de decisión
Localización potencial de bins
⎧1 ,si se ubica el bins en la localización j
yj = ⎨
⎩0 ,en caso contrario
Asignación de manzanos
⎧1 ,si el manzano i se asigna al bins ubicado en la localización 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
único bins.
∑x
i =1
ij ≤ ky j , j ∈ N, A lo más se le puede asignar k
manzanos a cada bins.
n
∑y
j =1
j = p, Deben ser localizados p bins
yj ∈ {0,1}, j∈N,
xij ∈ {0,1}, ∀ i∈M, j∈N.
17
Variedades Rojas - Propuesta
9m
Grupo 1
2 filas de
manzanos
Grupo 2
18
9
Variedades Rojas - Análisis
Situación
Propuesta Mejora
Actual
Eficiencia de
cosechadores 1,87 2,08 (+) 11%
(Bins/DíaJornada)
19
Variedades Galas - Resultados
Area: 5.000 m2
20
10
Variedades Galas - Resultados
Distancia recorrida según % 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 más
22
11
10% – 20%
30m 15m
23

25% – 35%
9m 15m
24
12
40%+
4m 15m
25
Resumen de la Propuesta
Distancia entre Bins

% Cosecha Nº 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 más 4 2
La aplicación del modelo de localización p-medianas

capacitado permite mejorar la eficiencia en el proceso de
cosecha.
La identificación de intervalos donde las localizaciones
son similares permite abordar la complejidad del modelo.
26
13
Herramienta Computacional para Apoyar la
Distribución de Bins en el Huerto
Selección de la
variedad a cosechar
Selección de la
variedad polinizante
del cuartel elegido
Selección del cuartel
Antecedentes de
plantación
Determinación de la
opción que se utiliza
como pronóstico de
cosecha
27
Modelos Aplicados para Mejorar la

Logística Interna
Evaluar el desempeño de los
procesos productivos
implementados en una planta
de embalaje de manzanas,
con el fin de:
Identificar áreas críticas y
Definir las acciones
necesarias para alcanzar
la eficiencia técnica
Controlar los recursos
Planificar la producción
28
14
Dificultades
La calidad de la fruta
varía entre los diferentes
productores.
La eficiencia de las
operarias varía entre sí y
según la etapa del
proceso en que es
asignada.
29
Proceso de Embalaje de la Manzana
Lavado & Desinfectado Enjuague Secado & Encerado
Selección Embalaje Paletizado & Almacenaje
30
15
Herramientas de Investigación de Operaciones
y de Ingeniería Industrial Utilizadas
¾ Análisis Envolvente de Datos (DEA)
¾ Calificación de Personal (Sistema

Westinghouse)
¾ Estudio de Tiempo
31
Análisis Envolvente de Datos – DEA
Es un método de apoyo a las decisiones basado en

programación lineal para identificar funciones de
producción empíricas.
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 prácticas 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 θ (1) θ = proporción en que todos los
n
s.a. ∑λ j xij + si = θxi 0 , i = 1, ..., m, (2) inputs pueden ser reducidos ,
j =1 λj = intensidad de la participación
n
∑λ j y rj − s r = y r 0 , r = 1, ..., s, (3) de la DMU j en la construcción

j =1 de la DMU “compuesta” o
n
∑λ 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,
λj ≥ 0, j = 1, ..., n, yrj = cantidad de output r
θ 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 φ (5) φ = proporción en que todos los
n outputs pueden ser aumentados,
s.a. ∑λ
j =1
j xij + s i = x i 0 , i = 1, ..., m, (6) λj = intensidad de la
n
participación de la DMU j en la
∑λ j y rj − s r = φy r 0 , r = 1, ..., s, (7) construcción de la DMU
j =1 “compuesta” o benchmark,
n
∑λ
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
λj ≥ 0, j = 1, ..., n, producido por la DMU j,
φ 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
Análisis de Eficiencia Usando DEA
Los datos de producción usados en este análisis

corresponden a la temporada 2008-2009.
Cada variedad de manzana requiere diferentes

procesos de producción (Pink Lady, Red y
Gala).
Pink Lady Red Chief Royal Imperial
38
19
Análisis de Eficiencia Usando DEA
La calidad de la manzana es un factor importante
en el proceso y se representa por la estimación
del porcentaje de manzana embalada.
Buena calidad ⇒ cuellos Mala calidad ⇒ cuellos de
de botella en embalado botella en selección
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
Calificación del Desempeño del Personal
Sistema Westinghouse (Westinghouse Electric

Corporation, 1949): busca medir el desempeño
de un trabajador, especialmente en
operaciones repetitivas de ciclos cortos.
Factores considerados por el Sistema

Westinghouse:
Habilidades Usando el Sistema de
Esfuerzo Puntuación
Westinghouse se
Condiciones Ambientales obtuvo la puntuación
Consistencia global de desempeño
41
Calificación del Personal:

Mesa de Selección
En la mesa de selección se identificaron tres
posiciones.
Cada posición requiere diferentes habilidades
visuales y manuales.
Posición 1 (P1) Posición 2 (P2) Posición 3 (P3)
42
21
Estudio de Tiempo
Objetivos:
Registrar los tiempos y tazas de desempeño
para cada elemento de un trabajo específico
realizado bajo condiciones específicas.
Analizar los datos, con el fin de obtener el
tiempo necesario para realizar un trabajo a
un nivel de desempeño establecido.
43
Integración de los Resultados en un

Sistema de Apoyo a las Decisiones
El sistema requiere la información obtenida por el
Departamento de Control de Calidad cuando la
manzana es recibida.
Las estimaciones realizadas han sido confiables
en más de un 90%.
44
22
Sistema de Apoyo a las Decisiones
Información Requerida:
% Comercial (%C)
% Internacional
% Exportable (%E)
% Choice (%Ch)
Variedad
Distribución Calibre
% Pequeño (%P)
% Mediano (%M)
% Grande (%G)
45
Integración de las Metodologías
Se pudo estimar:
Cantidad de fruta a ser
removida de las mesas
de selección.
Número de manzanas
que pueden ser
recogidas por cada
operaria.
Fue posible asignar las

operarias adecuadas a
cada posición de las mesas
de selección.
46
23
Resultados de la Implementación
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 más eficiente.
47
Resultados de la Implementación
Según la calidad de la fruta

es posible establecer la
velocidad del flujo.
Los cuellos de botella
son evitados.
La nueva distribución de
los operarios permite
reducir los tiempos
muertos en todas las
secciones del proceso.
48
24
Modelo para el Balance de Líneas
Motivación
o Durante el auge de la
temporada las plantas de
embalajes tienen pérdidas
debido a la falta de capacidad
de las plantas.
o Existe dificultad en estimar el
número de operarios en
necesarios en cada etapa,
según el flujo de fruta.
o Se hace necesario desarrollar
modelos de optimización para
apoyar las decisiones
operacionales de las plantas.
49
Modelamiento
Espacio Disponible
Estudio de Tiempo Calidad de la Fruta
Capacidad de Capital
las Máquinas
Capacidad Nº de
del Modelo de Balance Operarios,
Proceso De Líneas Máquinas y
Dimensiones
50
25
Formulación del Modelo
Parámetros
o Volumen de fruta a procesar
(unidades por segundo)
o Porcentaje de fruta
exportable (%)
o Espacio requerido para cada
estación de trabajo (largo y
ancho medido en metros)
o Capital disponible ($)
o Costo de cada máquina ($)
o Dimensiones de cada
máquina (en metros)
51
Variables
o Máquinas a instalar en
cada etapa del proceso
(variables binarias)
o Número de operarios en
cada etapa del proceso
(variables enteras)
52
26
Modelo de Balance de Líneas
Función objetivo
Minimizar los costos
Minimizar los costos
de compra e
de compra e
instalación de las
instalación de las
máquinas y de
máquinas y de
contratación de
contratación de
operarios
operarios
53

Restricciones de Volcado
o Capacidad de Proceso
o Espacio Disponible
54
27
Restricciones de Volcado
La capacidad de la máquina
debe ser mayor a igual que el f
lujo inicial
Restricción de largo
disponible
Restricción de ancho
disponible
55
Restricciones de
Preselección
o Capacidad de
Proceso
o Espacio Disponible
o Máximo Número de
Operarios
56
28
Restricciones de Preselección
Capacidad mínima de
proceso
Restricción de largo
disponible
Restricción de
ancho disponible
Restricción de
operarias a asignar
57
Aplicación a un Caso de Estudio

Parámetros
Capacidad deseada 125 cereza/segundo
Desecho y comercial a retirar 15%
Flujo que llega a selección 85%
Porcentaje color fruta (para los 4 calibres) 40%
Proporción calibre 1 25%
Largo preselección (m) 6
Ancho preselección (m) 7
Largo selección (m) 6
Ancho selección (m) 15
58
29
Resultados
Costo instalación 144.380
Número volcadores a instalar 1
Tipo volcador seleccionado 1
Número de separadores de pedúnculos seleccionados 1
Número cuerpos de sierra adicional seleccionados 3
Número líneas preselección instaladas 2
Largo de cada línea de preselección (m) 6
Operarias por línea de preselección 16
Operarias totales en preselección 32
Número de slot seleccionados para instalar en el calibrador 6
Ancho que ocupa el calibrador con los slot (m) 1,5
Número líneas selección instaladas calibre 1 3
Largo de cada línea selección calibre 1(m) 5
Operarias por línea selección calibre 1 6
59

Largo de cada línea selección calibre 2 (m) 5
Operarias embalado 12
Operarias totales utilizadas 116
Tipo calibrador electrónico seleccionado -
Números de calibradores electrónico seleccionado -
60
30
Principales Resultados
Se estimaron las tasas de
producción de los operarios
y de las máquinas.
Se considera de forma
integrada operarios y
máquinas.
Es posible calcular el
número de operarios y
máquinas de acuerdo con
la capacidad de
procesamiento esperada.
El modelo puede ser
adaptado a diferentes tipos
de plantas.
61
Modelo para la Planificación de la Producción

de Cortes de Cerdo
Objetivo:
Desarrollar un modelo de Programación Lineal para
apoyar decisiones de planificación de las operaciones
de producción de cortes principales y sub-cortes de
carne de cerdo, fresca y congelada.
62
31
Modelamiento
Capacidad
de Inventario
Tiempo de Proceso
Producción
Disponible
Capacidad de
Costos
la Planta
Productos,
subproductos,
Demanda inventario,
Modelo de Planificación
ventas y
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
Variables de Decisión
– Nº 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
Función Objetivo
Maximización 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 operación de
( ) (
− ∑ ∑ ⎢ ∑ xtik + xtikE COCi + ∑ ytik + ytikE COCi + ∑ ztik + ztikE COCi ⎥ ) ( ) corte
t∈T k∈K ⎣i∈PTD i∈PTC i∈PTT ⎦
( ) ( ) (
⎡ ∑ xti1 + xtiE1 + ∑ spxtp1 + spxtpE1 + ∑ yti1 + ytiE1 + ∑ spytp1 + spytpE1 + ⎤ ) ( )
⎢i∈PTD
− ∑ cc ⎢
p∈SPTD i∈PTC p∈SPTC ⎥
⎥ − Costo de congelación
t∈T ( )
⎢ ∑ zti1 + zti1 + ∑ spz tp1 + spztp1
E E
( ) ⎥
⎣i∈PTt p∈SPTT ⎦
⎡ ⎤ −Costo de mantención de
− ∑ cmk ⎢ ∑ ILVxtik + ∑ ILVspx tpk + ∑ ILVy tik + ∑ ILVspy tpk + ∑ ILVz tik + ∑ ILVspz tpk ⎥
t∈T ⎣i∈PTD p∈SPTD i∈PTC p∈SPTC i∈PTT p∈SPTC ⎦ inventario
⎡ ∑ DIxtik PDIxi + ∑ DIspxtpk PDIspx p + ∑ DIytik PDIyi + ∑ DIspytpk PDIspy p + ⎤− Penalización por
⎢i∈PTD ⎥
−∑∑⎢
p∈SPTD i∈PTC p∈SPTC
⎥demanda insatisfecha
t∈T k∈K ∑ DIztik PDIzi + ∑ DIspz tpk PDIspz p
⎢ ⎥
⎣i∈PTT p∈SPTT ⎦
− ∑ CIEk cmek − Costo de

k∈K externalización de
inventario 66
33
Restricciones del Modelo
⎛ ⎞
∑ ⎜⎝ ∑ x
k∈K i∈PTD i∈PTC
t +
tik i ∑y
i∈PTT ⎠
t +
t ⎟ ≤ Tt , ∀t ∈ T
tik i ∑z tik i El tiempo de operación
de la planta debe ser
⎛ ⎞
∑ ⎜ ∑ xtikE ti + ∑ ytikE ti + ∑ ztikE ti ⎟ ≤ Tt E , ∀t ∈ T
k∈K ⎝ i∈PTD i∈PTC i∈PTT ⎠
menor o igual al tiempo
disponible
⎡ ⎤
∑ ⎢⎣ ∑ (x ) ∑ (y ) ∑ (z )

tik + xtikE + tik + ytikE + tik + ztikE ⎥ = 2(RTD + RTC + RTT )∑ NVct Pc , ∀t ∈ T
k∈K i∈PTD i∈PTC i∈PTT ⎦ c∈C
La producción en un periodo debe ser igual a las carcasas disponibles
⎛ ⎞
∑ (x )
La producción en un
+ xtikE ≤ RxTDi ⎜ 2 RTD ∑ NVct Pc ⎟, ∀i ∈ PTD, t ∈ T
k∈K
tik
⎝ c∈C ⎠ periodo debe ser menor o
igual que el rendimiento
factible
67
∑λ
Límite de producción de
x = spxtpk ,∀t ∈ T , k ∈ K , p ∈ SPTD sub-productos
pi tik
i∈PTD
ILVx = ILVx(t −1)ik + x(t −βk )ik + x(Et −βk )ik − Vxtik , ∀t ∈ T , i ∈ PTD, k ∈ K
tik
ILVspxtpk = ILVspx(t −1) pk + spx(t − β k ) pk + spx(Et − β k ) pk − Vspxtpk ,

∀t ∈ T , p ∈ SPTD , k ∈ K
Balance de inventario de productos y subproductos en cada
periodo
68
34
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 más la demanda insatisfecha
⎡ ∑ ILVxtik + ∑ ILVspxtpk + ∑ ILVytik + ∑ ILVspytpk ⎤

⎢i∈PTD ⎥
∑
p∈SPTD i∈PTC p∈SPTC
⎢ ⎥ ≤ CIEk + CI k , ∀k ∈ K
t∈T
⎢ ∑
+ ILVz tik + ∑ ILVspz tpk ⎥
⎣ i∈PTT p∈SPTT ⎦
El inventario debe ser menor o igual que la capacidad de

almacenamiento (propia y externa)
69
∑ (xti1 + xtiE1 + x(t −1)i1 + x(Et −1)i1 ) + ∑ (spx tp1 )

+ spxtpE1 + spx(t −1) p1 + spx(Et −1) p1 +
i∈PTD p∈SPTD
∑ (y
i∈PTC
ti1 + ytiE1 + y(t −1)i1 + y(Et −1)i1 + ) ∑ (spy
p∈SPTC
tp1 )
+ spytpE1 + spy(t −1) p1 + spy(Et −1) p1 +
∑ (z
i∈PTT
ti1 + ztiE1 + z(t −1)i1 + z(Et −1)i1 ) + ∑ (spz
p∈SPTT
tp1 )
+ spztpE1 + spz(t −1) p1 + spz(Et −1) p1 ≤ CTt , ∀t ∈ T
Capacidad máxima de congelamiento
70
35
Aplicación
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 planificación consta de 6
días
Modelo con 16.323 variables
continuas y 13.598 restricciones
CPLEX Optimization Studio v.12.0
con licencia académica
Computador con procesador AMD
Phenom X2 555 de 3.2 GHz con 2
GbRAM de 1.033 MHz.
Tiempo de resolución: 4,75 segundos
71
El modelo desarrollado permite entregar una planificación
semanal de la producción de cortes de cerdo, apoyando al jefe de
operaciones en la toma de mejores decisiones y en menor
tiempo.
– Dos ingenieros realizaban la planificación de la producción en
un tiempo aproximado de tres horas.
– Cada día, un profesional quedaba encargado de monitorear
cualquier cambio en los parámetros.
El modelo permite analizar cambios de los parámetros en muy

poco tiempo, mejorando la capacidad de reacción de la empresa.
– El anterior procedimiento era muy rígido, siendo difícil evitar
pérdidas en el proceso.
Con el modelo, la empresa tiene un mejor registro de las entradas

y salidas del proceso.
72
36
Modelo para la Planificación de Cosechas
Competitividad del Sector Agrícola
Aumento insumos
Disminución del
(fertilizantes)
dólar (Contreras,
(Contreras, 2008)
2008)
Aumento salario
Disminución disponibilidad trabajador
de trabajadores agrícolas agrícola (Alarcón,
(Domínguez, 2007) 2008)
73
Problemática
Costos en huertos de manzanas
Costos de Operación Huerto de Manzanas (plena producción)
Ítem cantidad/ha $ unitario $ Total %
Mano de Obra (JH) 220 5.000 1.100.000 43,6

Agroquímicos 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
Gestión (15%) 271.500 10,8
Total Costos Directos 2.525.500
Fuente: Centro de Pomáceas (2010)

74
37
Problemática
Ahorro en costos de mano de obra
Estimación y planificación de
la mano de obra
Ayuda a mejorar la calidad de la
fruta
Disponibilidad en tiempo y
Fruta con Índices de maduración
cantidad de trabajadores
Disminución potencial de
exportación de la fruta
Repercusión en productores Ingresos por venta
75
Problemática
Desórdenes de la fruta antes de la fecha de cosecha
Escaldado Bitter Pit

Desórdenes de la fruta después de la fecha de cosecha
Agrietamiento Peduncular Amarillamiento
76
38
Objetivo
Mejorar la planificación de cosecha de

manzanas mediante el desarrollo de un modelo
de optimización que considere los diferentes
tipos de cosecha y las ventanas de tiempo de
las diferentes variedades.
Magister en Gestión 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 configuración de
cada uno de los cuarteles al interior de un
huerto.
Cosecha Manual
Cosecha Mecánica
Cosecha Semi‐Mecánica
78
39
Variedades de Manzanas
Las variedades se pueden agrupar en 4 categorías,

las cuales son agrupadas por dos características
principales:
¾ Tiempo de cosecha
¾ Familia de manzana
Categoría Variedad
Royal gala
Galas
Galaxi
Red Chief
Rojas
Scarlet
Fuji Fuji
Granny
Granny Smith
Smith
79
Variedades de Manzanas
Período de Floración y Cosecha
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
Floración
Cosecha
Fuente: Cvchile (2010)
80
40
Modelamiento
Planificación de
la mano de obra
e insumos
Cronograma de
cosecha
81
Formulación Matemática
Variables de Decisión
82
41
¾ Función objetivo
La función objetivo busca la minimización de los costos

involucrados en la utilización de mano de obra y
maquinaria, además de la minimización de los costos
de la fruta que no alcance los índices deseables de
maduración.
83
¾ Conjunto de restricciones
Las restricciones se puede agrupar de la siguiente

forma:
9Restricciones de cosecha y proceso
9Restricciones de períodos de cosecha
9Restricciones de trabajadores, maquinaria e insumos
9Restricciones de no-negatividad e integralidad
84
42
Resolución del Modelo
El paquete de software utilizado para la resolución

fue CPLEX Optimization Studio v.11.0 con licencia
académica.
El computador utilizado posee las siguientes

características: Procesador AMD Turion (tm) 64x2
Mobile Technology TL‐60 2.00 GHz. Memoria: 2 Gb.
Disco Duro: 512 Gb.
85
Casos de Estudio
Para los casos de estudio, se consideró la situación

de tres huertos frutícolas de la Región del Maule.
Estimación de
Hectáreas N° cosecha
Grupo/Variedad
plantadas Cuarteles temporada 2009/
2010 (Kg)
Agrícola A 36,4 13 Gala-Roja-Granny-Fuji 844.300
Agrícola B 39,3 12 Gala-Roja-Granny-Fuji 2.186.850

Agrícola C 16,9 5 Gala-Roja-Fuji 1.489.084
86
43
Casos de Estudio
La información de la modelación en cada uno de los

casos de estudio se presenta a continuación.
Total Variables
Restricciones
Variables
(N°) Enteras Binarias Continuas
(N°)
(N°) (N°) (N°)
Agrícola A 33.552 21.953 4.352 8.896 8.705
Agrícola B 31.616 20.673 4.096 8.384 8.193
Agrícola C 13.224 8.513 1.664 3.520 3.329
87
Casos de Estudio
• El horizonte de planificación considerado en esta

investigación es de 64 días, extendiéndose desde
mediados de febrero a mediados de abril,
aproximadamente.
• Los tiempos asociados a la búsqueda de la solución
óptima en cada uno de los huertos:
Tiempo
Agrícola
(seg)
Agrícola A 1.364
Agrícola B 1.230
Agrícola C 2.148
88
44
Casos de Estudio
Los resultados del modelo y la comparación con los

datos aportados por las agrícolas para la temporada
modelada, temporada 2009/2010.
Valor observado Valor óptimo

Agrícola en la temporada entregado por % Diferencia Diferencia
2009/2010 modelo propuesto
Mano de obra
Agrícola A $ 10.091.620 $ 8.022.518 19% $ 2.069.102
Agrícola B $ 36.021.546 $ 30.934.388 14% $ 5.087.158
Agrícola C $ 11.456.786 $ 9.433.000 18% $ 2.023.786
89
Casos de Estudio
Pérdida de manzanas por concepto de calidad
Valor observado Valor óptimo

%
Agrícola en la temporada entregado por Diferencia
Diferencia
2009/2010 modelo propuesto
Pérdida por calidad
Agrícola A $ 4.707.570 $ 4.153.363 11% $ 554.204
Agrícola B $ 13.811.850 $ 11.473.279 17% $ 2.338.571
Agrícola C $ 8.680.986 $ 7.921.998 10% $ 760.000
90
45
El modelo entrega la planificación 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 Agrícola A,
Agrícola B y Agrícola 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 aplicación de modelos de Investigación de
Operaciones y su implementación generan claras
mejoras en la eficiencia de los sistemas de
producción y logística.
Las mayores dificultades encontradas para
aplicar e implementar los modelos:
Disponibilidad de datos
Credibilidad en los resultados del modelo
Capacitación y motivación a los trabajadores para
implementar las soluciones obtenidas
92
46
“Los modelos no toman las decisiones, pero
pueden volverlas más claras y fáciles de
realizar”
¡Gracias!
93
47

Slides Elavio Araya PDF

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Slides Elavio Araya PDF

Cargado por

Copyright:

Formatos disponibles

Modelos Aplicados a la

XVI ELAVIO ESCUELA LATINOAMERICANA DE VERANO DE INVESTIGACIÓN OPERATIVA

Estructura del Minicurso

Este curso presenta una introducción a

Trata de todas las actividades de movimiento y

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

Es posible que existan movimientos desde la derecha a la

Comprar y vender en diversos lugares alrededor del mundo.

+ distancias recorridas Legislación

Incremento de la complejidad de la red

Mejorar y aumentar el dinamismo de las empresas, para

Huertos Plantas de Embalaje Consumidores

Falta de bins Desplazamientos

Huerto de la Región del Maule: 40 hectáreas, 7 cuarteles

Variedades rojas 2.5 m

Red Chief 4.5 m

Variedades Rojas Variedades Gala

Objetivo del Modelo de Optimización Aplicado

Aumentar eficiencia de proceso de cosecha

Determinar el lugar donde se localizarán los bins

Este proceso se debe realizar buscando minimizar la

Formulación del Problema

Variedades Rojas - Propuesta

Variedades Galas - Resultados

Variedades Galas - Propuesta

Presentan localizaciones similares para los bins

Variedades Galas - Propuesta

Distancia entre Bins

La aplicación del modelo de localización p-medianas

Selección del cuartel

Modelos Aplicados para Mejorar la

Proceso de Embalaje de la Manzana

Lavado & Desinfectado Enjuague Secado & Encerado

Selección Embalaje Paletizado & Almacenaje

¾ Análisis Envolvente de Datos (DEA)

¾ Calificación de Personal (Sistema

Análisis Envolvente de Datos – DEA

Es un método de apoyo a las decisiones basado en

Los modelos DEA entregan:

Modelo DEA BCC Orientado a Entradas

∑λ j y rj − s r = y r 0 , r = 1, ..., s, (3) de la DMU j en la construcción

Modelo DEA BCC Orientado a Salidas

Análisis de Eficiencia Usando DEA

Los datos de producción usados en este análisis

Cada variedad de manzana requiere diferentes

Resultados de DEA para las Diferentes

Sistema Westinghouse (Westinghouse Electric

Factores considerados por el Sistema

Calificación del Personal:

Integración de los Resultados en un

Integración de las Metodologías

Fue posible asignar las

Según la calidad de la fruta

Formulación del Modelo

Modelo de Balance de Líneas

Modelo de Balance de Líneas

Aplicación a un Caso de Estudio

Aplicación a un Caso de Estudio

Número líneas selección instaladas calibre 2 3

Números de calibradores electrónico seleccionado -

Modelo para la Planificación de la Producción

p ) + ∑ (Vz tik PVz i ) +

− ∑ CIEk cmek − Costo de

Red Chief 4.5 m