Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Slides Elavio Araya PDF
Slides Elavio Araya PDF
Gestión Logística
Marcela C. González Araya
mgonzalez@utalca.cl
Departamento de Modelación y Gestión Industrial
Facultad de Ingeniería, Universidad de Talca
Chile
Descripción
Introducción a la
Logística
Modelos Aplicados a
la Gestión Logística y
sus Principales
Resultados
Conclusiones
1
Descripción
Logística - Definición
2
Canal de Distribución
La logística administra el flujo a través del canal.
Minorista
Proveedor Fabricante Distribuidor Cliente
Abastecimiento
Distribución
Globalización
+ clientes
+ puntos de venta
+ nº de proveedores
Medios de
+ locales de oferta Transporte
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
Margen de ganancia 9
Cadena de Suministro
Granjas Mataderos
10
5
Problemática en los Huertos
Mala distribución espacial de los bins
Huerto de Manzanos
Variedades Gala
Royal Gala
Imperial Gala
Scarlet
Manzano
Hilera
12
6
Tipo de Cosecha según Variedades de Manzana
Barrido Floreo
Un único recorrido Varios recorridos.
Se recolecta la Cosecha variable
totalidad de la fruta (% variable)
(100%)
13
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
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
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
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
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
Distribución de Bins en el Huerto
Selección de la
variedad a cosechar
Selección de la
variedad polinizante
del cuartel elegido
Antecedentes de
plantación
Determinación de la
opción que se utiliza
como pronóstico de
cosecha
27
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
30
15
Herramientas de Investigación de Operaciones
y de Ingeniería Industrial Utilizadas
¾ 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 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 =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
∑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
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
20
Calificación del Desempeño del Personal
41
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
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
Se pudo estimar:
Cantidad de fruta a ser
removida de las mesas
de selección.
Número de manzanas
que pueden ser
recogidas por cada
operaria.
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
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
54
27
Modelo de Balance de Líneas
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
Modelo de Balance de Líneas
Restricciones de Preselección
Capacidad mínima de
proceso
Restricción de largo
disponible
Restricción de
ancho disponible
Restricción de
operarias a asignar
57
29
Aplicación a un Caso de Estudio
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
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
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
Formulación del Modelo
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
⎡ ⎤
−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 ⎦
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
⎛ ⎞
∑ (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
68
34
Restricciones del Modelo
69
∑ (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
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
Principales Resultados
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.
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
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
Agrietamiento Peduncular Amarillamiento
76
38
Objetivo
Cosecha Manual
Cosecha Mecánica
Cosecha Semi‐Mecánica
78
39
Variedades de Manzanas
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
80
40
Modelamiento
Planificación de
la mano de obra
e insumos
Cronograma de
cosecha
81
Formulación Matemática
Variables de Decisión
82
41
Formulación Matemática
¾ Función objetivo
Formulación Matemática
¾ Conjunto de restricciones
84
42
Resolución del Modelo
85
Casos de Estudio
Estimación de
Hectáreas N° cosecha
Grupo/Variedad
plantadas Cuarteles temporada 2009/
2010 (Kg)
Agrícola 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°)
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
Tiempo
Agrícola
(seg)
Agrícola A 1.364
Agrícola B 1.230
Agrícola C 2.148
88
44
Casos de Estudio
89
Casos de Estudio
90
45
Principales Resultados
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