Preliminar MIO Grupo 01

UNIVERSIDAD DE TALCA
FACULTAD DE INGENIERÍA
PROYECTO DE MODELOS DE
INVESTIGACIÓN DE
OPERACIONES
Por
Cristopher Muñoz Valdés
Javiera Cáceres Cubillos
Michael Rivas Bravo
Wilson Quintana González
Mayo, 2018
[NOMBRE DEL AUTOR]

Resumen
En este trabajo se utilizan los modelos de localización y vendedor viajero para determinar las
ubicaciones de los paraderos de la forma más conveniente posible para los trabajadores de cierta
empresa y la ruta más corta que debería seguir el bus desde la empresa, pasando por cada paradero
elegido. Para solucionar la problemática se hace uso de herramientas como Excel y Cplex, siendo
necesario establecer las ubicaciónes de la empresa, los trabajadores y los potenciales paraderos
mediante google maps.
Palabras claves: Problema del vendedor viajero, Modelo de localización, ruta más corta, ubicación
conveniente.
Abstract:
In this work, the location and sales models are used for the location of the company's workers and the
shortest route of the bus route of the company, passing through each chosen location. To solve the
problem you can use tools such as Excel and Cplex, being necessary to establish the location of the
company, workers and whereabouts using google maps.
Keywords: Traveler seller problem, Localization model, shorter route, convenient location.
[NOMBRE DEL AUTOR]

[NOMBRE DEL AUTOR]
Índice
Introducción…………………………………………………………………………pag 5
Descripción del problema………………………………………………………...pag 6
Objetivo general y especifico……………………………………………….……pag 7
Metodología utilizada………………………………………………………………pag 8
Revisión de modelos en la literatura aplicados a problemas similares….pag 9
Formulación matemática y supuesto para cada modelo……………………pag 11
Formulación Matemática para el modelo de Localización………………….pag 12
Formulación matemática para el modelo de la ruta más corta ……………pag 14
Presentación descriptiva de los datos utilizados…………………………….pag 16
Resultados Obtenidos……………………………………………………….…….pag 17
Discusión de resultados y propuestas de solución………………………….pag 18
Conclusiones………………………………………………………………….…….pag 19
Bibliografía…………………………………………………………………………..pag 20
Introducción
En el mundo moderno se aplica con mucha fuerza el método científico para una distribución eficaz de
los recursos que muchas veces son limitados y se necesita una optimización en la utilización de estos
[NOMBRE DEL AUTOR]

[4]
recursos. Con el paso de los años se han solucionado diferentes problemas para la industria y la vida
en general, estas soluciones se han apoyado en modelos matemáticos y en los métodos de cálculo
para resolverlos.
Para poder analizar un problema es necesario definirlo desde el punto de vista de la investigación de
operaciones, observarlo y definir el objetivo de estudio. Luego se debe analizar las variables y los
parámetros a utilizar, y con esto, construir un modelo que represente el sistema. Un punto importante
es la solución del modelo, la cual se logra utilizando distintas métodos matemáticos y software que
permiten encontrar a solución óptima. Un paso importante es la validación del modelo y si otorga
confianza a la solución.
En el presente informe el problema en cuestión es la ruta que se debe tomar de tal forma que se
minimice la distancia total recorrida, considerando que una distancia menor en la ruto significa utilizar
menor tiempo y gastar menos combustible en movilizar a los trabajadores hasta la planta.
La empresa esta ubicada en la ciudad de Talca, por lo que los trabajadores saldrán desde esta urbe y
deben ser localizados con su longitud y con su latitud. Su distribución debe de ser de forma uniforma
en la ciudad de tal forma que la totalidad de trabajadores sea representativa en la ciudad de Talca y
se existan personas en todas las ciudades de Talca.
Se presentará una formulación matemática que permita identificar cuales serán los paraderos a
construir dentro de la ciudad y que serán los que posteriormente se utilizaran para determinar la mejor
ruta entre ellos.
Para el problema de ruta se basará en el clásico problema del vendedor viajero, que permite encontrar
una ruta que se inicia en la empresa y sé que vuelve a esta misma posición.
Descripción del problema

Se debe considerar una empresa localizada en una ciudad con una gran cantidad de personas, en el
presente caso la ciudad selecciona es Talca y la empresa es Casa Donoso, dedicada a la industria
vitivinícola.
[NOMBRE DEL AUTOR]

[5]
La empresa posee un bus con capacidad para 40 personas que viven en la ciudad de Talca y
están distribuidas de forma uniforme por toda la urbe, cubriendo de esta forma todos los principales
barrios de la ciudad de Talca.
El primer problema es identificar un total de 200 potenciales paraderos, los que también son
ubicados de manera uniforme, de estos se deben seleccionar aquellos paraderos que cumplan con el
requerimiento que las distancias de los trabajadores hacia los paraderos sea la menor posible. Los 200
paraderos y 40 trabajadores deben ser localizados en el plano de la ciudad registrando su latitud y su
longitud. Se establece una restricción presupuestaria la que limita que el número de paraderos
seleccionas sea el de mínimo 6 y máximo 16.
El segundo problema consiste en luego de identificar los paraderos óptimos, se debe encontrar
la ruta más corta para que el bus pase por ellos, la idea de esta ruta es que minimice el tiempo invertido
por el bus en recoger a todos los pasajeros de la empresa.
Objetivo general y específico.
El alcance del proyecto es optimizar mediante formulación matemática y uso de software la ruta
permitiendo la mejora de tiempos y gastos de combustibles.
Objetivo general:
Encontrar la mejor ruta de tal forma que se minimice la distancia total recorrida por el bus mediante la
aplicación de un algoritmo que permita encontrar la mejor solución posible dentro de los requerimientos
de la empresa.
[NOMBRE DEL AUTOR]

[6]
Objetivos específicos:
Identificar la posición de 40 personas, los cuales serán trabajadores de cierta empresa, en la ciudad
de Talca, de tal forma que estas están distribuidas de forma uniforme por la ciudad por lo cual la
muestra de personas será representativa en cuanto a ubicaciones en Talca.
Seleccionar 200 lugares en los cuales se pueden localizar los paraderos de la empresa, estos se
denominan, paraderos potenciales.
Formular un modelo matemático que permitirá decidir sobre cuáles serán los paraderos que serán
utilizados por la empresa de tal forma que se minimice la distancia total que recorren los pasajeros
para tomar el bus
Generar un modelo que permita la elección de la mejor ruta posible que considere la minimización de
la ruta posible para el bus, considerando que la ruta seleccionada permitirá minimizar el tiempo de
recorrido del transporte.
Metodología de trabajo
Para el desarrollo del trabajo, se utilizará una metodología de investigación científica clásica. Esta se
puede describir en base a las siguientes etapas:
• El desarrollo del proyecto comienza con la investigación e identificación del problema

central. En base a este se debe realizar el planteamiento del problema, luego se definen los objetivos
del trabajo (general y específicos). Además, es importante delimitar el tema definiendo el alcance del
proyecto
• A partir del planteamiento del problema, se desarrolla el marco teórico, donde se
identifican las variables involucradas en el problema y se definen los principales términos asociados a
[NOMBRE DEL AUTOR]

[7]
este. Aquí se contempla la revisión de la literatura para la obtención, selección y la extracción de
antecedentes relevantes, de esta forma se puede comparar el problema con otros similares y manejar
de mejor forma el desarrollo de la idea central
• Finalmente se propone un modelo para desarrollar la solución al problema planteado,
donde se deben considerar el procesamiento de datos, la definición y recolección de datos de prueba
para validar la solución propuesta. Además, se deben añadir conclusiones que permitan valorizar la
solución encontrada y de esta forma
entregar la mejor solución posible.
Revisión de modelos en la literatura aplicados a problemas

similares
Para dar solución a la problemática mencionada anteriormente, es necesario indagar en los modelos
generalizados que se han creado a través del tiempo, los cuales corresponden al modelo de
localización y el modelo de la ruta más corta, específicamente el problema del vendedor viajero. Estos
modelos se pueden aplicar en diferentes situaciones, en nuestro caso el uso de ellos se realiza para
elegir inteligentemente entre una gran cantidad de paraderos, aquellos que minimicen la distancia de
los trabajadores hasta estos y luego establecer la ruta más corta para el bus que pase por todos los
paraderos seleccionados.
[NOMBRE DEL AUTOR]

[8]
El modelo de localización está diseñado para determinar entre diferentes opciones aquellas
instalaciones que son las más convenientes y que a su vez satisfacen los requerimientos necesarios
para su implementación. En la Actualidad existe una gran cantidad de investigaciones y artículos que
aplican el modelo modificándolo según sus necesidades, como en el caso de “Análisis de modelos de
localización para apoyar la distribución de bins en huertos de manzanas” (González et al.,2011) en el
cual se busca determinar puntos estratégicos para la instalación de bins con la finalidad de minimizar
la distancia que recorren las personas hasta ellos, favoreciendo así la productividad del huerto.Para la
resolución de este problema se determinan los parámetros, siendo estos la localización potencial de
los bins, la cantidad de manzanos,las distancias entre cada ubicación del bins y cada manzano, la
cantidad de bins que se instalarán y la capacidad que tiene cada uno de ellos. Además se establecen
las variables de decisión, que en este caso son dos variables booleanas, la primera determinará si se
instala o no un bins en la localización dada y la segunda si se asigna o no cierto manzano a un bins
específico. Con esto se puede formular la función objetivo, la cual corresponde a minimizar las suma
de las distancias entre cada bins instalado a los manzanos. Para finalizar se determinan las
restricciones del problema, las cuales consisten en asignar solo un bins para cada manzano, que cada
bins tenga una cantidad de manzanos menor o igual a su capacidad,que los bins instalados sean
iguales al número establecido al comienzo y que ambas variables sólo puedan tomar los valores de 0
y 1.
El trabajo realizado en “Análisis de modelos de localización para apoyar la distribución de bins

en huertos de manzanas” tiene mucha similitud con el nuestro, debido a que ambos buscan minimizar
las distancias que recorren los trabajadores hasta algún punto,si bien en nuestro proyecto no existe
una capacidad máxima para los paraderos,si es necesario establecer dos variables que determinen si
se elegirá una localización o no y si cierta persona está asignada a un paradero puntual o no.
Por otro lado el modelo de la ruta más corta, específicamente el problema del vendedor viajero
sirve para encontrar la mínima trayectoria entre diferentes puntos, pasando una vez por cada uno de
ellos y volviendo al punto de inicio, es decir creando una optimización de un circuito de manera de
recorrerlo lo más convenientemente posible. Este problema ha sido ampliamente estudiado, y se puede
encontrar gran cantidad de investigaciones donde se aplica el modelo y se llega un resultado
satisfactorio. Uno de los artículos más relevantes entre los disponibles es “El problema del agente
viajero(TSP) para las discotecas de la ciudad de Barranquilla” (Ibáñez et al., 2017) donde se busca
determinar la ruta más corta entre cierta cantidad de discotecas. Para hacer esto se crea una matriz
con las distancias entre cada paradero, estableciendo además los arcos y grafos. Lo que se busca
minimizar es la distancia recorrida en el circuito, y las restricciones presentes en el problema son que
solo se puede salir una vez de un lugar, solo se puede entrar una vez a un lugar y no deben crearse
subcircuitos.
Este problema es muy semejante a lo que nosotros queremos conseguir, ya que en el proyecto
también se busca encontrar un circuito simétrico que minimice la distancia recorrida. Es de suma
[NOMBRE DEL AUTOR]

[9]
importancia tener en consideración las restricciones mencionadas ya que son muy similares a las que
sustentan nuestro proyecto.
FORMULACIÓN MATEMÁTICA Y SUPUESTOS PARA CADA

MODELO
0. Definición de parámetros: es el punto donde se definen datos fijos y conocidos, ya sea

por el planteamiento de la problemática o por investigación, suelen ser agrupaciones de datos
definidos como una o varias letras mayúscula, usualmente acompañados de una o dos letras
minúsculas, que se relaciona con el tamaño de la agrupación (I, J, Tij, etc.).
1. Definición de variables de decisión: como su nombre los indica ahora es cuando

definimos los datos variables de nuestra problemática, estos son obviamente desconocidos y
[NOMBRE DEL AUTOR]

[10]
su valor, es uno de los objetivos que deseamos. Se simbolizan de forma similar a los
parámetros usando letras mayúsculas y minúsculas (Xi, Yij, etc.).
2. Función Objetivo: es la ecuación matemática que deseamos minimizar o maximizar, su

valor es la respuesta principal a la problemática, está definida por las variables de decisión, y
en muchos casos por los parámetros.
3. Restricciones: son las limitaciones del modelo las que evitan una minimización de valor 0 o
una maximización que tiende a infinito, suelen ser obtenidas del planteamiento de la
problemática o de hechos lógicos. Mezclan y relacionan los parámetros con las variables de
decisión. De esta forma se obtiene una sola solución óptima y real.
4. Restricción de Integridad: Indican la naturaleza de las variables, limitadas a pertenecer a

un conjunto de números, normalmente enteros positivos, o binarios.
SUPUESTOS:
Para este caso hemos supuesto principalmente que las líneas rectas entre la ubicación de los
trabajadores y los paraderos, al igual que entre los nodos (es decir los paraderos y la empresa),
representan la ruta más corta, tanto para trabajadores como para el bus.
También se supone que el bus solo realiza un solo recorrido para llevar a todos los trabajadores, los
que significa que debe tener la capacidad de llevar a los 40 trabajadores.
El bus pasará por todos los paraderos seleccionados, sin saltarse alguno, de tal forma, cada paradero
recibirá en un momento a el bus y luego este ya no volverá por este. También se debe señalar que en
cada paradero deberá existir al menos un pasajero que recoger.
Formulación Matemática para el modelo de Localización:
Definición de parámetros:
-trabajadores=cantidad de trabajadores -
paraderos=cantidad de paraderos a seleccionar -P=????
-R=Radio de la tierra
-I= (1=trabajador 1, 2=trabajador 2, 3= trabajador 3…………trabajadores)
-J= (1=paradero 1, 2=paradero 2, 3=paradero 3………paraderos)
-𝑋𝑖𝑗=distancia entre el trabajador i y el paradero j. i E I, j E J
[NOMBRE DEL AUTOR]

[11]
Definición de variables:
Sea 𝐷𝑖𝑗 E {0,1} donde 𝐷𝑖𝑗=1 si el trabajador i es asignado al paradero j, 𝐷𝑖𝑗=0 en caso contrario. i E I,
j E J.
Sea 𝑌𝑗 E {0,1} donde 𝑌𝑗=1 si se construye el paradero j, 𝑌𝑗 =0 en caso contrario, j E J.
Función Objetivo: Minimizar la distancia entre el trabajador y el paradero asignado para ella.
𝑚𝑖𝑛𝑖𝑚𝑖𝑧𝑒(𝑧) = ∑ ∑ 𝑋𝑖𝑗∗𝐷𝑖𝑗
𝑖∈I𝑗∈J
Restricciones:
1) Cada trabajador solo debe ir a un paradero: Los trabajadores solo pueden dirigirse a el
paradero más cercano a su posición, esto ocurre en la etapa de asignación de potenciales paraderos
y es una restricción que ayuda a la selección de los paraderos del bus y que contribuye con la
minimización de la distancia de trabajador a paradero. Es por esto que se asume que el trabajador
caminará en dirección de su paradero más cercano, ignorando los demás paraderos.
∑ 𝐷𝑖𝑗 = 1 , 𝑖∈I
𝑗∈𝐽
2)El trabajador no puede ser asignado a un paradero que no ha sido construido: Esta
restricción permite que el trabajador no cree su propio paradero y llegue a uno de los paraderos
designados por la empresa.
𝐷𝑖𝑗 ≤ 𝑌𝑗 , 𝑖∈I,j∈J
3) Las variables de decisión sólo pueden tomar los valores de 0 o 1: Variable de tipo binaria
que permite saber si existe construcción de paradero, se puede decir que si 𝑌𝑗=1 entonces el paradero
j será construido, por lo tanto, el valor de la variable de decisión permite identificar a los paraderos que
serán construidos.
𝑌𝑗 ∈ {0,1}, Dij ∈ {0,1}
4)La cantidad de paraderos construidos debe ser igual a la que se solicita: Mediante la
utilización de la variable de tipo binarias (con valor 0 o 1), la suma de estas debe de ser igual al número
de paraderos que la empresa desea construir, de esta forma se observan los paraderos seleccionados
[NOMBRE DEL AUTOR]

[12]
dentro de los posibles. Recordemos que la empresa puede construir de 6 a 16 paraderos, por lo que
la cantidad de paraderos a establecer puede variar según la empresa.
∑ 𝑌𝑗 = 𝑃
𝑗∈J
Explicación del código:

En este modelo matemático, se comienza definiendo dos datos, trabajadores y paraderos (los cuales
son extraídos del Excel). Hasta el momento, los datos extraídos son utilizados en cada configuración
del OPL correspondiente a la parte 1 del problema.
A continuación, se define la variable P, la cual corresponde a la cantidad de paraderos que deberán
ser usados en cada optimización (este P varía en cada configuración del OPL correspondiente a la
parte 1 del problema).
A continuación, se definen dos rangos, el primero es I, que comienza desde 1 hasta la cantidad de
trabajadores antes extraído. El segundo, rango J, el cual va desde 1 hasta la cantidad de paraderos
anteriormente extraído.
También, se definió una matriz X, de dimensiones [I][J], la cual toma los datos del Excel, los cuales se
refieren a la distancia desde un trabajador i hasta el paradero j. Estos datos son los principales para
este código.
En cuanto a la definición de variables, se tienen 2, ambas booleanas. Primero, la variable booleana 𝐷𝑖𝑗
la cual nos dirá si el trabajador i irá o no al paradero j.
Como segunda variable booleana, se tiene a 𝑌𝑗, la cual representará, si el paradero j se utiliza o no.
Como función objetivo, se tiene que minimizar la distancia recorrida por cada trabajador i hasta un
cierto paradero j. Para esto de define la función como la suma de cada variable 𝑋𝑖𝑗 (distancia del
trabajador i al paradero j) multiplicada por 𝐷𝑖𝑗 (si el trabajador i va a al paradero j).
Para poder ver de una forma ordenada cada solución de los paraderos exigidos, se creó un execute el
cual crea una matriz con los números de los paraderos que según la optimización son los elegidos,
para posteriormente, imprimir estos números en la hoja de Excel correspondiente a el caso que
estamos viendo.
Formulación matemática para el modelo de la ruta más corta

(Vendedor Viajero)
Definición de parámetros:
N = cantidad de nodos que conforman la ruta (los paraderos establecidos más la empresa).
K = cantidad de los posibles paraderos
Paraderos = (0=empresa,1=paradero1,2=paradero2……...N=paradero N)
𝑌𝑖 ∈{0,1} donde 𝑌𝑖 = 1 si se construye el paradero i, 𝑌𝑖 = 0 en caso contrario, i ∈ paraderos.

distancia [i, j] = distancia entre el paradero i y el paradero j, i ∈ paraderos, j paraderos
[NOMBRE DEL AUTOR]
[13]
𝑎𝑟[< 𝑖, 𝑗 >] = arco del paradero de origen i hacia el paradero de origen j, i ∈ paraderos, j ∈ paraderos.
Definición de Variables:
𝑋[< 𝑖, 𝑗 >]∈ {0,1} donde 𝑋[< 𝑖, 𝑗 >] = 1 si se recorre el arco de origen i y destino j, 𝑟[< 𝑖, 𝑗 >] = 0
en caso contrario, i ∈ paraderos, j ∈ paraderos.
𝑈𝑖= variable auxiliar para evitar la creación de subcircuitos dentro del recorrido, i ∈ paraderos.
Función Objetivo: minimizar la distancia recorrida por el bus
Min(Z)= ∑𝑎∈ar 𝑑𝑖𝑠𝑡𝑎𝑛𝑐𝑖𝑎[𝑎. 𝑖][𝑎. 𝑗] ∗ 𝑋𝑎
Restricciones:
1)Solo pude salir un arco de cada paradero, y el paradero debe haber sido creado: hace referencia a
que desde cada paradero de origen i el bus solo se puede dirigir a un paradero de destino j, siempre y
cuando ambos hayan sido construidos. Esto sentara las primeras bases del circuito que se quiere
implementar para la solución del problema.
∑ 𝑋[< 𝑖, 𝑗 >] = 1, 𝑖 ∈ paraderos | Yi = 1

𝑗 ∈ paraderos
𝑖≠𝑗, 𝑌𝑖=1
2)Solo puede ingresar un arco a cada paradero, y el paradero debe haber sido creado: representa que
a cada paradero de destino j solo puede llegar un paradero de origen i, siempre y cuando ambos estén
construidos. Estas restricciones junto con la primera permitirán crear el circuito.
∑ 𝑋[< 𝑖, 𝑗 >] = 1, 𝑗 ∈ paraderos | Yj = 1

𝑖 ∈ paraderos
𝑗≠𝑖, 𝑌𝑖=1
3)Evita que se creen subcircuitos dentro del recorrido: restricción que evita que se creen sub-circuitos,
de esta forma el bus no regresara a los paraderos por lo que ya paso si aún no pasa por todos los
paraderos. Esto porque el bus que realiza el trayecto es solo uno y por lo tanto es este quien debe
pasar por todos los paraderos.
𝑈𝑖 − 𝑈𝑗 + 𝑁 ∗ 𝑋[< 𝑖, 𝑗 >] ≤ 𝑁 − 1, 𝑖 ∈ parderos | Yi = 1
[NOMBRE DEL AUTOR]

[14]
𝑗 ∈ paraderos | 𝑖 > 1 & 𝑗 > 1 & 𝑖 ≠ 𝑗 & 𝑌𝑖 = 1
Para poder ver de una forma ordenada cada solución de los arcos a utilizar, se creó un execute el cual
crea una matriz con los números de los arcos que según la optimización son los elegidos, para
posteriormente, imprimir estos números en la hoja de Excel correspondiente a el caso que estamos
viendo.
Explicación del Código

En este modelo matemático, se comienza definiendo dos datos, N y K (N: cantidad de paradas del bus,
K: cantidad total de paraderos; los cuales son extraídos del Excel). Para el dato N, este varía en cada
configuración del OPL de la parte 2, manteniendo constante K.
Luego, se crea un rango que va desde 0 hasta K, en este caso, el rango empieza desde 0 porque la
empresa en cuestión contará en esta parte del proyecto como un paradero más.
A continuación, tenemos los datos Y[paraderos], que son los datos obtenidos de la parte 1 del proyecto
para cada cantidad de paraderos (la matriz Y varia sus datos dependiendo del valor k que se tome)
También se tiene la matriz distancia[paradero][paradero], la cual se extrae del Excel y nos entrega la
distancia del paradero i cada paradero j (aquí se incluye la distancia de la empresa a cada paradero y
viceversa).
Como parte fundamental de esta parte del proyecto, es la implementación de tuplas, en este caso, las
llamaremos arcos, con variantes i & j. (Aquí podemos lograr el conjunto de combinaciones de un
paradero con todos los demás (todas las combinaciones i j posible))
Luego, se crean otras tuplas tomando las anteriores, pero con la diferencia de tomar ciertas
restricciones. Primero, que los (i,j) de cada tupla no sean iguales entre sí (i distinto de j).
Segundo, que para cada tupla con coordenadas (i,j) , el paradero i exista (es aquí donde se utilizan
datos de la parte 1 del proyecto, específicamente Y[I], matriz la cual trae si el paradero i existe) En
cuanto a variables, se tienen 2. Por un lado, la variable booleana X[ar], que permite entregarnos si el
arco (i,j) será utilizado o no y la variable u[paraderos]nos indicara el orden en que recorrerán los arcos.
Presentación descriptiva de los datos utilizados

Las posiciones de los 40 trabajadores dentro de la ciudad de Talca son presentadas en la siguiente
tabla:
ubicación trabajadores Localización trabajadores

Trabajador Latitud(Radianes) Longitud(Radianes) Trabajador Latitud(Radianes) Longitud(Radianes)
Trabajador 1 0,6184102 1,250198396 Trabajador 21 0,61867835 1,250529427
[NOMBRE DEL AUTOR]

[15]
Tabla 2. Posición de trabajadores en Talca
Estos 40 trabajadores están repartidos en la ciudad de Talca de forma uniforme cubriendo todos los
barrios de Talca.
Los datos de la ubicación han sido extraídos desde Google Heart, el cual ha sido de buen desempeño
para localizar a las personas y a los trabajadores.
La Tabla con la posición de los paraderos será presentada en un anexo especial, debido a su gran
tamaño.
La posición de la empresa es la siguiente:
LATITUD 0,6184102
LONGITUD 1,250198396
Resultados Obtenidos
Al aplicar el modelo matemático se obtiene que la distancia recorrida tanto para el bus como para los
pasajeros va variando según el número de paraderos que la empresa seleccione para recoger a los
trabajadores. Cada una de estas es una de las soluciones posible en función del número de paraderos.
Distancia recorrida por Distancia

trabajadores(Km) recorrida por
Cantidad Paraderos el bus(Km)
5 32,46538694 16,95206529
6 28,1820185 18,72189936
[NOMBRE DEL AUTOR]

[16]
7 25,26891167 19,6584954
8 23,56416958 20,19489402
9 21,94565029 19,96949226
Tabla 1
10 20,4608991 20,59150231 Distancias posibles según
el número de paraderos.
11 19,3163317 20,675458
12 18,28638866 21,9173216
13 17,41341656 22,40692161
14 16,60622481 22,50689142
15 15,82139787 23,58645129
16 15,10380635 25,30353071
Distancia trabajadores vs Distanciar bus

35
30
25
20
15
10
0
5 6 7 8 9 10 11 12 13 14 15 16
Cantidad de paraderos
Distancia trabajadores Distancia bus
GraficoN°1 Paraderos vs Km recorridos
Discusión de resultados y propuestas de solución

Observando las tablas presentadas y analizando el comportamiento de las distancias según el número
de paraderos que la empresa va a colocar se presentara la discusión de resultados. Como observación
de los datos cuando el número de paraderos aumenta se presentas dos sucesos, el primero, a mayor
cantidad de paraderos, menor es la distancia total que recorren los pasajeros. El segundo suceso es
lo contrario, cuando se aumentan los paraderos aumenta la distancia que se debe recorrer para
recoger a todos los pasajeros.
Anteriormente se señaló que la empresa Viña Casa Donoso necesita encontrar la mejor ruta para
moverse por la ciudad de Talca de tal forma que se optimice el tiempo empleado y también el
combustible.
[NOMBRE DEL AUTOR]

[17]
La tabla 1 resume las soluciones de las funciones objetivos planteadas anteriormente, observando
estas soluciones, la que ofrece una distancia de forma equitativa y que reconcilia de mejor forma las
distancias, entonces la mejor solución para la empresa es la construcción de 10 paraderos en la ciudad
de Talca en donde los 40 trabajadores recorren en total 20.4608 km para llegar desde sus hogares
hasta los paraderos. De igual forma el bus de la empresa recorrerá una distancia de 20.5915 km por
toda la ciudad de Talca recogiendo a todos los pasajeros.
Como punto de discusión se puede presentar que, si la viña Casa Donoso deseara minimizar mucho
más su distancia y recorrer más rápido por la ciudad, tendría que darse que los trabajadores deberían
recorrer muchos más kilómetros para poder tomar el bus, lo cual no sería una buena opción ya que los
trabajadores se podrían someter a cansancio. Por esto señalamos que colocar 10 paraderos es una
solución que reconcilia de mejor forma los dos principales intereses.
Imagen 1. Mejor ruta posible para el bus
Conclusiones
Para concluir en este trabajo se nos presentó el siguiente problema ¿Cuál es la mejor ruta para un bus de
trabajadores de una empresa X?, dentro del mismo problema se nos dice que el bus debe pasar por ciertos paraderos
a definir, por lo que primero debemos contestar a ¿Cuáles son las mejores opciones para establecer paraderos?,
con esto claro creamos la base de datos, con las ubicaciones de los trabajadores, los posibles paraderos, y la
empresa.
Para solucionar estas problemáticas se crearon modelos de solución lineal para buscar las soluciones optimas,
primero encontrando las mejores soluciones de entre los posibles paraderos (dependiendo de la cantidad de
paraderos a crear: 5, 6, 7, …, 16), eligiendo como mejor al paradero con más trabajadores cercanos. Luego usando
esos paraderos como base aplicamos el modelo del vendedor viajero (TSP), para averiguar la mejor ruta para el
bus, que se originaba y finalizaba en la empresa.
Después de todo el proceso ya descrito, podemos afirmar que se alcanzaron los objetivos, ya que logramos ubicar
el numero pedido de trabajadores y posibles paraderos, al igual a la empresa destino. Igualmente logramos
[NOMBRE DEL AUTOR]

[18]
minimizar, para cada caso, el resultado del modelo matemático que calculaba; la distancia que debían transitar los
trabajadores hasta el paradero y, aplicando estos resultados obtener la respuesta principal que era la ruta más corta
para nuestro bus de trabajadores.
A pesar de que se logró encontrar las mejores rutas para el recorrido del bus, el problema plantea que el bus debe
salir desde la empresa, pero que tal si hubiéramos podido hacer que el bus saliera desde uno de los paraderos
conectados a la empresa, ¿habría sido mejor elegirlo por la cantidad de trabajadores en el paradero, o por la
distancia que tenían con la empresa?, ya que nuestra función objetivo era en relación a la distancia, es probable
que lo mejor hubiera sido elegir el paradero más alejado de la empresa, para que esa distancia se restara de la ruta
recorrida.
A partir de los resultados obtenidos tenemos tres posibles recomendaciones que hacerle a la empresa
dueña del bus, dependiendo de la cultura de la empresa:
1. Si su prioridad es la distancia que recorren los trabajadores: entonces se les recomienda usar el
caso con 16 paraderos, con esta elección los trabajadores recorrerán solo 15,1038063531828 km,
mientras que el bus hará una ruta de 25,3035307135782 km.
2. Si su prioridad es la distancia que recorren la ruta del bus: entonces se les recomienda usar el caso
con 5 paraderos, con esta elección los trabajadores recorrerán 32,4653869354602 km, mientras
que el bus hará una ruta de solo 16,9520652938961 km.
3. Si no tiene prioridad y desea una opción que le dé la mejor distancia tanto para los trabajadores
como para la ruta del bus: entonces se les recomienda usar el caso con 10 paraderos, con esta
elección los trabajadores recorrerán 20,4608990984416 km, mientras que el bus hará una ruta de
20,5915023139816 km.
Bibliografía
-MOORE,J;WEATHERFORD,L.2000.Investigación de Operaciones en la ciencia

administrativa.México.PEARSON.244-246 p.
-TRONCOSO,J et al.2002.Modelo de localización de instalaciones: una aplicación para la

aplicación y logística forestal.Valdivia,Scielo. Disponible en
https://scielo.conicyt.cl/scielo.php?script=sci_arttext&pid=S0717-92002002000200007.
Consultado 23 Abril 2018.
-GONZALEZ,M et al.2011.Análisis de modelos de localización para apoyar la distribución de

bins en huertos de manzanas.Disponible en
https://www.researchgate.net/publication/277249575_Analisis_de_modelos_de_localizacion
_para_apoyar_la_distribucion_de_bins_en_huertos_de_manzanas. Consultado 23 de Abril
de 2018.
[NOMBRE DEL AUTOR]

[19]
-IBAÑEZ,L et al.2017.Problema del agente viajero (TSP) para las principales discotecas de la
ciudad de Barranquilla.Working Paper.Disponible en
https://www.researchgate.net/publication/321732189_PROBLEMA_DEL_AGENTE_VIAJER
O_TSP_PARA_LAS_PRINCIPALES_DISCOTECAS_DE_LA_CIUDAD_DE_BARRANQUILL
AWORKING_PAPER. Consultado 27 de Abril.
-RAMOS,A et al.2010.Modelos matemáticos de optimización.Madrid.Disponible en

https://www.gams.com/fileadmin/community/contrib/doc/modelado_en_gams.pdf.
Consultado 23 de Abril.
-ORELLANO,R et al.2017.Aplicación del problema de agente viajero a los principales hoteles

de la ciudad de Barranquilla.Disponible en
https://www.researchgate.net/publication/321717101_APLICACION_DEL_PROBLEMA_DE_
AGENTE_VIAJERO_A_LOS_PRINCIPALES_HOTELES_DE_LA_CIUDAD_DE_BARRANQ
UILLA
Consultado 29 de Abril.
-CAZABAL,L.2011.Un caso sobre la localización de instalaciones para una empresa que

distribuye motores y refacciones en México.Tesis Lic.Matemáticas Aplicadas.Universidad
Autónoma de Puebla,Facultad de ciencias Físico-Matemáticas,21-24 p.
-AUTOR. AÑO. Título. Lugar de publicación. Editorial. Páginas o volúmenes. - TRONCOSO,

A.; TAMAYO, M. 1998. Viva la ciencia. Talca, Universidad de Talca. 227 p.
-MARDONES,J;ÁLVAREZ E.2010.IBM ILOG CPLEX,OPL y Concert Thechnology:Manual

práctico.Talca,Universidad de Talca.23-31 p.
Anexos
Ubicación de los 200 potenciales paraderos de la empresa viña Casa Donoso.
Ubicación paraderos
Paradero Latitud(Radianes) Longitud(Radianes)
Paradero 1 0,618541293 1,250147006
Paradero 2 0,618539015 1,250169356
Paradero 3 0,618551474 1,250201645
Paradero 4 0,618551717 1,2501472
Paradero 5 0,618572709 1,25019636
Paradero 6 0,618526458 1,250210032
[NOMBRE DEL AUTOR]

[20]
Paradero 7 0,618512786 1,250211147
Paradero 8 0,618524519 1,250237812
Paradero 9 0,618490582 1,250219534
Paradero 10 0,618469056 1,250249156
Paradero 11 0,61850246 1,250487636
Paradero 12 0,618457372 1,250330654
Paradero 13 0,618391631 1,250361342
Paradero 14 0,618407 1,25039271
Paradero 15 0,618387316 1,250409048
Paradero 16 0,618334375 1,250402939
Paradero 17 0,618451021 1,250149236
Paradero 18 0,61839134 1,250244551
Paradero 19 0,61836133 1,250181476
Paradero 20 0,618316 1,250202372
Paradero 21 0,618666375 1,250687186
Paradero 22 0,618701233 1,250494715
Paradero 23 0,618650231 1,25050155
Paradero 24 0,618566164 1,25049583
Paradero 25 0,618599374 1,250581836
Paradero 26 0,618649649 1,250582708
Paradero 27 0,618634087 1,250619457
Paradero 28 0,618641989 1,250671284
Paradero 29 0,618679174 1,250749048
Paradero 30 0,618582551 1,250655042
Paradero 31 0,618596756 1,250703863
Paradero 32 0,618631711 1,250758938
Paradero 33 0,618588756 1,250780949
Paradero 34 0,618643734 1,250538784
[NOMBRE DEL AUTOR]

[21]
Paradero 35 0,618687755 1,250847029
Paradero 36 0,618736382 1,250864385
Paradero 37 0,618703221 1,250904915
Paradero 38 0,61871122 1,250927362
Paradero 39 0,618648195 1,25093541
Paradero 40 0,618682229 1,250970899

Paradero 41 0,618657358 1,251000424
Paradero 42 0,618687028 1,251088272
Paradero 43 0,61866846 1,251146353
Paradero 44 0,618626281 1,251143686
Paradero 45 0,618648195 1,251195222
Paradero 46 0,618681598 1,251222808
Paradero 47 0,61865823 1,251289663
Paradero 48 0,618572612 1,251321758
Paradero 49 0,618580999 1,2513683
Paradero 50 0,618533245 1,251352495
Paradero 51 0,618564322 1,251189549
Paradero 52 0,618500957 1,25129839
Paradero 53 0,618535282 1,2511608
Paradero 54 0,61863622 1,251055014
Paradero 55 0,618579254 1,251042554
Paradero 56 0,618527767 1,251090647
Paradero 57 0,618509199 1,251087351
Paradero 58 0,618465032 1,251090454
Paradero 59 0,618420235 1,251139711
Paradero 60 0,618394734 1,251101507
Paradero 61 0,618455869 1,250931483
Paradero 62 0,618423096 1,250974195
Paradero 63 0,618505805 1,250991552
Paradero 64 0,618551135 1,250930029
Paradero 65 0,618598744 1,250932792
Paradero 66 0,618643589 1,250895122
Paradero 67 0,618636656 1,250928089
[NOMBRE DEL AUTOR]

[22]
Paradero 68 0,618595786 1,250977589
Paradero 69 0,618573194 1,250996254
Paradero 70 0,618547499 1,251016083
Paradero 71 0,618592974 1,250871075
Paradero 72 0,618525925 1,25102927
Paradero 73 0,618499745 1,251042748
Paradero 74 0,618469201 1,25103853
Paradero 75 0,618458536 1,250991018
Paradero 76 0,618433713 1,251045366
Paradero 77 0,618518507 1,250946561
Paradero 78 0,61853373 1,250880772
Paradero 79 0,618549002 1,250849792
Paradero 80 0,618580515 1,250860264
Paradero 81 0,618498581 1,250936671
Paradero 82 0,618490242 1,25087922
Paradero 83 0,618557244 1,250782257
Paradero 84 0,61852447 1,250807225

Paradero 85 0,618529027 1,25071482
Paradero 86 0,61847531 1,250841938
Paradero 87 0,618455627 1,250817067
Paradero 88 0,618415775 1,250870736
Paradero 89 0,618451651 1,25089488
Paradero 90 0,61841563 1,250914466
Paradero 91 0,61825438 1,250996206
Paradero 92 0,618359246 1,250937495
Paradero 93 0,618390177 1,251007696
Paradero 94 0,618358518 1,251051378
Paradero 95 0,618315903 1,251005272
Paradero 96 0,618317843 1,250969396
Paradero 97 0,618630499 1,251229741
Paradero 98 0,618576248 1,251272695
Paradero 99 0,618630887 1,251359331
Paradero 100 0,618572321 1,251451591
Paradero 101 0,618391098 1,250668472
[NOMBRE DEL AUTOR]

[23]
Paradero 102 0,618383874 1,250752684
Paradero 103 0,618423629 1,250543972
Paradero 104 0,618357743 1,250568649
Paradero 105 0,618447821 1,250629056
Paradero 106 0,618348531 1,250677489
Paradero 107 0,618327151 1,250723013
Paradero 108 0,618323709 1,250769798
Paradero 109 0,618356676 1,250823467
Paradero 110 0,618333017 1,250871657
Paradero 111 0,618316243 1,250815273
Paradero 112 0,618273773 1,250845429
Paradero 113 0,618268682 1,250910054
Paradero 114 0,618226116 1,250906467
Paradero 115 0,618366227 1,25070076
Paradero 116 0,618286766 1,250683162
Paradero 117 0,618333696 1,250623384
Paradero 118 0,61829782 1,250525306
Paradero 119 0,618281239 1,250749242
Paradero 120 0,618247108 1,250811977
Paradero 121 0,618456354 1,250762913
Paradero 122 0,618490291 1,250692179
Paradero 123 0,618494654 1,250633711
Paradero 124 0,618509441 1,250552989
Paradero 125 0,61851458 1,250508386
Paradero 126 0,618471335 1,250436876
Paradero 127 0,618522289 1,250367936
Paradero 128 0,618549923 1,250435228

Paradero 129 0,618616391 1,250332447
Paradero 130 0,618553414 1,250315527
Paradero 131 0,618643686 1,250176628
Paradero 132 0,618592974 1,250204747
Paradero 133 0,618341986 1,250322509
Paradero 134 0,618604222 1,250260743
Paradero 135 0,618650764 1,250102015
[NOMBRE DEL AUTOR]

[24]
Paradero 136 0,618566213 1,250075351
Paradero 137 0,61870007 1,250136777
Paradero 138 0,61850789 1,249968789
Paradero 139 0,618432743 1,250157042
Paradero 140 0,618412769 1,250085677
Paradero 141 0,618209632 1,250688979
Paradero 142 0,618183452 1,250738236
Paradero 143 0,618213462 1,250618827
Paradero 144 0,618182919 1,250662799
Paradero 145 0,618233291 1,25066406
Paradero 146 0,618142825 1,250785748
Paradero 147 0,618200857 1,250805868
Paradero 148 0,618160181 1,250775131
Paradero 149 0,618226164 1,250759374
Paradero 150 0,618173223 1,250864239
Paradero 151 0,618146752 1,250621784
Paradero 152 0,618123335 1,250658533
Paradero 153 0,618173659 1,250567097
Paradero 154 0,618079169 1,250677101
Paradero 155 0,618122172 1,250611458
Paradero 156 0,618145249 1,250682677
Paradero 157 0,618097107 1,250711426
Paradero 158 0,618117566 1,250729025
Paradero 159 0,618104088 1,250627214
Paradero 160 0,618128232 1,250542323
Paradero 161 0,61819596 1,250568455
Paradero 162 0,618196979 1,250540384
Paradero 163 0,618099095 1,250559583
Paradero 164 0,618156303 1,250536651
Paradero 165 0,618173417 1,250594295
Paradero 166 0,618238188 1,250592162
Paradero 167 0,618168714 1,250635553
Paradero 168 0,618185585 1,250446524
Paradero 169 0,618069957 1,250582223
Paradero 170 0,618083387 1,25065606
[NOMBRE DEL AUTOR]

[25]
Paradero 171 0,618069182 1,25065194
Paradero 172 0,618014204 1,250691016
Paradero 173 0,618009016 1,250622366
Paradero 174 0,618078636 1,25051241
Paradero 175 0,618025403 1,250578102
Paradero 176 0,618049256 1,250513816
Paradero 177 0,618020846 1,25053573
Paradero 178 0,617957287 1,250563122
Paradero 179 0,61793644 1,250636571
Paradero 180 0,617895085 1,250687573
Paradero 181 0,617997187 1,250484146
Paradero 182 0,618049159 1,250427956
Paradero 183 0,617968243 1,250444245
Paradero 184 0,617918938 1,250356688
Paradero 185 0,617869535 1,25049263
Paradero 186 0,617908514 1,250577133
Paradero 187 0,617897509 1,250475322
Paradero 188 0,617907496 1,25051081
Paradero 189 0,617847816 1,2505638
Paradero 190 0,617858966 1,25066886
Paradero 191 0,618177634 1,250371281
Paradero 192 0,618126584 1,250366481
Paradero 193 0,618117954 1,250506932
Paradero 194 0,618065982 1,250397461
Paradero 195 0,618034324 1,250399594
Paradero 196 0,618004023 1,250424804
Paradero 197 0,618091338 1,25043421
Paradero 198 0,618049692 1,250478328
Paradero 199 0,618065788 1,25034927
Paradero 200 0,618031657 1,250285372
[NOMBRE DEL AUTOR]

[26]

Preliminar MIO Grupo 01

Cargado por

Información del documento

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

Preliminar MIO Grupo 01

Cargado por

Copyright:

Formatos disponibles

UNIVERSIDAD DE TALCA

Cristopher Muñoz Valdés

Javiera Cáceres Cubillos

Michael Rivas Bravo

Wilson Quintana González

[NOMBRE DEL AUTOR]

[NOMBRE DEL AUTOR]

[NOMBRE DEL AUTOR]

Descripción del problema

[NOMBRE DEL AUTOR]

Objetivo general y específico.

[NOMBRE DEL AUTOR]

• El desarrollo del proyecto comienza con la investigación e identificación del problema

[NOMBRE DEL AUTOR]

Revisión de modelos en la literatura aplicados a problemas

[NOMBRE DEL AUTOR]

El trabajo realizado en “Análisis de modelos de localización para apoyar la distribución de bins

[NOMBRE DEL AUTOR]

FORMULACIÓN MATEMÁTICA Y SUPUESTOS PARA CADA

0. Definición de parámetros: es el punto donde se definen datos fijos y conocidos, ya sea

1. Definición de variables de decisión: como su nombre los indica ahora es cuando

[NOMBRE DEL AUTOR]

2. Función Objetivo: es la ecuación matemática que deseamos minimizar o maximizar, su

4. Restricción de Integridad: Indican la naturaleza de las variables, limitadas a pertenecer a

Formulación Matemática para el modelo de Localización:

-𝑋𝑖𝑗=distancia entre el trabajador i y el paradero j. i E I, j E J

[NOMBRE DEL AUTOR]

Sea 𝑌𝑗 E {0,1} donde 𝑌𝑗=1 si se construye el paradero j, 𝑌𝑗 =0 en caso contrario, j E J.

𝑌𝑗 ∈ {0,1}, Dij ∈ {0,1}

[NOMBRE DEL AUTOR]

Explicación del código:

la cual nos dirá si el trabajador i irá o no al paradero j.

Formulación matemática para el modelo de la ruta más corta

𝑌𝑖 ∈{0,1} donde 𝑌𝑖 = 1 si se construye el paradero i, 𝑌𝑖 = 0 en caso contrario, i ∈ paraderos.

Función Objetivo: minimizar la distancia recorrida por el bus

Min(Z)= ∑𝑎∈ar 𝑑𝑖𝑠𝑡𝑎𝑛𝑐𝑖𝑎[𝑎. 𝑖][𝑎. 𝑗] ∗ 𝑋𝑎

∑ 𝑋[< 𝑖, 𝑗 >] = 1, 𝑖 ∈ paraderos | Yi = 1

∑ 𝑋[< 𝑖, 𝑗 >] = 1, 𝑗 ∈ paraderos | Yj = 1

𝑈𝑖 − 𝑈𝑗 + 𝑁 ∗ 𝑋[< 𝑖, 𝑗 >] ≤ 𝑁 − 1, 𝑖 ∈ parderos | Yi = 1

[NOMBRE DEL AUTOR]

Explicación del Código

Presentación descriptiva de los datos utilizados

ubicación trabajadores Localización trabajadores

[NOMBRE DEL AUTOR]

Distancia recorrida por Distancia

[NOMBRE DEL AUTOR]

Distancia trabajadores vs Distanciar bus

Distancia trabajadores Distancia bus

GraficoN°1 Paraderos vs Km recorridos

Discusión de resultados y propuestas de solución

[NOMBRE DEL AUTOR]

Imagen 1. Mejor ruta posible para el bus

[NOMBRE DEL AUTOR]

-MOORE,J;WEATHERFORD,L.2000.Investigación de Operaciones en la ciencia

-TRONCOSO,J et al.2002.Modelo de localización de instalaciones: una aplicación para la

-GONZALEZ,M et al.2011.Análisis de modelos de localización para apoyar la distribución de

[NOMBRE DEL AUTOR]

-RAMOS,A et al.2010.Modelos matemáticos de optimización.Madrid.Disponible en

-ORELLANO,R et al.2017.Aplicación del problema de agente viajero a los principales hoteles

-CAZABAL,L.2011.Un caso sobre la localización de instalaciones para una empresa que

-AUTOR. AÑO. Título. Lugar de publicación. Editorial. Páginas o volúmenes. - TRONCOSO,

-MARDONES,J;ÁLVAREZ E.2010.IBM ILOG CPLEX,OPL y Concert Thechnology:Manual

Paradero Latitud(Radianes) Longitud(Radianes)

Paradero 1 0,618541293 1,250147006