Documentos de Académico
Documentos de Profesional
Documentos de Cultura
AUTOR
AUTOR
DIRECTOR
2
NOTA DE ACEPTACIÓN
3
DEDICATORIA
4
AGRADECIMIENTOS
5
TABLA DE CONTENIDO
GLOSARIO ............................................................................................................ 10
INTRODUCCION ................................................................................................... 11
DEFINICIÓN DEL PROBLEMA ............................................................................. 13
JUSTIFICACION .................................................................................................... 16
OBJETIVOS ........................................................................................................... 20
GENERAL ........................................................................................................... 20
ESPECÍFICOS .................................................................................................... 20
MARCO DE REFERENCIA.................................................................................... 21
MARCO CONCEPTUAL ..................................................................................... 21
Investigación de Operaciones .......................................................................... 21
Modelo Matemático.......................................................................................... 21
Función Objetivo .............................................................................................. 21
Variables .......................................................................................................... 21
Restricciones ................................................................................................... 21
MARCO TEÓRICO ............................................................................................. 22
Descripción del problema y recolección de datos ............................................ 23
Selección de variables ..................................................................................... 23
Formulación de un modelo matemático ........................................................... 23
MÉTODO DE LA UNIDAD DE ANÁLISIS .............................................................. 25
DISEÑO METODOLÓGICO .................................................................................. 25
MÉTODOS DE OPTIMIZACIÓN COMBINATORIAL ............................................. 26
Métodos de Solución para Problemas NP .......................................................... 27
Métodos Heurísticos ........................................................................................ 28
Métodos de Descomposición ........................................................................ 29
Métodos Inductivos ....................................................................................... 29
Métodos de Reducción ................................................................................. 29
Métodos Constructivos.................................................................................. 29
Métodos de Búsqueda Local......................................................................... 29
6
Métodos Metaheurísticos ................................................................................. 30
1. ALGORITMOS GENÉTICOS .................................................................. 31
La codificación ........................................................................................... 34
Cálculo de la Función Objetivo o Algún Equivalente .................................. 35
Selección ................................................................................................... 35
Recombinación .......................................................................................... 36
Mutación .................................................................................................... 37
Ciclo Generacional ..................................................................................... 37
Programa de control del Algoritmo Genético ............................................. 37
Criterio de Parada ...................................................................................... 38
2. ALGORITMO GENÉTICO MODIFICADO – CHU - BEASLEY ................ 39
3. ALGORITMOS MEMÉTICOS ................................................................. 41
Constitución de un Algoritmo Memético ..................................................... 41
Diseño de Algoritmos Meméticos ............................................................... 43
Minimización de la epistasis.................................................................... 43
Minimización de la varianza de bondad .................................................. 44
Maximización de la correlación de bondad ............................................. 44
4. ALGORITMOS CULTURALES ............................................................... 45
5. BÚSQUEDA TABÚ ................................................................................. 48
Selección de una solución inicial xo: .......................................................... 48
Elección del entorno V(xa): ........................................................................ 49
Elección del tamaño de la lista tabú (L): .................................................... 49
Elección de los atributos para almacenar en la lista tabú: ......................... 49
Nivel de Aspiración: ................................................................................... 50
Criterio de finalización: ............................................................................... 50
La memoria a corto plazo:.......................................................................... 51
La memoria a largo plazo:.......................................................................... 51
6. SIMULATED ANNEALING ...................................................................... 54
Programa de Enfriamiento ......................................................................... 56
Temperatura inicial..................................................................................... 56
7
Algoritmo Para el Cálculo de la Temperatura Inicial (To): .......................... 57
Tasa de enfriamiento ................................................................................. 57
Temperatura final ....................................................................................... 58
Número de tentativas. Nk.......................................................................... 58
Convergencia ............................................................................................. 58
7. TÉCNICA DE COLONIA DE HORMIGAS ............................................... 59
Comportamiento de las Hormigas reales ................................................... 60
Explotación de los Rastros de Feromona y Exploración ............................ 60
Evaporación de Rastros de Feromona....................................................... 61
Sistema Hormigas ...................................................................................... 61
Hormigas Artificiales .................................................................................. 62
Matriz de Feromonas ................................................................................. 63
Construcción de Soluciones ....................................................................... 63
Construcción de Soluciones Inválidas........................................................ 65
Evolución del Algoritmo ACO .................................................................... 66
ESTADO DEL ARTE DE LA OPTIMIZACIÓN DE HORARIOS.............................. 67
1. ORGANIZACIÓN DE TURNOS DE TRABAJO EN UNA INSTALACIÓN DE
SUMINISTRO DE COMBUSTIBLE DE UN AEROPUERTO. .............................. 69
2. METODOLOGÍA DE LA ASIGNACIÓN ÓPTIMA DE MANO DE OBRA EN LA
INDUSTRIA DE LA FLORICULTURA. ................................................................ 73
3. ASIGNACIÓN DE TURNOS A OPERADORES DE TELÉFONO EN LA
NUEVA COMPAÑÍA DE TELÉFONO BRUNSWICK .......................................... 80
4. SOLUCIÓN AL PROBLEMA DE ASIGNACIÓN DE HORARIOS USANDO
GOMORY DUAL DEL PLANO CORTANTE. ...................................................... 87
5. OPERACIÓN DE UN RESTAURANTE DE COMIDA RÁPIDA ..................... 91
6. ASIGNACIÓN MULTICRITERIO DE TAREAS A TRABAJADORES
POLIVALENTES ................................................................................................. 99
PLANTEAMIENTO DEL MODELO MATEMÁTICO ............................................. 109
Generalidades................................................................................................... 110
Modelo de Asignación ....................................................................................... 118
8
Variables de Decisión ....................................................................................... 120
TIEMPO COMPLETO .............................................................................. 122
HORAS POR SEMANA .............................................................................. 125
HORAS POR MES ...................................................................................... 127
NÓMINA POR HORAS .................................................................................. 128
HORAS POR DÍA ....................................................................................... 129
HORAS POR SEMANA ................................................................................. 131
HORAS POR MES ......................................................................................... 134
ASIGNACIONES POR CARGO .................................................................. 137
POLIFUNCIONALIDAD............................................................................... 145
Función Objetivo: ........................................................................................ 150
COSTOS DE MANO DE OBRA .................................................................. 151
TIEMPO COMPLETO .............................................................................. 151
TIEMPO VARIABLE ................................................................................. 151
CONCLUSIONES ................................................................................................ 157
RECOMENDACIONES ........................................................................................ 159
BIBLIOGRAFÍA .................................................................................................... 161
9
GLOSARIO
NAVE: Esta conformada por 4 ó 5 camas, cada una de ellas divida por el centro
mediante un camino central, el cual facilita la movilidad a los operarios.
10
INTRODUCCION
En la actualidad es necesario que las organización optimicen los recursos con los
que cuenta, ya que lo que permitirá que una empresa trascienda es la forma en
que se organiza y planea cada una de sus actividades y procesos. Las
organizaciones deben estar dispuestas al cambio continuo para competir en un
mercado en el que el cliente es cada vez más exigente y que la competencia es
tan grande que si se tolera un mínimo de error esto puede determinar el fracaso
de una lucha constante por mantenerse en un mercado avasallador.
11
En el segundo capítulo se da a conocer los métodos de optimización combinatorial
que son utilizados para dar solución a los problemas de asignación horaria.
Explicando los conceptos de cada método, entre los métodos estudiados se
encuentran los algoritmos genéticos, algoritmos culturales, búsqueda tabú, etc.
12
DEFINICIÓN DEL PROBLEMA
En estas empresas se trabaja durante todo el año los siete días a la semana. La
forma de organizar el trabajo es muy distinta según sea la actividad y la filosofía
de la empresa. En particular, depende de sí la carga de trabajo varía con los días
de la semana, con la época del año, si la fuerza de trabajo es fija o variable, si los
trabajadores rotan o si algunos de ellos ya están asignados a turnos o días de
descanso específicos. En la práctica hay gran variedad de tipos de asignaciones
rotativas1. Así, aunque existen principios básicos y algunas reglas que gobiernan
el diseño de estas planificaciones rotativas, cada situación requiere plantear y
resolver un problema específico.
1
ESCALAPÉS CARMÉN, 2000, Asignación de Conductores a Jornadas de Trabajo en Empresas
de Transporte Colectivo, Universidad Politécnica de Cataluña.
13
La modernización matemática de los problemas de asignación de las jornadas de
trabajo se materializa en problemas de programación binaria en los que la
incógnita Xi,j,k toma el valor de 1 si el trabajador i, el día j tiene asignada la
jornada k, y 0 en caso contrario. La asignación deberá recoger criterios con las
preferencias de los trabajadores y satisfacer todas las restricciones que traducen
las condiciones de trabajo recogidas en lo estipulado por las empresas. El criterio
de optimización es que todos los trabajadores tengan asignada al final del año una
carga de trabajo si no igual, si muy cercana a las características que rigen cada
tipo de contrato que se maneje con cada uno de los empleados. Además, el
número de jornadas a realizar varía con el día de la semana y con la época del
año y no todas las jornadas tienen igual duración horaria; esto hace que para
empresas grandes el problema de optimización tenga muchas variables y
restricciones y adquiera un tamaño demasiado grande. En estos casos los
problemas de programación entera son considerados NP - Completos y, en
general, muy difíciles de resolver.
14
cierre del mismo, debe conocer el tiempo que consume cada actividad y la
cantidad de personas que la deben desarrollar. El Departamento de Gestión
Humana ha establecido otras reglas que deben cumplirse lo que ha provocado
que este proceso sea cada vez más demorado y que el Analista de Aforos invierta
demasiado tiempo construyendo horarios completos para cada restaurante, cada
que se considere necesario dejando de lado otras tareas vitales que pertenecen al
cargo.
La compañía Frisby S.A., requiere entonces una solución fácil de usar que aplique
las reglas de trabajo rápida y constantemente, que maneje la asignación de
recursos e incluya todos los parámetros y variables caracterizadoras del proceso,
que permita asignar al personal adecuado, en la cantidad y hora requerida, sin
pasar por encima las leyes de contratación de personal. De manera tal que las
demandas estén satisfechas y el costo total de los horarios se reduzca al mínimo
además que sirva en conjunto como una herramienta para el Departamento de
Ingeniería al realizar los seguimientos al comportamiento laboral de cada
restaurante.
15
JUSTIFICACION
Cualquier modelo tendrá en último término que ser sustituido o modificado, dicho
cambio puede ser el hecho de anexarle un pequeño ajuste para tener en cuenta
nuevos factores, a fin de obtener aún mayor precisión, o quizá ser sustituido por
un modelo diferente. En todo caso, el proceso de construcción de un modelo, su
comprobación, su modificación o sustitución, es una parte esencial del estudio y
del conocimiento eventual de la dinámica del proceso evaluado y por supuesto,
de cualquier tema de estudio científico. El proceso de la construcción de modelos
es el complemento de la recolección de datos y, en realidad, solamente con la
construcción y utilización de modelos es posible decidir cuáles son los datos que
deben recogerse.
16
empresa, es posible construir modelos matemáticos que representen las diversas
variables que hacen parte de los procesos y actividades productivos. Dichos
modelos deben permitir por un lado el cálculo proyectado de costos futuros, y por
otro el control y cálculo de los costos en que se está incurriendo, a los efectos de
la toma de decisiones y de la reducción de los mismos.
17
En el último paso de ésta primera etapa se ponen los modelos a prueba para
verificar su grado de correspondencia con los hechos concretos. Una vez
corroborado el modelo, se procede a reanalizar sus componentes, investigando
aquellos aspectos o variables factibles de cambio a los efectos de lograr
reducciones de costes de los procesos, y de los productos y servicios que ellos
generan.
El modelo esta constituido por una serie de ecuaciones, las cuales se clasifican
en2:
• Ecuaciones de comportamiento;
• Ecuaciones institucionales o legales;
• Ecuaciones tecnológicas;
• Ecuaciones de definición o identidad;
• Ecuaciones de equilibrio móvil.
2
F. HILLIER, G. J. LIEBERMAN. (1990) Introduction to Operations Research, McGraw Hill,
Publishing Company.
18
satisfacen. Y por último tenemos a las ecuaciones de equilibrio móvil como
aquellas igualdades que resultan de una condición impuesta o postulado
introducido.
• Endógenas
• Exógenas
• Aleatorias
• Expectativas
Las variables endógenas son aquellas cuyos valores estimados van a ser
determinados por las soluciones particulares del sistema de ecuaciones que
integran el modelo. Ellas son las variables llamadas dependientes en el análisis
matemático.
19
OBJETIVOS
GENERAL
ESPECÍFICOS
20
MARCO DE REFERENCIA
MARCO CONCEPTUAL
Investigación de Operaciones
Aplicación de un método científico para la toma de decisiones. El proceso
comienza por la observación cuidadosa y la formulación del problema incluyendo
la recolección de datos pertinentes. Intenta encontrar una mejor solución (llamada
solución optima), para el problema bajo consideración.
Modelo Matemático
Se emplea cuando la función objetivo y las restricciones del modelo se pueden
expresar en forma cuantitativa o matemática como funciones de las variables de
decisión.
Función Objetivo
Es la medida cuantitativa del funcionamiento del sistema que se desea optimizar
(Maximizar o Minimizar). Como ejemplo de función objetivo se pueden mencionar:
La minimización de los costos variables, la maximización de los beneficios netos
de venta, etc.
Variables
Representan las decisiones que se pueden tomar para afectar el valor de la
función objetivo. Desde un punto de vista funcional se pueden clasificar en
variables independientes y variables dependientes.
Restricciones
Representan el conjunto de relaciones (expresadas mediante ecuaciones e
inecuaciones) que ciertas variables están obligada a satisfacer.
21
MARCO TEÓRICO
22
Descripción del problema y recolección de datos
La mayor parte de los problemas prácticos a los que se enfrentan las empresas
diariamente están definidos de una manera muy superficial, por consiguiente la
primera actividad que se debe realizar es el estudio del sistema relevante y el
desarrollo de un resumen bien definido del problema que se va a analizar. Esto
incluye determinar los objetivos, restricciones acerca de lo que se puede hacer, los
diferentes cursos de acción posibles y los limites de tiempo para tomar una
decisión.
Selección de variables
23
Para concluir podemos decir que los modelos matemáticos tienen muchas
ventajas sobre la descripción verbal de un problema. Una ventaja obvia es que el
modelo matemático describe un problema en forma más concisa, esto tiende a
hacer que la estructura del problema sea más comprensible y ayude a revelar las
relaciones importantes entre causa y efecto. Un modelo es, necesariamente, una
idealización abstracta del problema, por lo cual casi siempre se requieren
aproximaciones y suposiciones de simplificación para que el modelo sea
manejable, pero siempre debe tenerse cuidado de que el modelo sea una
representación válida del problema.
24
MÉTODO DE LA UNIDAD DE ANÁLISIS
DISEÑO METODOLÓGICO
25
MÉTODOS DE OPTIMIZACIÓN COMBINATORIAL
Para este tipo de problemas se requiere de una técnica eficiente tal como un
algoritmo combinatorial, lo que genera un tiempo mucho mayor de respuesta y
generalmente de tipo exponencial. En los problemas de Optimización
Combinatorial el objetivo es encontrar el máximo o el mínimo de una determinada
función sobre un conjunto finito de soluciones. Es importante notar que dada la
26
finitud del conjunto de soluciones, las variables deben ser discretas, restringiendo
su dominio a una serie finita de valores. Frecuentemente el número de elementos
del conjunto de soluciones es muy elevado, haciendo difícil la evaluación de todas
sus soluciones para determinar el óptimo.
27
fin de encontrar soluciones en un tiempo polinomial, y aunque no garantizan que la
respuesta corresponde al óptimo global, las soluciones generadas son de buena
calidad y posiblemente se encuentran en las vecindades de el óptimo global, con
la ventaja de que se requiere de consumos de tiempo inferiores.
Métodos Heurísticos
28
aplicación a otros problemas similares. El siguiente esquema trata de dar unas
categorías amplias en donde ubicar a los heurísticos mas conocidos:
Métodos de Descomposición
El problema original se descompone en subproblemas mas sencillos de resolver,
teniendo en cuenta, aunque sea de manera general, que ambos pertenecen al
mismo problema.
Métodos Inductivos
La idea de estos métodos es generalizar de versiones pequeñas o más sencillas al
caso completo. Propiedades o técnicas identificadas en estos casos más fáciles
de analizar pueden ser aplicadas al problema completo.
Métodos de Reducción
Consiste en identificar propiedades que se cumplen mayoritariamente por las
buenas soluciones e introducirlas como restricciones del problema. El objeto es
restringir el espacio de soluciones simplificando el problema. El riesgo obvio es
dejar fuera las soluciones óptimas del problema original.
Métodos Constructivos
Consisten en construir literalmente paso a paso una solución del problema.
Usualmente son métodos deterministas y suelen estar basados en la mejor
elección en cada iteración. Estos métodos han sido muy utilizados en problemas
clásicos como el del viajante.
29
mejor valor. El método finaliza cuando, para una solución, no existe ninguna
solución accesible que la mejore.
Métodos Metaheurísticos
30
1. ALGORITMOS GENÉTICOS3
3
GALLEGO R. ESCOBAR. A. ROMERO. R. (2006). Técnicas de Optimización Combinatorial.
Taller Publicaciones U.T.P. Universidad Tecnológica de Pereira.
31
La unidad básica del contenido genético es el gene. El conjunto de genes forma
un cromosoma (o conjunto de cromosomas) que determina la calidad genética del
individuo. Las alteraciones y la diversificación del material genético constituyen la
esencia de la evolución.
32
5. Debe existir un mecanismo que permita implementar el operador genético
de mutación.
3. Realiza selección.
4. Realiza recombinación.
Los pasos (2),(3),(4) y (5), en conjunto, son conocidos como ciclo generacional.
También es necesario mencionar que existe una equivalencia entre los términos
usados en genética y en un problema de optimización matemática.
33
Problema de optimización ↔ Genética.
Solución (configuración) ↔ Cromosoma.
Variable ↔ Gene.
Solución ↔ Alelo.
La codificación
34
Cálculo de la Función Objetivo o Algún Equivalente
Selección
35
zi ( x )
Nd i =
zm ( x )
Ndi
= Número de descendientes de la configuración i.
n = número de configuraciones de la población.
zi ( x) = Función de adaptación.
1 n
zm ( x) = ∑ zi (x)
n i=1
zi
Ndi = n n
∑ z ( x)
i =1
i
Recombinación
36
Mutación
La tasa de mutación
ρ m indica la probabilidad de que una posición (celda binaria)
Ciclo Generacional
37
n p ∈ [30, 200]
Población: .
ρc ∈ [ 0.5, 1.0]
Tasa de recombinación: .
ρ m ∈ [ 0.001, 0.050]
Tasa de mutación:
Criterio de Parada
38
2. ALGORITMO GENÉTICO MODIFICADO – CHU - BEASLEY4
4
GRANADA M, TORO E. M, Método Híbrido Entre El Algoritmo Genético De Chu-Beasley Y
Simulated Annealing Para La Solución Del Problema De Asignación Generalizada, Revista
Scientia et Technica (27), 61-67, U.T.P., Colombia.
39
Para modificar la población se propone la siguiente estrategia
40
3. ALGORITMOS MEMÉTICOS5
5
MOSCATO. P. Una Introducción a los Algoritmos Meméticos. Inteligencia Artificial, Revista
Iberoamericana de Inteligencia Artificial. No.19 (2003),pp. 131-148. Universidad de Málaga.
41
reemplazo o actualización incide en el aspecto competitivo, encargándose de la
importante tarea de limitar el tamaño de la población, esto es, eliminar algunos
agentes para permitir la entrada de otros nuevos y así enfocar la tarea de
búsqueda.
42
La función para la reiniciación de la población es otro de los componentes
fundamentales del Algoritmos Meméticos. Esto se conoce como convergencia del
Algoritmo Memético, una vez se ha detectado la convergencia la población de
agentes se reinicia, conservando una porción de la misma, y generando nuevos
agentes para completarla.
Minimización de la epistasis
43
Minimización de la varianza de bondad
44
4. ALGORITMOS CULTURALES6
6
LANDA. R. 2002. Algoritmos Culturales Aplicados a Optimización con Restricciones y
Optimización Multiobjetivo. Instituto Politécnico Nacional. México, D. F.
7
Robert G. Reynolds. An Introduction to Cultural Algorithms. In A. V. Sebald and L. J. Fogel,
editors, Proceedings of the Third Annual Conference on Evolutionary Programming, pages
131–139.World Scientific, River Edge, New Jersey, 1994.
8
Benjamin Franklin and Marcel Bergerman. Cultural algorithms: Concepts and experiments.
In Proc. of the 2000 Congress on Evolutionary Computation, pages 1245–1251, Piscataway,
NJ, 2000. IEEE Service Center.
45
Los algoritmos culturales operan en dos espacios, el primero el espacio de la
población donde se tiene un conjunto de individuos y cada individuo tiene un
conjunto de características. El segundo espacio es el de creencias, donde se
almacenarán los conocimientos que han adquirido los individuos en generaciones
anteriores.
Algoritmo cultural
4. Repetir
46
La mayoría de los pasos de un algoritmo cultural corresponden con los de los
algoritmos tradicionales de computación evolutiva, y se puede apreciar que las
diferencias están en los pasos que incluyen al espacio de creencias. En el
ciclo principal, está la actualización del espacio de creencias.
47
5. BÚSQUEDA TABÚ9
9
GALLEGO R. ESCOBAR. A. ROMERO. R. (2006). Técnicas de Optimización Combinatorial.
Taller Publicaciones U.T.P. Universidad Tecnológica de Pereira.
48
Elección del entorno V(xa):
Varios autores toman el valor 7 como "número mágico" sin explicación lógica. Más
recientemente, se toman valores dependientes del tamaño del problema. En
cualquier caso, constituye un parámetro importante cuya influencia habría que
analizar y del cual dependerá la evolución del algoritmo en gran medida.
49
Nivel de Aspiración:
Criterio de finalización:
50
La memoria a corto plazo:
51
que un atributo permanece en las nuevas configuraciones o en todas las
configuraciones generadas durante el proceso la búsqueda tabú. Esta información
basada en frecuencia puede ser utilizada para penalizar o incentivar
configuraciones con determinados atributos.
52
La búsqueda tabú es diferente de un algoritmo de búsqueda local en dos aspectos
fundamentales:
− Usando una lista tabú que almacena los atributos de las configuraciones
consideradas tabú (prohibidas).
− Usando estrategias para disminuir la vecindad o la lista de
configuraciones candidatas.
− Usando configuraciones de elite y “path relinking” para caracterizar y
encontrar nuevas configuraciones candidatas.
− Redefinir el conjunto N(x) durante el proceso de optimización.
53
6. SIMULATED ANNEALING10
E i − E j
p=e k b T
10
GALLEGO R. ESCOBAR. A. ROMERO. R. (2006). Técnicas de Optimización Combinatorial.
Taller Publicaciones U.T.P. Universidad Tecnológica de Pereira.
54
Si la disminución de la temperatura se efectúa de manera gradual, el sólido podría
alcanzar el estado de equilibrio en cada nivel de temperatura. En el algoritmo de
Metrópolis esto se consigue después de generar un gran número de transiciones
en un nivel dado de temperatura.
p T = { x = i} =
kb T
e
z (T )
Donde:
X denota una variable estocástica del estado actual del sólido; es un factor de
normalización, conocido como función de partición.
− E j
∑
kb T
z (T ) = e
− E j
kb T
e
55
Inicialmente cuando T es grande, se aceptan grandes cambios en la función
objetivo; cuando T decrece, solamente pequeñas deterioraciones son aceptadas;
cuando T tiende a cero, ninguna deterioración es aceptada. Esta característica
hace que el algoritmo Simulated Annealing sea diferente a los algoritmos de
búsqueda local. A partir del estado i con costo f(i) se genera el estado j con costo
f(j). El criterio de aceptación para el problema de minimización, determina si este
nuevo estado es aceptado; para esto se calcula la siguiente probabilidad.
1 s i ↔ f ( j ) ≤ f ( i )
PT {a c e p ta j } = f ( i ) − f ( j )
e
T
s i ↔ f ( j ) > f ( i )
Programa de Enfriamiento
Temperatura inicial
56
Algoritmo Para el Cálculo de la Temperatura Inicial (To):
1. Inicializar To= 0;
F (i ) − F ( j ) ≤ 0
4. Si , entonces m1 = m1 + 1 y aplique la fórmula:
m2 = m2 + 1
− Caso contrario, y aplique la fórmula para el cálculo de To
m1 +m2 = m0
− Si , terminó la cadena y el valor de To (calculado en la
última transición) es asumido como la temperatura inicial del proceso.
En caso contrario, regrese al paso 3.
Tasa de enfriamiento
57
Temperatura final
Número de tentativas. Nk
Convergencia
58
7. TÉCNICA DE COLONIA DE HORMIGAS1112
11
GALLEGO R. ESCOBAR. A. ROMERO. R. (2006). Técnicas de Optimización Combinatorial.
Taller Publicaciones U.T.P. Universidad Tecnológica de Pereira.
12
GRANADA M, TORO E. M, TABARES P. Método de Colonia de Hormigas Aplicado a la Solución
del Problema de Asignación Generalizada. Revista Tecnura No 15, Universidad Distrital F.J.C., II-
2004.
59
a un proceso de autorefuerzo que concluye con la formación de rastros señalados
por una concentración de feromona elevada. Este comportamiento permite
además a las hormigas encontrar los caminos más cortos entre su hormiguero y la
fuente del alimento.
60
En otras palabras, la explotación de un camino permite que el sistema converja
rápidamente sobre una solución, que para el caso del puente doble consiste en
que un porcentaje ampliamente mayor de hormigas transite por el camino corto. Si
la relación de distancias entre los brazos del puente se aumenta, el sistema
explota más rápidamente el camino corto y margina progresivamente el camino
largo.
El motivo por el cual los caminos con recorridos largos son desplazados de la
preferencia de las hormigas a pesar de que existan rastros acumulados, se debe a
un proceso de Evaporación de la feromona. En ambientes naturales, la feromona
depositada tiende a perder su intensidad debido al efecto del sol, la lluvia, el viento
o cualquier otro factor externo. La existencia de caminos más atractivos disminuye
la presencia de hormigas transitando por los caminos largos. El poco incremento
de feromona combinado con el proceso de evaporación reduce gradualmente la
cantidad de feromona acumulada sobre los caminos largos y aumenta la
preferencia de las hormigas por transitar en los caminos cortos.
Sistema Hormigas
61
combinatorial. Observando a gran escala, el proceso de optimización con el
Sistema Hormigas se efectúa realizando iterativamente los siguientes pasos:
1. Construcción de soluciones.
2. Evaluar de las soluciones en la función objetivo.
3. Depositar feromona.
4. Evaporar rastros de feromona.
Hormigas Artificiales
62
De esta manera la población de la colonia de hormigas estará formada por grupos
de m soluciones diferentes, y en cada iteración los m individuos crearán otras
alternativas en base a la información acumulada en la matriz de feromonas. La
cantidad de hormigas a usar en el proceso es determinada de acuerdo al tamaño
del problema, es decir que para el presente caso es igual al número de ciudades.
Matriz de Feromonas
Construcción de Soluciones
63
cantidades de feromona y con información heurística diferentes. La probabilidad
con la cual la hormiga k escogerá el camino de i a j; donde j es una ciudad que
aún no han sido visitada, está dada por:
[τij ]α ⋅ [ηij ]β
pk =
∑ [τil ]α ⋅ [ηil ]β
ij
l∈Ni k
Donde τij
es el elemento (i,j) acumulado en la matriz de feromonas que define la
deseabilidad aprendida por dirigirse al nodo j estando ubicado en el nodo i, es
decir que informa sobre el grado de aceptación por parte de anteriores hormigas
por recorrer el arco de i hacia j, entre más sean las hormigas que hayan transitado
el arco i - j mayor será la acumulación de feromona y por tanto aumentará la
probabilidad de elegirlo.
El término
η ij
es un valor proveniente de alguna información heurística mediante
una ecuación, en la cual se mide el impacto de adicionar el elemento j sobre la
construcción de la reciente solución.
η ij
representa la información heurística y el valor almacenado en la matriz de
feromonas de cada elemento l que se encuentre en la vecindad del nodo i durante
la construcción de la hormiga k (Nik).
64
Construcción de Soluciones Inválidas
F ( s ) = f ( s ) + w ⋅ ∑ pni
S
65
Evolución del Algoritmo ACO
66
ESTADO DEL ARTE DE LA OPTIMIZACIÓN DE HORARIOS
En esta sección se presenta una breve descripción de los problemas que han sido
modelados de forma matemática en empresas de un tamaño relevante;
presentando el modelo planteado y el método que se ha utilizado para dar
solución al problema de programación de mano de obra.
m
Min∑ CjXj
j =1
Sujeto a:
m
∑a x ≥ r
j =1
j ,i j i
; i = 1… h
x j
≥0 x j
∈Z
13
A Comment on Edie´s “Trafic Delays at Tool Booths”. 1954 Operation Research, 2,3, pp. 339 –
341.
67
Donde:
Las empresas presentan flexibilidad en sus horarios, por tal razón el número de
turnos es muy alto, además conocemos que este tipo de problemas son NP-
Duros, es decir que se requiere de mucho tiempo para obtener la solución óptima
esto crea la necesidad de explorar técnicas tales como las heurísticas y
metaheurísticas que entregan respuestas de buena calidad en tiempos
aceptables.
68
1. ORGANIZACIÓN DE TURNOS DE TRABAJO EN UNA INSTALACIÓN DE
SUMINISTRO DE COMBUSTIBLE DE UN AEROPUERTO.14
14
R.Alvarez-Valdés1, E. Crespo2 y J.M. Tamarit1, VI Jornadas ASEPUMA, Santiago de
Compostela, 25 y 26 de Septiembre de 1998
69
S: Conjunto de esquemas.
t: Periodos de la semana t: 0,...,T
Matriz de restricciones:
1 si s cubre el periodo t
A ts
=
0 en caso contrario.
Función Objetivo:
MIN = s∈S C s X s
Sujeto a:
s∈S Ats X s ≥ r ∀t = 0,...,T
t
Esta primera etapa es la parte más difícil del problema y se aborda con un
procedimiento de Tabú Search en el cual se incluyen técnicas de oscilación
estratégica que combinan fases constructivas y destructivas. En las primeras se
aumenta el número de esquemas mientras que en las segundas se reduce.
70
la región de soluciones posibles la fase destructiva conducirá a la región infactible.
Este proceso está controlado por un parámetro de amplitud que varía según unas
determinadas reglas y que indica cuanto se puede adentrar en cada una de las
dos regiones.
El proceso de búsqueda va guiado por una función objetivo donde se ponderan los
costos de los esquemas elegidos, costos que son menores según la bondad del
esquema, y que se trata de minimizar. El status tabú de los movimientos viene
determinado por la información sobre la distancia en el tiempo y la frecuencia,
obtenida cuando se encuentran acontecimientos críticos, que son aquellas
soluciones obtenidas nada más por cruzar la frontera.
Los períodos de la semana vienen determinados por los diversos momentos en los
que un grupo de trabajadores puede incorporarse al trabajo (8:00, 8:30, 9:15…) y
abarcan el lapso de tiempo hasta el inicio del siguiente período (8:00 - 8:30, 8’30 –
9:15…). No todos los días que tenga el mismo turno de trabajo (M,T,N) tiene
porque tener el mismo horario.
71
Consiste entonces en ponderar los costos de cada asignación y evitar las
asignaciones que sean imposibles, por violar el contrato de cada trabajador,
ponderándolas con valores muy altos. A la hora de fijar los costos hay que mirar
hacia adelante y considerar varios requerimientos anuales de equilibrio entre los
trabajadores en diversos aspectos (noches realizadas hasta el momento, distancia
del último descanso que realizó en fin de semana, muchos días seguidos de
trabajo sin descansos...).
Por tanto, aquí no se busca solamente la mejor solución para la semana que se
está programando sino soluciones que garanticen que, a medio y largo plazo, se
satisfacen las restricciones.
4. Implementación
72
2. METODOLOGÍA DE LA ASIGNACIÓN ÓPTIMA DE MANO DE OBRA EN LA
INDUSTRIA DE LA FLORICULTURA.15
Sujeto a:
Precedencia:
NCl m NCl m
∑∑ x ≤ ∑∑ xijkl
; ∀j = 1,..., n; l = 1,..., p
ij +1kl
k =1 i =1 k =1 i =1
Donde el trabajo j es predecesor del trabajo j+1. Esta restricción obliga al modelo a
guardar las precedencias de las labores. Siempre que j sea predecesor de j+1 es
15
GUZMÁN H. F, Metodología De Asignación Optima De Mano De Obra En La Industria
Floricultora Colombiana, Universidad de los Andes.
73
necesario hacer primero j y luego j+1. La sumatoria sobre todas las camas k del
bloque l, asegura que hasta tanto no se termine la labor j sobre la totalidad de las
camas del bloque no es posible comenzar la labor j+1.
Unidad: F–G=0
Cumplimiento:
m NCl
∑∑ x = NC
; ∀J = 1,..., n; l = 1,..., p
ijkl l
i =1 k =1
Disponibilidad:
A ≤ D *125
i ; ∀i = 1,..., m
74
Asignación por cama:
∑x ≤1
; ∀j = 1,..., n ; k = 1,..., NCl ; l = 1,..., p
ijkl
i =1
X ,Y ,T , F , G ∈ {0,1} ; ∀i = 1,..., m ;
ijkl i i ∀j = 1,..., n k = 1,..., NCl ; l = 1,..., p
i : Personas i =1,...,m
j : Trabajos j =1,...,n
k : Camas k = 1,...,NCl donde NCl es el número de camas que conforman el
bloque l.
l : Bloques l = 1,...,p ; donde p es el número de bloques que conforman la finca.
Ci : Costo de una hora de trabajo del trabajador i :
75
λij : Es el tiempo que tarda el trabajador i realizando la labor j sobre una cama,
λ = α *δ
esta definido como : *
ij j ij
Donde :
α*j: Es el tiempo estándar que tarda el mejor trabajador en realizar el trabajo j
sobre una cama, expresado en horas/cama.
C = C *λ
ij i ij
*
C =C ij ij
*1.5
76
D : Disponibilidad de los trabajadores en tiempo regular, durante el horizonte de
planeación.
D=h*d
p NCl n
Ai = ∑∑∑ xijkl λ ij
l =1 k =1 j =1
∀i = 1,..., m
1 si Ai > D
Y i
= ∀ i = 1,..., m
0 en caso contrario.
CTE i
= [(A − D )* C ]
i
*
i
77
n −1
F = 1 _ si ∑ xijkl = n − 1; _ 0 _ en _ caso _ contrario; ∀ i = 1,..., m; _ k = 1,..., NCl ; _ l = 1,..., p
j =1
n
G = 1 _ si ∑ xij +1kl = n − 1; _ 0 _ en _ caso _ contrario; ∀ i = 1,..., m; _ k = 1,..., NCl ; _ l = 1,..., p
j =2
78
FIGURA 1
79
3. ASIGNACIÓN DE TURNOS A OPERADORES DE TELÉFONO EN LA
NUEVA COMPAÑÍA DE TELÉFONO BRUNSWICK16
1. La demanda de cliente.
2. Convertir la demanda presupuestada en requisitos de empleados.
3. Desarrollar el horario del empleado.
4. Entregar la planificación en el menor tiempo posible.
16
GARY M. THOMPSON Assigning Telephone Operators to Shifts at New Brunswick
Telephone Company Instute for Operations Research and the Management Sciences 4 July -
August 1997 (pp. 1-11).
80
El problema de la asignación de turnos:
La prioridad es asignar tantos turnos como sea posible. Una asignación completa
de turnos no siempre es posible, debido al número y características de los turnos y
el número, situación, y habilidades de los empleados disponibles, las restricciones
que están presentes aseguran que sólo se asignan empleados a turnos en los
cuales ellos están disponibles cuentan con las habilidades necesarias; otra es que
todos los empleados son asignados por lo menos a un turno en la semana; que un
empleado no puede asignarse a más de un turno por día.
81
que permitiera la planificación de turnos de trabajo con las preferencias del
empleado.
Modelo:
S = Conjunto de turnos.
= 1, si el turno s no es asignado
u s
0, en caso contrario
82
Parámetros:
Función objetivo:
MinimizarZ = Po ∑ u s + ∑ Pe ∑ v
es xes
(1)
s∈S e∈E {s∈S cs∈ce,ds∈De }
>
Donde la Pi P
1+ i (la prioridad para el componente i muchísimo mayor que la
prioridad para el componente i + 1).
83
Restricciones:
∑x + u = 1∀ s∈ S (2 )
{s∈ S c ∈ c }
es s
s ,d s ∈ D e
e
∑ x ≥1∀ e∈ E (3 )
{s ∈ S }
es
cs∈ ce ,d s ∈ D e
∑ x ≤ m ∀ e∈ E (4 )
{s ∈ S }
es e
cs∈ ce ,d s ∈ D e
∑ x ≤ 1 ∀ e ∈ E, i ∈ D e (5 )
{s ∈ S }
es
cs∈ c e
, d s =1
Cumplir con las reglas de antigüedad es decir asignar turnos primero a los
empleados que llevan más tiempo en la empresa.
my ≤ ∑x ∀ {e ∈ E e < E} (7)
{ }
e e es
s∈S cs ∈ ,d s ∈De
ce
84
En práctica, es una cuestión simple para determinar el número de cambios que
cada empleado se asignará después de primero identificar el número total de
cambios ser asignado. Habrá un empleado, diga /, tal que todos los más mayores
empleados trabajarán su número deseado de cambios, todos que los menos
mayores empleados trabajarán un cambio, y empleado / testamento trabajo por lo
menos uno, pero ningún más de los cambios del mj. Así, constreñimiento (6) y (7)
puede reemplazarse con:
∑ x = m ∀ {e ∈ E e < j } (8 )
{s ∈ S }
es e
cs∈ ce ,d s ∈ D e
∑ x = m (9 )
{s ∈ S c ∈ c }
js j
s j
,d s ∈ D e
∑ x = 1 ∀ {e ∈ E e > j } (10 )
{s ∈ S }
es
cs∈ ce ,d s ∈ D e
x = {0,1}_ ∀ _ e ∈ E (s ∈ S c ∈ c , d ∈ D )
es s e s e
(11)
y = {0,1}_ ∀ _{e ∈ E e < E}
e
(12)
u = {0,1}_ ∀ _ s ∈ S
s
(13)
Se hizo uso del algoritmo Simulated - Annealing el cual consiste en varias rutinas
que se usan interactivamente hasta que el tiempo disponible ha expirado. Cada
iteración empieza con INICIALICE. INICIALICE calcula el número de turnos para
los cuales cada empleado será asignado. Luego, ASIGNE les asigna turnos a los
empleados.
85
Esta asignación se hace en el orden de antigüedad del empleado y con una
selección del azar de turnos igualmente deseables, para que cada iteración de
SSAH rinda una solución final diferente típicamente. Cuando se asignan los
turnos, el conjunto de turnos no asignados se hará cada vez más pequeño.
Si, después de ASIGNE se han asignado tantos turnos como sea posible y hay
todavía alguno no asignados, MAKEFEAS intentar asignar los turnos restantes.
Después de MAKEFEAS, si la asignación es factible, es decir, todos los turnos se
asignan, MEJORE intentar encontrar una asignación mejorada, evalúa todos los
cambios de turnos de manera bidireccional entre todos los pares del empleado.
El Resultado:
86
4. SOLUCIÓN AL PROBLEMA DE ASIGNACIÓN DE HORARIOS USANDO
GOMORY DUAL DEL PLANO CORTANTE.17
17
BRUSCO M. Solving personnel tour scheduling problemsusing the dual all-integer cutting plane
IIE Transactions (1998) 30, 835 – 844.
87
El problema es determinar el número de empleados que se asignan en cada
horario para satisfacer los requisitos de personal en cada periodo de la
planificación de la semana, mientras se minimiza los costos de personal o las
horas obreras totales fijadas.
Sin embargo, la flexibilidad de los horarios puede producir que se creen miles,
millones, o billones de variables de decisión. Para dar solución a este tipo de
problemas se han desarrollado muchos procedimientos de solución heurísticos. El
propósito de este estudio es evaluar la efectividad de Gomory dual, plano cortante
para resolver los horarios de planificación de la mano de obra.
MinimizarZ = ∑c x
j ∈T
j j (1 )
∑a x ≥ r
j∈T
ij j i ∀ _1≤ i ≤ M (2)
x j
≥ 0 ∀ _ j ∈T (3)
88
Donde los parámetros del modelo son:
T= Turnos factibles j ∈ T
c j
=
Número de horas asignadas a un empleado en un turno j.
r =
i Número de empleados para el periodo i.
1 si el periodo i está en el horario j
a ij
=
0 en caso contrario.
Variables de decisión:
π ∑ x j − (1 − π ) ∑ x k ≥ 0 (4)
j∈T f k ∈T p
89
El cuadro de Beale inicial para cada problema de la prueba era asociado a un
x j
= 0 Xj = ∀ j∈T
vector de la solución nula, es decir, , para ilustrar este cuadro,
FIGURA 2
90
5. OPERACIÓN DE UN RESTAURANTE DE COMIDA RÁPIDA18
18
LOVE R. HOEY J. Management Science Improves Fast – Food Operations. The Institute of
Management Sciences. 2 March - April 1990 (pp. 21-29.
91
Era necesario solucionar cuatro tareas primarias: (1) determinar el modelo
matemático y técnica de la solución que resolvieran los horarios de trabajo para
150 empleados en un tiempo considerable. (2) minimizar la inversión en hardware
para construir los métodos de solución para los horarios, (3) hacer que el sistema
de planificación fuera bastante simple y que pudiese ser usado por gerentes que
no tuviesen experiencia en computadores. (4) reducir el tiempo de preparación de
horarios al menos en un 75%.
92
2. Los restaurantes de comida rápida no tienen turnos de trabajo normales o
semanas de trabajo. Los turnos varían típicamente de tres a ocho horas; la
longitud de cambio de máximo es restringida a menudo por ley para los
empleados más jóvenes. Los Gerentes frecuentemente establecen un
conjunto de turnos que ellos consideran deseables basados en la moral del
empleado, la fatiga, y otros factores. Algunos empleados pueden especificar
el número de días por semana que les gustaría trabajar.
3. Los empleados difieren por las veces en que ellos están disponibles para
trabajar o sus preferencias de trabajo, por ejemplo, por actividades
familiares o los horarios escolares. Los Gerentes deben construir horarios
que se adhieren a estas disponibilidades; y se mejora la moral de los
empleados si se consideran sus preferencias del trabajo.
1. Satisfaga los requisitos del personal cada hora con un mínimo de fijó horas.
2. Dar el mismo número de días laborables y horas de trabajo, con días laborables
marginales dados a los empleados con evaluaciones de habilidades en cada
empleado.
93
3. Asignar a los empleados a trabajar en áreas en donde se desempeñen mejor.
2. Proporcionar una media habilidad adecuada que este durante cada medio
periodo de tiempo de hora en cada área de trabajo.
Se debía minimizar la cantidad de datos entrada para cada semana, los datos de
ventas para cada hora constituían 1,008 elementos representados en tres áreas
de trabajo para siete días a la semana y 48 intervalos de tiempo por día, para 24
actividades por hora, los restaurantes de McDonald estaban abiertos
aproximadamente 18 horas por día (6:00 a.m a 12:00 p.m), la disponibilidad del
empleado podría ser de 336 elementos (siete días x 48 intervalos de tiempo por
día) para cada empleado.
94
Para resolver el problema de entrada de datos de ventas, se le permitió a los
usuarios entrar las cantidades de ventas diarias y tener la distribución de ventas
de la semana anterior. Una vez el gerente estaba satisfecho con las proyecciones
de las ventas, la computadora utilizó la interface y definió tablas de conversión de
ventas para calcular el número de empleados necesitados durante cada media
hora en el restaurante en cada área de trabajo.
Durante una semana dada, el gerente tenía sólo que entrar los datos para los
empleados cuya disponibilidad había cambiado de la semana anterior. Quizás el
aspecto más importante de la interface del usuario es la colección de informes que
el sistema genera. La forma preferida para los horarios era el informe del horario
diario que mostraba en forma de barra, durante cada día el área de trabajo y
tiempo que cada empleado había sido programado para trabajar. Finalmente, el
sistema tenía que producir horarios que requirieran un ajuste manual muy
pequeño.
95
Modelo:
b hl
= Número de empleados requeridos para trabajar en el periodo h, en el área l.
x jkl
= Número de empleados asignados al turno j , en el periodo k , en el área l.
s hl
= Exceso de empleados laborando en el periodo h, en el área l.
r jkl
= Escaces de empleados en el turno j, el día k , en el área l.
z i
= Número de días que trabaja el empleado i.
Minimizar Z = ∑ f hl
+ ∑ cijkl wijkl + ∑ g
jkl r jkl
+ ∑ d ik vik (1)
hl ijkl jkl ik
96
Sujeto a:
∑a x hjk jkl
− s hl
= b hl
∀ h, l (2 )
jk
∑w ijkl
+ r jkl
− x jkl
=0 ∀ j, k , l (3 )
i
∑w ijkl
− y ik
= 0 ∀ i, k (4 )
jl
∑y ik
− z i
=0 ∀i (5 )
k
∑v ik
− z i
=0 ∀i (6 )
k
y ik
≤1 ∀ i, k (7 )
v ik
≤1 ∀ i, k (8 )
n la función objetivo, el f hl
se selecciona lo suficientemente grande para
minimizar así el exceso de horas asignadas. c
ijkl refleja el grado de
habilidad del empleado i en el área de trabajo j, así como su disponibilidad y
preferencia para trabajar en el turno j, en el día k, y d ik
se utiliza para
nivelar los días laborables entre los empleados y considerar casos especiales
donde los empleados solo pueden trabajar un número específico de días. La
ecuación (2) representa la requisición de empleados, la ecuación (3) considera la
asignación de empleados a los turnos.
La restricción (4) asegura que un empleado trabaja como mínimo un turno al día
en cualquier día de la semana, y las ecuaciones (5) y (6) junto con el
parámetro
d ik
controla el número de días trabajados a la semana para cada
empleado.
97
La técnica de la solución descompone el problema (1) - (8) en dos problemas
subalternos dado por:
∑f s hl hl
(9)
hl
98
6. ASIGNACIÓN MULTICRITERIO DE TAREAS A TRABAJADORES
POLIVALENTES19
19
ZULEMA E. Asignación Multicriterio De Tareas A Trabajadores Polivalentes. Instituto de
Organización y Control de Sistemas Industriales. Universidad Politécnica De Cataluña. Mayo de
2006
99
Asignación de tareas:
100
Modelado del problema:
Variables
− Las variables asociadas al trabajo que está realizando cada una de las
personas.
− Las relacionadas directamente con la cobertura de la demanda de las tareas.
Una primera variable básica y a partir de la cual se definen otras variables es:
101
(3) XIph Indica la carga de trabajo equivalente asignada a cada persona p
( ∀ p) en cada intervalo de tiempo h ( ∀ h), y se calcula
T
XI ph = ∑ X
t =1
ph
* nt ∀ p; ∀ h y puede tomar valores [0,1]
∑ ps
p =1
ph
≤ P
H
∑ X pth
XIT = hH=1 ; ∀p; ∀t
pt
∑ PS ph
h =1
(6) Mpth Variable auxiliar binaria {0,1}, que adopta valor de 1 si la persona p
ha empezado a realizar la tarea t ( ∀ t) en el intervalo h ( ∀ h) y 0 en caso
contrario.
102
Variables asociadas a la cobertura de demanda de las tareas
Definidas las variables de asignación del personal p en cada uno de los intervalos
h en que está presente (Xpth) se describen a continuación las variables, que se
refieren a los requerimientos de las tareas.
(7) R = [rpt] Matriz que indica las tareas ( ∀ t) que puede realizar cada
persona.
= ∑X
´
X th pth
* r pt
∀p∈P =1
d`th = dth * nr
103
Datos Adicionales
(12) M = [mp] Vector binario que indica la polivalencia del personal p ( ∀ p).
donde tomar un valor de 1 para el caso en que el personal es compatible
para asignarle más de una tarea a la vez y de 0 en el caso contrario.
∑ it
t =1
pt
=1
104
(18) ITmin = it pt [ ]
min
Matriz de proporción mínima de tiempo que una persona p
∑ pt
t =1
t
=1
+
(21) XIT pt
Valor de la proporción del tiempo, que la persona p dedica por
105
−
(22) XIT pt
Valor de la proporción del tiempo, que la persona p dedica por
∑ pp
t =1
pt
=1
Restricciones:
(1) XI ph
≤ 1; _ ∀p; ∀h Restricción que limita que la cantidad de trabajo
T
(2) ∑X
t =1
pth
≥ PS ph
; _ ∀p; ∀h Restricción a utilizar, si se desea asegurar que al
(3) X
´
th
≤ [d (1+ se )]; _ ∀t; ∀h
´
th t
Restricción que controla que la cantidad de
106
(4) X
´
th
≥ [d (1+ sd )]; _ ∀t; ∀h
´
th t
Restricción que controla que la cantidad de
min max
(5) it pt
≤ XIT pt
≤ it pt ; _ ∀p; ∀t Restricciones que limita que la proporción de
∑X
´
= d th ; _ ∀t ; ∀h Restricción que garantiza que la asignación de
´
(6) pth
p =1
(7) X pth
≤ 1+ (it − XIT ); _ ∀p;∀t; ∀h
pt pth
Esta restricción garantiza que no se
Funciones Objetivo:
107
(r )* (XIT ) Función que busca la solución óptima basada en
P T
(3) MAXZ = ∑∑ pt pt
p =1 t =1
[d ]
T H
+ −
(4) MINZ = ∑∑ th
+ d th Función que busca la solución óptima basada en la
t =1 h =1
P T
(5) MAXZ = ∑∑ pp * XIT pt Función que busca la solución óptima que
pt
p =1 t =1
108
PLANTEAMIENTO DEL MODELO MATEMÁTICO
109
Se plantearán las restricciones básicas y la Función Objetivo. Para dar inicio con
el modelo se especifica primero unos supuestos básicos y se da una información
general para conocer detalladamente la situación en la que se encuentra el
Restaurante sobre el cual se procederá a plantear el modelo matemático.
Generalidades
TIPO DE RESTAURANTE:
Tipo Calle: Restaurantes que tienen salón y algunos pueden tener parque
infantil y salón especial para fiestas.
110
CLASIFICACIÓN POR TIPO DE SERVICIO:
20
Sistema de Descripción de Cargos para Restaurantes de FRISBY S.A. Área de Gestión
Humana.
111
Auxiliar de Producción: Este cargo tiene dependencia directa del
Administrador. Sus responsabilidades principales
son: preparar, organizar y asear el área de
producción limpiando y desinfectando
oportunamente los materiales y equipos. Mezclar,
apanar y freír el pollo y preparar los demás
productos conforme a las condiciones de
operación establecidas. Verificar el color del
aceite revisando cada una de las máquinas que
tiene a su disposición. Hacer el filtrado y lavado
de las máquinas fritadoras.
112
Despacho: Este cargo tiene dependencia directa del
Administrador. Sus responsabilidades son:
preparar, organizar y asear el área de despacho,
despachar los productos a llevar, a la mesa y
domicilio, empacando los mismos de acuerdo a
las estructuras establecidas y entregándolos al
cliente, vendedor de salón, auxiliar de salón,
cliente o domicilio.
113
Auxiliar de Salón: Este cargo tiene dependencia directa del
Administrador. Sus responsabilidades principales
son: preparar, organizar y asear el área de salón
limpiando y desinfectando oportunamente mesas
y piso. Abastecer el área de mostrador de las
materias primas y suministros organizando,
empacando y rotulando las mismas. Entregar el
producto en la mesa al cliente, revisando la
factura y permaneciendo atento a las
necesidades del mismo.
114
Coordinador de Domicilios: Este cargo tiene dependencia directa del
Administrador. Se desempeña atendiendo
telefónicamente las solicitudes del cliente
registrando el pedido en el sistema y entregando
la factura al despachador. Supervisa las labores
de los domicilios, coordina el recorrido
considerando las direcciones y verifica el tiempo
de entrega del servicio.
115
Supernumerario: Este cargo tiene dependencia directa del
Administrador. Cada restaurante cuenta con su
supernumerario, el cual es asignado entre
semana para cubrir los descansos de todos los
empleados del restaurante y los fines de semana
a reforzar el los cargos que se presente más
actividad. No cubre los descansos de cajero ni
administrador, debido a que son cargos de más
especialización y para ello se cuenta con una
planta de cajeros y administradores
supernumerarios.
La compañía Frisby S.A., flexibiliza los contratos de trabajo de manera tal que
puedan satisfacer las necesidades que se presentan en la empresa, pero sin dejar
de lado la Legislación Laboral. De acuerdo con lo anterior Frisby S.A., maneja 2
tipos de contratación, el primero es el de tiempo completo en donde se puede
laborar como mínimo 8 Horas diarias, 48 horas semanales y 206 horas al mes,
este tipo de trabajador hace parte de la nómina operativa; el segundo tipo de
contrato es de tiempo variable y surge de la necesidad que tiene la empresa para
cumplir con el aforo propuesto, evitar la generación de horas extras y de la
necesidad de reforzar algunos cargos en horas pico algunos días de la semana,
con este tipo de contrato se debe cumplir con trabajar como mínimo 3 horas
diarias y máximo 6 horas diarias, adicionalmente a la semana solo pueden laborar
mínimo 16 horas semanales y hasta 47 horas como máximo, los trabajadores con
este tipo de contrato pertenecen a la nómina por horas.
116
Cada tipo de contrato tiene una liquidación diferente, lo que se debe a que se ha
buscado que tanto la empresa como el trabajador se beneficien, sin afectarse el
uno al otro. A continuación se presenta la forma como se debe liquidar cada tipo
de contrato21.
NÓMINA OPERATIVA:
21
Módulo de Nómina de FRISBY S.A. Área de Gestión Humana.
117
Luego de conocer las generalidades de los Restaurantes de la Compañía de
Frisby S.A., aclaramos que el restaurante que ha sido seleccionado como base
para el planteamiento del modelo es F35, el cual se encuentra ubicado en el
Barrio Cuba, en la ciudad de Pereira, es un Restaurante Tipo Calle sin parque
infantil y sin salón de fiestas, su servicio es semiautoservicio, con domicilio,
Restaurante Tipo B con ventas aproximadas de 74 millones de pesos (Sin IVA).
Modelo de Asignación
Para dar inicio al modelo de asignación de personal se debe tener en cuenta que
se hará la asignación para un mes de ventas normal, es decir que no incluye
vacaciones de mitad ni fin de año, día de la madre, 31 de Octubre, semana santa.
De los cargos descritos con anterioridad se debe aclarar que el vendedor de salón
se presenta cuando es un restaurante Tipo Calle con servicio a la Mesa, El cargo
de oficios varios es únicamente cuando el Restaurante es tipo Calle y el número
de personas que son asignadas depende mucho del tamaño del restaurante, es
decir si se tiene varias salones, parque infantil y salón para fiestas; lo normal que
se asigna a un restaurante tipo calle es un oficios varios.
118
El horizonte de trabajo del restaurante es Domingo a Jueves de 9:00 A.M. a 9:00
P.M. y de Viernes a Sábado de 9:00 A.M. a 10:00 P.M.
El cargo de Despacho Combos entrará una hora antes del horario de atención al
público, dicho tiempo será empleado para prealistamiento y aseos.
Los cargos de Administrador y/o Cajero deben mantenerse durante todo el horario
de atención de los Restaurantes como responsables del manejo administrativo y
operación de caja en la apertura, horario de atención (especialmente horas de alto
movimiento) y cierre.
119
que se procederá a ser es que la otra persona que aparezca asignada para cada
cargo será reemplazada por el supernumerario.
Variables de Decisión
Donde:
i = 1, 2
1 = Contrato Jornada Completa
2 = Contrato Jornada Variable
j = 1,..., 6
1 = Auxiliar de Producción
2 = Despacho
3 = Cajero
4 = Auxiliar de Salón
5 = Enrutador de Domicilios
6 = Domicilios
120
k = Hora a la cual es asignado
k = 1... 13
1= 9:00 a.m. – 9:59 a.m.
2= 10:00 a.m. – 10:59 a.m.
3= 11:00 a.m. – 11:59 a.m.
4= 12:00 p.m. – 12:59 p.m.
5= 13:00 p.m. – 13:59 p.m.
6= 14:00 p.m. – 14:59 p.m.
7= 15:00 p.m. – 15:59 p.m.
8= 16:00 p.m. – 16:59 p.m.
9= 17:00 p.m. – 17:59 p.m.
10 = 18:00 p.m. – 18:59 p.m.
11 = 19:00 p.m. – 19:59 p.m.
12 = 20:00 p.m. – 20:59 p.m.
13 = 21:00 p.m. – 21:59 p.m.
l = 1,..., 7
1 = Lunes
2 = Martes
3 = Miércoles
4 = Jueves
5 = Viernes
6 = Sábado
7= Domingo
121
Restricciones de Carga Horaria
TIEMPO COMPLETO
AUXILIAR DE PRODUCCIÓN:
X 1111
+ X 1121
+ X 1131
+ X 1141
+ ... + X 11101
+ X 11111
+ X 11121
+ X 11131
≥8
13
∑X
k =1
11k 1
≥8
13
∑ Xk =1
ijkl
≥ 8 ∀ i = 1 j = 1 l = 1 ,..., 7
Donde:
122
DESPACHO:
13
∑X
k =1
ijkl
≥ 8 _ Horas / día ∀ i =1 j = 2 l = 1,..., 7
Donde:
CAJERO:
13
∑X
k =1
ijkl
≥ 8 _ Horas / día ∀ i =1 j = 3 l = 1,..., 7
Donde:
AUXILIAR DE SALÓN:
13
∑X
k =1
ijkl
≥ 8 _ Horas / día ∀ i =1 j = 4 l = 1,..., 7
Donde:
123
ENRUTADOR DE DOMICILIOS:
13
∑X
k =1
ijkl
≥ 8 _ Horas / día ∀ i = 1 j = 5 l = 1,..., 7
Donde:
DOMICILIO:
13
∑X
k =1
ijkl
≥ 8 _ Horas / día ∀ i =1 j = 6 l = 1,..., 7
Donde:
124
HORAS POR SEMANA
AUXILIAR DE PRODUCCIÓN:
13 13 13 13 13 13 13
DESPACHO:
13 13 13 13 13 13 13
i =1 i =1 i =1 i =1 i =1 i =1 i =1
j =2 j =2 j =2 j =2 j =2 j =2 j =2
l =1 l =2 l =3 l =4 l =5 l =6 l =7
CAJERO:
13 13 13 13 13 13 13
i =1 i =1 i =1 i =1 i =1 i =1 i =1
j =3 j =3 j=3 j=3 j=3 j=3 j=3
l =1 l=2 l =3 l=4 l =5 l =6 l =7
125
AUXILIAR DE SALÓN:
13 13 13 13 13 13 13
∑X
k =1
ijkl
+ ∑ X ijkl + ∑ X ijkl + ∑ X ijkl + ∑ X ijkl + ∑ X ijkl + ∑ X ijkl ≥ 48 _ Horas _ Semanales
k =1 k =1 k =1 k =1 k =1 k =1
i =1 i =1 i =1 i =1 i =1 i =1 i =1
j=4 j=4 j=4 j=4 j=4 j=4 j=4
l =1 l=2 l=3 l=4 l=5 l=6 l=7
ENRUTADOR DE DOMICILIO:
13 13 13 13 13 13 13
∑X
k =1
ijkl ∑ X ijkl ∑ X ijkl ∑ X ijkl ∑ X ijkl ∑ X ijkl ∑ X ijkl
+
k =1
+
k =1
+ +
k =1
+
k =1
+
k =1
≥ 48 _ Horas_ Semanales
k =1
i =1 i =1 i =1 i =1 i =1 i =1 i =1
j=5 j=5 j =5 j=5 j=5 j =5 j=5
l =1 l=2 l=3 l=4 l =5 l=6 l =7
DOMICILIO:
13 13 13 13 13 13 13
∑X
k =1
ijkl
+ ∑ X ijkl + ∑ X ijkl + ∑ X ijkl + ∑ X ijkl + ∑ X ijkl + ∑ X ijkl ≥ 48 _ Horas _ Semanales
k =1 k =1 k =1 k =1 k =1 k =1
i =1 i =1 i =1 i =1 i =1 i =1 i =1
j=6 j=6 j=6 j=6 j=6 j=6 j=6
l =1 l=2 l=3 l=4 l=5 l=6 l=7
126
HORAS POR MES
AUXILIAR DE PRODUCCIÓN:
13 13 13 13 13 13 13
4 ∑ X ijkl + ∑ X ijkl +∑ X ijkl + ∑ X ijkl + ∑ X ijkl + ∑ X ijkl + ∑ X ijkl ≥ 208_ Horas_ al _ Mes
k =1 k =1
i =1
k =1 k =1
i =1
k =1 k =1
i =1
k =1
i =1 i =1 i =1 i =1
j =1 j =1 j =1 j =1 j =1 j =1 j =1
l =1 l=2 l =3 l=4 l =5 l =6 l=7
DESPACHO:
13 13 13 13 13 13 13
4 ∑ X ijkl + ∑ X ijkl + ∑ X ijkl + ∑ X ijkl + ∑ X ijkl + ∑ X ijkl + ∑ X ijkl ≥ 208 _ Horas _ al _ Mes
k =1 k =1 k =1 k =1 k =1 k =1 k =1
i =1 i =1 i =1 i =1 i =1 i =1 i =1
j=2 j=2 j=2 j=2 j=2 j=2 j=2
l =1 l=2 l=3 l=4 l=5 l=6 l=7
CAJERO:
13 13 13 13 13 13 13
4 ∑ X ijkl + ∑ X ijkl +∑ X ijkl + ∑ X ijkl + ∑ X ijkl + ∑ X ijkl + ∑ X ijkl ≥ 208_ Horas_ al _ Mes
k =1 k =1
i =1
k =1
i =1
k =1
i =1
k =1
i =1
k =1
i =1
k =1
i =1
i =1
j=3 j =3 j =3 j=3 j =3 j =3
j =3
l=2 l =3 l=4 l =5 l=6 l=7
l =1
AUXILIAR DE SALÓN:
13 13 13 13 13 13 13
4 ∑ X ijkl + ∑ X ijkl +∑ X ijkl + ∑ X ijkl + ∑ X ijkl + ∑ X ijkl + ∑ X ijkl ≥ 208 _ Horas _ al _ Mes
ki ==1 1 k =1
i =1
k =1
i =1
k =1
i =1
k =1
i =1
k =1
i =1
k =1
i =1
j=4 j=4 j=4 j=4 j=4 j=4 j=4
l =1 l=2 l=3 l=4 l=5 l =6 l =7
127
ENRUTADOR DE DOMICILIO:
13 13 13 13 13 13 13
4 ∑ X ijkl + ∑ X ijkl +∑ X ijkl + ∑ X ijkl + ∑ X ijkl + ∑ X ijkl + ∑ X ijkl ≥ 208 _ Horas _ al _ Mes
ki==1 1 k =1
i =1
k =1
i =1
k =1 k =1
i =1
k =1
i =1
k =1
i =1
i =1
j=5 j=5 j=5 j=5 j=5 j=5
j=5
l =1 l =2 l=3 l =5 l =6 l =7
l = 4
DOMICILIO:
13 13 13 13 13 13 13
4 ∑ X ijkl + ∑ X ijkl +∑ X ijkl + ∑ X ijkl + ∑ X ijkl + ∑ X ijkl + ∑ X ijkl ≥ 208 _ Horas_ al _ Mes
k =1 k =1 k =1 k =1 k =1 k =1 k =1
i =1 i =1 i =1 i =1 i =1 i =1 i =1
j =6 j=6 j =6 j=6 j =6 j =6 j =6
l =1 l =2 l =3 l=4 l =5 l =6 l =7
128
HORAS POR DÍA
AUXILIAR DE PRODUCCIÓN:
13
HORAS − MINIMAS = ∑ X ijkl ≥ 3 _ Horas / día
k =1
13 ∀ i = 2 j =1 l = 1,...,7
HORAS − MAXIMAS = ∑ X ijkl ≤ 8 _ Horas / día
k =1
Donde:
DESPACHO:
13
HORAS − MINIMAS = ∑ X ijkl ≥ 3 _ Horas / día
k =1
13 ∀ i =2 j =2 l =1,...,7
HORAS − MAXIMAS = ∑ X ijkl ≤ 8 _ Horas / día
k =1
Donde:
129
CAJERO:
13
HORAS − MINIMAS = ∑ X ijkl ≥ 3 _ Horas / día
k =1
13 ∀ i = 2 j =3 l = 1,...,7
HORAS − MAXIMAS = ∑ X ijkl ≤ 8 _ Horas / día
k =1
Donde:
AUXILIAR DE SALÓN:
13
HORAS − MINIMAS = ∑ X ijkl ≥ 3 _ Horas/ día
k =1
13 ∀ i =2 j =4 l =1,...,7
HORAS − MAXIMAS= ∑ X ijkl ≤ 8 _ Horas/ día
k =1
Donde:
ENRUTADOR DE DOMICILIOS:
13
HORAS − MINIMAS= ∑ X ijkl ≥ 3 _ Horas/ día
k =1
13 ∀ i = 2 j =5 l =1,...,7
HORAS − MAXIMAS= ∑ X ijkl ≤ 8 _ Horas/ día
k =1
Donde:
130
DOMICILIO:
13
HORAS− MINIMAS= ∑ X ijkl ≥ 3 _ Horas/ día
k =1
13 ∀ i = 2 j =6 l =1,...,7
HORAS− MAXIMAS= ∑ X ijkl ≤ 8 _ Horas/ día
k =1
Donde:
AUXILIAR DE PRODUCCIÓN:
∑X
k =1
ijkl
+∑
k =1
X ijkl
+∑
k =1
X ijkl
+∑
k =1
X ijkl
+∑
k =1
X ijkl
+∑
k =1
X ijkl
+∑
k =1
X ijkl
≥ 16 _ Horas _ Semanales
i= 2 i= 2 i= 2 i= 2 i= 2 i= 2 i= 2
j =1 j =1 j =1 j =1 j =1 j =1 j =1
l =1 l = 2 l = 3 l = 4 l = 5 l = 6 l = 7
131
DESPACHO:
∑X
k =1
ijkl
+ ∑X
k =1
ijkl
+ ∑X
k =1
ijkl
+ ∑X
k =1
ijkl
+ ∑X
k =1
ijkl
+ ∑X
k =1
ijkl
+ ∑X
k =1
ijkl
≥ 16 _ Horas _ Semanales
i = 2 i = 2 i = 2 i = 2 i = 2 i = 2 i = 2
j = 2 j = 2 j = 2 j = 2 j = 2 j = 2 j = 2
l = 1 l = 2 l = 3 l = 4 l = 5 l = 6 l = 7
∑X
k =1
ijkl
+ ∑X
k =1
ijkl
+ ∑X
k =1
ijkl
+ ∑X
k =1
ijkl
+ ∑X
k =1
ijkl
+ ∑X
k =1
ijkl
+ ∑X
k =1
ijkl
≤ 47 _ Horas _ Semanales
i = 2 i = 2 i = 2 i = 2 i = 2 i = 2 i = 2
j = 2 j = 2 j = 2 j = 2 j = 2 j = 2 j = 2
l = 1 l = 2 l = 3 l = 4 l = 5 l = 6 l = 7
CAJERO:
∑X
k =1
ijkl
+ ∑X
k =1
ijkl
+ ∑X
k =1
ijkl
+ ∑X
k =1
ijkl
+ ∑X
k =1
ijkl
+ ∑X
k =1
ijkl
+ ∑X
k =1
ijkl
≥ 16 _ Horas _ Semanales
i = 2 i = 2 i = 2 i = 2 i = 2 i = 2 i = 2
j = 3 j = 3 j = 3 j = 3 j = 3 j = 3 j = 3
l = 1 l = 2 l = 3 l = 4 l = 5 l = 6 l = 7
∑X
k =1
ijkl
+ ∑X
k =1
ijkl
+ ∑X
k =1
ijkl
+ ∑X
k =1
ijkl
+ ∑X
k =1
ijkl
+ ∑X
k =1
ijkl
+ ∑X
k =1
ijkl
≥ 47 _ Horas _ Semanales
i = 2 i = 2 i = 2 i = 2 i = 2 i = 2 i = 2
j = 3 j = 3 j = 3 j = 3 j = 3 j = 3 j = 3
l = 1 l = 2 l = 3 l = 4 l = 5 l = 6 l = 7
132
AUXILIAR DE SALÓN:
∑X k =1
ijkl
+∑
k =1
X ijkl
+∑
k =1
X ijkl
+∑
k =1
X ijkl
+∑
k =1
X ijkl
+∑
k =1
X ijkl
+∑
k =1
X ijkl
≥ 16 _ Horas _ Semanales
i = 2 i = 2 i = 2 i = 2 i = 2 i = 2 i = 2
j = 4 j = 4 j = 4 j = 4 j = 4 j = 4 j = 4
l =1 l = 2 l = 3 l = 4 l = 5 l = 6 l = 7
∑X k =1
ijkl
+∑
k =1
X ijkl
+∑
k =1
X ijkl
+∑
k =1
X ijkl
+∑
k =1
X ijkl
+∑
k =1
X ijkl
+∑
k =1
X ijkl
≤ 47 _ Horas _ Semanales
i = 2 i = 2 i = 2 i = 2 i = 2 i = 2 i = 2
j = 4 j = 4 j = 4 j = 4 j = 4 j = 4 j = 4
l =1 l = 2 l = 3 l = 4 l = 5 l = 6 l = 7
ENRUTADOR DE DOMICILIO:
∑Xk =1
ijkl
+ ∑ X ijkl + ∑ X ijkl + ∑ X ijkl + ∑ X ijkl + ∑ X ijkl + ∑ X ijkl ≥ 16 _ Horas _ Semanales
k =1 k =1 k =1 k =1 k =1 k =1
i=2 i=2 i=2 i=2 i=2 i=2 i=2
j=5 j=5 j=5 j=5 j=5 j=5 j=5
l =1 l=2 l=3 l=4 l=5 l=6 l=7
133
DOMICILIO:
∑X
k =1
ijkl
+∑
k =1
X ijkl
+∑
k =1
X ijkl
+∑
k =1
X ijkl
+∑
k =1
X ijkl
+∑
k =1
X ijkl
+∑
k =1
X ijkl
≥ 16 _ Horas _ Semanales
i = 2 i = 2 i = 2 i = 2 i = 2 i = 2 i = 2
j = 6 j = 6 j = 6 j = 6 j = 6 j = 6 j = 6
l =1 l = 2 l = 3 l = 4 l = 5 l = 6 l = 7
∑X
k =1
ijkl
+∑
k =1
X ijkl
+∑
k =1
X ijkl
+∑
k =1
X ijkl
+∑
k =1
X ijkl
+∑
k =1
X ijkl
+∑
k =1
X ijkl
≤ 47 _ Horas _ Semanales
i = 2 i = 2 i = 2 i = 2 i = 2 i = 2 i = 2
j = 6 j = 6 j = 6 j = 6 j = 6 j = 6 j = 6
l =1 l = 2 l = 3 l = 4 l = 5 l = 6 l = 7
AUXILIAR DE PRODUCCIÓN:
134
DESPACHO:
CAJERO:
HORAS− MÍNIMAS
− MES
13 13 13 13 13 13 13
4∑Xijkl + ∑Xijkl +∑Xijkl + ∑Xijkl + ∑Xijkl + ∑Xijkl + ∑Xijkl ≥ 60_ Horas_ al _ Mes
k=1 k =1
i=2
k =1
i =2
k =1
i=2
k =1 k =1 k =1
i=2 i=2 i=2 i=2
j =3 j =3 j =3 j =3 j =3 j =3 j =3
l =1 l =2 l =3 l =4 l =5 l =6 l =7
HORAS− MÁXIMAS
− MES
13 13 13 13 13 13 13
4∑Xijkl + ∑Xijkl +∑Xijkl + ∑Xijkl + ∑Xijkl + ∑Xijkl + ∑Xijkl ≤ 207_ Horas_ al _ Mes
k=1 k =1
i=2
k =1
i =2
k =1
i=2
k=1 k =1 k =1
i=2 i=2 i=2 i=2
j =3 j =3 j =3 j =3 j =3 j =3 j =3
l =1 l =2 l =3 l =4 l =5 l =6 l =7
135
AUXILIAR DE SALÓN:
ENRUTADOR DE DOMICILIO:
136
DOMICILIO:
AUXILIAR DE PRODUCCIÓN:
137
Las variables de asignación que se han planteado son de tipo entera binaria, es
decir que toma valor de 1 si la persona es asignada al cargo o valor de 0 en caso
contrario, por tal razón es necesario definir un parámetro que nos permita
determinar el número de personas a asignar teniendo en cuenta la demanda que
aX ijkl
≤ b Pollos * Hora ∀ i = 1, 2 j = 1 k = 1,...,14 l = 1,..., 7
Donde:
X ijkl → ____ b
1 → ______ ≤ 20
2 → __ 20 . 1 ≤ b ≤ 40
3 → __ 40 . 1 ≤ b ≤ 60
4 → __ 60 . 1 ≤ b ≤ 80
a = 5 → __ 80 . 1 ≤ b ≤ 100
6 → __ 100 . 1 ≤ b ≤ 120
7 → __ 120 . 1 ≤ b ≤ 140
8 → __ 140 . 1 ≤ b ≤ 160
9 → __ 160 . 1 ≤ b ≤ 180
10 → _ 180 . 1 ≤ ≤ 200
b
a= Pollos * hora_________________________
(# de personas en el cargo de auxiliar de producción, en una hora k, el día l)
b= Pollos * Hora b representa el nivel de actividad.
138
DESPACHO:
Se toma entonces como base para asignar a las personas a este cargo un nivel de
actividad dado en porcentaje de utilización de este recurso. Y para asignar si es
Despacho Combos o Despacho es necesario verificar en la hoja de facturas en
donde se ubicará. Se presenta a continuación el nivel de actividad con el que se
asigna el número de personas a dicho cargo.
139
Porcentaje de utilización del recurso Personas
0 – 100% 1
101% - 200% 2
201% - 300% 3
301% - 400% 4
401% - 500% 5
501% - 600% 6
601% - 700% 7
701% - 800% 8
Donde:
→ ____
Xijkl b
1 → ______ 0 % ≤ ≤ 100 %
b
2 → ______ 101 % ≤ b≤ 200 %
3 → ______ 201 % ≤ b≤ 300 %
4 → ______ 301 % ≤ ≤ 400 %
a = b
5 → ______ 401 % ≤ ≤ 500 %
b
6 → ______ 501 % ≤ ≤ 600 %
b
7 → ______ 601 % ≤ b≤ 700 %
8 → ______ 701 % ≤ b≤ 800 %
CAJERO:
140
Para el este cargo el nivel de actividad está representado en pedidos a llevar y a la
mesa, las capacidades de asignación se presenta en la siguiente tabla.
aX ijkl
≤ b Pedidos * Hora ∀ i = 1, 2 j = 3 k = 1,..., 14 l = 1,..., 7
Donde:
X ijkl → ____ b
0 → ______ 0 ≤ 15
a = 1 → ______ 16 ≤ b ≤ 35
2 → ______ 36 ≤ b ≤ 70
3 → ______ b ≤ 71
a= pedidos * hora_______________
(# de personas en el cargo de cajero, en una hora k, el día l)
b= pedidos * hora
141
AUXILIAR DE SALÓN:
aX ijkl
≤ b Pedidos _ a _ la _ mesa * Hora ∀ i = 1,2 j = 3 k = 1,...,14 l = 1,...,7
Donde:
→ ____ b
X ijkl
1 → ______ 3 ≤ b ≤ 5 . 0
2 → ______ 5 . 1 ≤ b ≤ 10
a = 3 → ______ 10 . 1 ≤ b ≤ 15
4 → ______ 15 . 1 ≤ b ≤ 20
5 → ______ 20 . 1 ≤ b ≤ 25
6 → ______ 25 . 1 ≤ b ≤ 30
142
ENRUTADORES DOMICILIO:
aX ijkl
≤ b Pedidos_ a _ domicilio* Hora ∀ i = 1,2 j = 5 k = 1,...,14 l = 1,...,7
Donde:
X ijkl → ____ b
a =
1 → ______ b > 9
143
DOMICILIOS:
ZONA AMPLIA
Pedidos a domicilio Personas
0–2 1
2–4 2
4–9 3
9.1 – 12 4
12.1 – 17 5
17.1 – 21 6
21.1 – 24 7
24.1 – 28 8
28.1 – 31 9
31.1 – 35 10
aX ijkl
≤ b Pedidos _ a _ domicilio * Hora ∀ i = 1, 2 j = 6 k = 1,..., 14 l = 1,..., 7
144
Donde:
→ ____ b
X ijkl
1 → __ 0 ≤ b < 2
2 → __ 2 ≤ b < 4
3 → __ 4 ≤ b ≤ 9
4 → __ 9 . 1 ≤ b ≤ 12
a = 5 → __ 12 . 1 ≤ b ≤ 17
6 → __ 17 . 1 ≤ b ≤ 21
7 → __ 21 . 1 ≤ b ≤ 24
8 → __ 24 . 1 ≤ b ≤ 28
9 → __ 28 . 1 ≤ b ≤ 31
10 → _ 31 . 1 ≤
b ≤ 35
POLIFUNCIONALIDAD
145
ellos. A continuación se muestra la relación y la polifuncionalidad que se puede
presentar para cada cargo.
VARIABLES DE POLIFUNCIONALIDAD
146
i = Cargo ocupado actualmente.
i = 1,..., 6
1 = Auxiliar de Producción.
2 = Despacho.
3 = Cajero.
4 = Auxiliar de Salón.
5 = Enrutador de Domicilio.
6 = Domicilio.
147
11 = 19:00 p.m. – 19:59 p.m.
12 = 20:00 p.m. – 20:59 p.m.
13 = 21:00 p.m. – 21:59 p.m.
l = 1,..., 7
1 = Lunes
2 = Martes
3 = Miércoles
4 = Jueves
5 = Viernes
6 = Sábado
7= Domingo
Se debe cumplir:
13 13
∑X
k =1
ijkl
+ ∑Y
k =1
ijkl
≤ 8 _ horas * dia
i =2 i =1
j =1 j =2
l =1,..., 7 l =1,..., 7
13 13
k =1
∑X ijkl
+ ∑Y
k =1
ijkl
≤ 8 _ horas * dia
i =2 i=2
j =2 j =1
l =1,..., 7 l =1,..., 7
148
Despacho Auxiliar de Salón
13 13
∑X
k =1
ijkl
+ ∑Y
k =1
ijkl
≤ 8 _ horas * dia
i =2 i =2
j =2 j =4
l =1,..., 7 l =1,..., 7
∑X
k =1
ijkl
+ ∑Y
k =1
ijkl
≤ 8 _ horas * dia
i =2 i =2
j =2 j =5
l =1,..., 7 l =1,..., 7
∑X
k =1
ijkl
+
k =1
∑Y ijkl
≤ 8 _ horas * dia
i =2 i=4
j =4 j =2
l =1,..., 7 l =1,..., 7
Cajero Despacho
13 13
∑ X ijkl +
k =1 k =1
∑Y ijkl
≤ 8 _ horas * dia
i =2 i =3
j =3 j =2
l =1,..., 7 l =1,..., 7
∑X
k =1
ijkl
+ ∑Y
k =1
ijkl
≤ 8 _ horas * dia
i =2 i =3
j =3 j =5
l =1,..., 7 l =1,..., 7
∑X
k =1
ijkl
+ ∑Y
k =1
ijkl
≤ 8 _ horas * dia
i =2 i =5
j =5 j =2
l =1,..., 7 l =1,..., 7
149
Enrutador de Domicilios Cajero
13 13
∑X
k =1
ijkl
+ ∑Y
k =1
ijkl
≤ 8 _ horas * dia
i =2 i =5
j =5 j =3
l =1,..., 7 l =1,..., 7
∑X
k =1
ijkl
+ ∑Y
k =1
ijkl
≤ 8 _ horas * dia
i =2 i =5
j =5 j =6
l =1,..., 7 l =1,..., 7
∑X
k =1
ijkl
+ ∑Y
k =1
ijkl
≤ 8 _ horas * dia
i =2 i =6
j =6 j =5
l =1,..., 7 l =1,..., 7
Domicilio Despacho
13 13
∑X
k =1
ijkl
+ ∑Y
k =1
ijkl
≤ 8 _ horas * dia
i=2 i =6
j =6 j =2
l =1,..., 7 l =1,..., 7
Función Objetivo:
150
COSTOS DE MANO DE OBRA
TIEMPO COMPLETO
Cajero: $545.833
Administrador: $850,801
TIEMPO VARIABLE
Salario Mínimo: $441.838
Auxilio de Transporte: $1693.3 / día
Auxilio de Movilización: $240 / Hora Sí labora ≤ 100 horas al mes
$24.000 Sí labora > 100 horas al mes
Dominical Proporcional: X = 32*Horas Laboradas al mes
208
Subvención Domicilios: Proporcional a los días trabajados
Se da inicio calculando el valor promedio de horas para cada cargo y cada tipo de
nómina. Se trabaja con el mes de Marzo de 2007, el cual se considera un mes
normal, debido a que no presenta días festivos ni fechas de especial atención.
151
Nómina Operativa:
Como se está trabajando con un mes normal se tiene que son 2 fines de semana
en donde se encuentran 2 días domingo y los cuales son considerados como días
festivo, por ende se paga un recargo festivo a estas horas laboradas. Como
pertenecen a la Nómina Operativa son personas que trabajan 8 horas diarias, es
decir en los 2 fines de semana son 16 horas con recargo festivo.
Con estas cifras se procede a calcular el valor de una hora promedio para un
trabajador de Nómina Operativa, en un mes normal.
152
Domicilio:
Para el cálculo del valor de la hora promedio de los domiciliarios hay que tener en
cuenta la subvención que se les paga por la moto. Como se mostró anteriormente
la subvención depende de la zona a donde pertenezca el restaurante y para
nuestro caso en particular se tiene que pertenece a la zona 1 en donde se incluye
la ciudad de Pereira, Armenia, Ibagué y Neiva, y su valor es de $159.572
Estos son los valores de horas promedio para los trabajadores que Pertenecen a
la Nómina Operativa. Se procede a calcular la hora para la nómina por horas.
153
Trabajador 1 $/mes
Auxilio moviliza: 21,480
Subsidio de Transporte: 37,253
Dominical Proporcional: 26,766
Salario Nómina por Horas: 173,973
Hora dominical: 28,995
Total empleado: 288467
Total horas Laboradas: 119
Trabajador 2 $/mes
Auxilio moviliza: 14,760
Subsidio de Transporte: 16,933
Dominical Proporcional: 17,419
Salario Nómina por Horas: 113,221
Hora dominical: 41,422
Total empleado: 203755
Total horas Laboradas: 91
Trabajador 3 $/mes
Auxilio moviliza: 24,000
Subsidio de Transporte: 40,640
Dominical Proporcional: 42,484
Salario Nómina por Horas: 280,152
Hora dominical: 37,280
Total empleado: 424.556
Total horas Laboradas: 179
154
Vr Hora Promedio = ($ 288.467 + $ 203.755 + $ 424.556) / 3
(119 + 91+ 179) / 3
Tipo de Restaurante y servicio que presta, debido a que se debe definir que tipo
de Administrador se debe asignar y si se asigna el cargo de Oficios Varios.
155
MINIMIZAR Z =
13 13 13 13 13
$2.145
∑ X + ∑ $2.579 X + ∑ $2.810 X + ∑ $2.351 X + ∑ $2.351Y + COSTOS_ FIJOS
Hora ijkl k =1 Hora ijkl k =1 Hora ijkl k =1 Hora ijkl k =1 Hora ijkl
k =1
i =1 i =1 i =1 i =2 i =1,...,6
j =1, 2,4,5 j =3 j =6 j =1,...,6 j =1,...,6
l =1,...,7 l =1,...,7 l =1,...,7 l =1,...,7 l =1,...,7
156
CONCLUSIONES
157
− En la función objetivo se logró la relación de los costos para cada cargo,
adicionalmente el cálculo de unos costos fijos que es necesario tener en
cuenta para la minimización del costo total de mano de obra en el restaurante.
158
RECOMENDACIONES
159
− En cuanto a las prácticas empresariales se recomienda que tanto la empresa
como la Universidad establezcan unos lineamientos claros, no solo de
cumplimento sino en lo referente a lo que la empresa desea y lo que la
Universidad puede cubrir de o desarrollar referente a las requisiciones de la
empresa. Esto con el fin de no perder tiempo valioso en la determinación de
qué es lo que se va a trabajar en la práctica y qué se espera alcanzar.
160
BIBLIOGRAFÍA
161
GUZMÁN H. F, Metodología De Asignación Optima De Mano De Obra En La
Industria Floricultora Colombiana, Universidad de los Andes.
162