Proyecto 10

Propuesta
Investigación de operaciones

Presentado por:

Viviana Marcela Sánchez Rojas 1811021204

Matias Alvaréz Hernandez 1821029812
Oscar Manuel García Ruíz 1711022297
Diana Marcela Berrío 1821022861
Victor Manuel Sierra Párraga 1821022587
Maryuliesky María Monsalve Mejías 1821023039

Tutor:
Franklin Ronaldo Aguilar Triana

GRUPO: 18
POLITÉCNICO GRANCOLOMBIANO
2020
ÍNDICE

Contenido
Objetivos................................................................................................................................ 2
General............................................................................................................................... 2
Específicos......................................................................................................................... 3
Modelo propuesto................................................................................................................... 3
Análisis estadístico................................................................................................................. 4
Demanda............................................................................................................................ 4
Comportamiento de la data.............................................................................................4
Pronósticos..................................................................................................................... 4
Producción.......................................................................................................................... 6
Comportamiento de la data.............................................................................................6
Pronósticos..................................................................................................................... 6
Formulación del problema......................................................................................................7
Conjuntos........................................................................................................................... 7
Parámetros......................................................................................................................... 8
Variables de decisión.......................................................................................................... 8
Función objetivo.................................................................................................................. 8
Restricciones...................................................................................................................... 8
Solución específica del modelo..............................................................................................9
Conclusiones y recomendaciones........................................................................................10

Objetivos

General
Plantear un modelo matemático eficiente basado en la cadena de suministro
logístico que le permita a la Empresa Colombiana de Petróleos controlar la Red
Nacional de Transporte de Gas Natural satisfaciendo los requerimientos del
producto.
Específicos
Analizar la demanda y la producción de gas natural en la Empresa Colombiana de
Petróleos entre los años 2001 y 2015.

Pronosticar la demanda y producción de gas natural con un error mínimo a partir de

los datos históricos de la Empresa Colombiana de Petróleos.

Plantear un modelo matemático que permita optimizar los procesos de transporte de

gas natural en los 10 meses más productivos del año para la Empresa Colombiana
de Petróleos.

Formular y programar el modelo en el software GAMS.

Aplicar los conocimientos aprendidos durante el curso.

Modelo propuesto
El modelo planteado constituye una serie de decisiones a nivel logístico, productivo
(capacidades estacionarias) y de transporte (entre instalaciones y distribución de
producto), con una estructura de costos lineal, la cual parte del supuesto de que
mantener niveles altos de inventario es viable en la cadena de suministro, con un
tiempo de ejecución independiente del nivel de los costos. La variante básica de
este problema considera una instalación de producción que produce y almacena un
solo producto para satisfacer las demandas conocidas en un horizonte de
planificación finito. El problema consiste entonces en determinar las cantidades de
producción de cada período de manera que todas las demandas se satisfagan a
tiempo con unos costos mínimos de producción total y de mantenimiento de
existencias. El objetivo será reducir al mínimo el costo en todo el sistema y
satisfacer al mismo tiempo toda la demanda. (MLSP)

De esta manera se tiene entonces un problema escalonado o en red, es decir, la

estructura puede tener diversos niveles en una serie de instalaciones como se
observa en el problema. Estas instalaciones se consideran en un solo conjunto de
toda la ruta de etapa de distribución en almacenes, donde se tienen 2 grandes
centros de acopio (Cusiana y Apiay) como nodos de la red entre la cual hay distintos
centros de distribución más pequeños llamados los niveles de la red, y un último
nodo llamado minorista (Bogotá) desde el cual parte la última etapa de distribución
del gas demandado. Una de las restricciones del problema planteado es que
siempre tomará tasas de producción estacionarias y sin restricciones de capacidad
de producción (como se comprueba más adelante en este documento), sin
embargo, si dicha tasa llegase a cambiar, cambiaría también la región factible de
soluciones del problema. También podría darse un problema de lote multinivel, en el
cual las funciones de costo no son lineales. Para este caso en específico, se tienen
dos centros de distribución primarios restringidos tanto en capacidad como en costo
lineal, pero un tercer nodo de transporte que posibilita una resolución al problema, al
no verse restringido. Además otras restricciones del problema vienen dadas por
funciones de mantenimiento de inventarios y transporte no lineales.

En el modelo planteado se tienen 10 periodos (t) y cuatro nodos (l) incluyendo el

campo de producción.

Análisis estadístico
Para el análisis robusto se observó en primera instancia el comportamiento de los
datos a lo largo de los años mediante gráficos. Posteriormente, y con base en
conocimientos previos, se aplicaron diferentes métodos de pronósticos, a partir de
los cuáles, se determinó la demanda y la producción proyectada para el año 2017.

Demanda

Comportamiento de la data

Figura 1. Comportamiento de la demanda.

Como se puede observar en el gráfico anterior, la demanda en general sigue una

tendencia de incremento en cada uno de los meses observados con excepción de
los meses de marzo a mayo. También es posible afirmar que en todos los años este
comportamiento es el mismo. Basándose en estas afirmaciones, se procede a
aplicar los métodos de pronósticos de Holz y Tendencias. El desarrollo de estos
métodos se encuentra de forma explícita en el anexo de Excel.

Pronósticos

Holz

En la siguiente tabla se observan los resultados tanto para el año 2016 como para el
año 2017, en el cual se evidencia también el análisis del error medio de porcentaje
absoluto MAPE, medida de desempeño que tendremos en cuenta para realizar la
toma de decisiones.

Figura 2. Resultados Holz.

Tendencias
Para la realización del pronóstico se observó que la tendencia que mejor se
ajustaba a la data es la polinómica.

Tabla 1. Resultados de pronóstico de la demanda.

Aunque el MAPE en la tendencia es menor que en Holz, este método no considera

un ajuste apropiado en su totalidad de la tendencia, además no es posible
pronosticar la demanda de 2017 con base a la de 2016, ya que como sigue una
misma tendencia el resultado sería muy similar. Por lo tanto, se elige la demanda
obtenida mediante el método de Holz el cual es confiable con un error del 29%.
Producción

Comportamiento de la data

Figura 3. Comportamiento de la producción.

Para el comportamiento de la producción se puede observar que en un principio hay

una tendencia descendente aleatoria, sin embargo, a partir del mes 6 se evidencia
una estacionalidad cada 4 meses. De esta manera, se optó por aplicar los métodos
Suavización Exponencial Simple y Winters.

Pronósticos

Suavización Exponencial Simple

Figura 4. Resultados Suavización exponencial simple.

Winters

Figura 5. Resultados Winters.

Aunque el MAPE es menor en la suavización exponencial simple, en este método
no se tiene en cuenta la estacionalidad mencionada en el análisis de data realizado
previamente, por lo que Winters resulta ser un método más riguroso, aunque tiene
32% de error.

En resumen, se obtienen los siguientes pronósticos para el año 2017, tanto de

producción como de demanda.

Figura 6. Resúmenes pronósticos.

Como la empresa solicita que se utilicen únicamente los 10 meses más productivos
del año, se toman en consideración los que a continuación se presentan.

Figura 7. Meses productivos del año

Formulación del problema

Conjuntos
● t : Hace referencia al número de periodos trabajados, en este caso serían 10,
ya que sólo se toman los 10 meses más productivos del año.
● l : Hace referencia al número de nodos de la red. En este caso serían 4,
contando el productor: Campos de producción, Cusiana, Apiay y Bogotá.
Parámetros
● Pt : Costo de iniciar la orden de producción (US$) para cada período t.
● C lt : Costo de transporte (US$) para cada periodo t hacia el nodo l.
● H lt : Costo de mantenimiento de inventarios (US$/ Giga BTU) en el periodo t
en el nodo l.
● d t : Demanda pronosticada (Giga BTU) en el periodo t.
● b t : Producción pronosticada (Giga BTU) en el periodo t.

Variables de decisión
● y t : Cantidad de producto (Giga BTU) producida en el periodo t.
● x lt : Cantidad de producto (Giga BTU) enviada al nodo l en el periodo t.
● i lt : Cantidad de producto (Giga BTU) en inventario en el nodo l en el periodo
t.

Función objetivo
10 3 4

t=1
[
FMIN =∑ ❑ Pt ❑❑ Y t + ∑ ❑Clt X lt + ∑ ❑ H lt I lt (1)
l=1 l=1
]
Restricciones
X 1t + I 1t =Y t + I 1t −1 t=1,2,3 ,... , 10 (2)
X 1t + I 1t =X 1−1
t + I lt−1 t=1,2,3 , ... ,10 ; l=2,3(3)
d t + I lt =X 1−1
t + I lt−1 t=1,2,3 , ... ,10(4)
Y t ≤ bt t=1,2,3 , ... ,10(5)
I l0=0 l=1,2,3,4(6)
Y t , X lt , I lt ≥ 0 ∀ t ,l(7)

Donde
(1) Función objetivo: representa la minimización del costo, dado que hay tres
costos principales inmersos: costo de producción, costo de transporte y costo
de mantenimiento de inventarios.
(2) Equilibrio de inventarios: garantiza que haya un equilibrio en lo producido e
inventariado del presente periodo con lo transportado e inventariado del
periodo anterior.
(3) Equilibrio de inventarios: en manera similar garantiza un equilibrio en lo
producido en el nodo inmediatamente anterior y el inventario anterior.
(4) Equilibrio de demanda: garantiza que la suma de inventarios y demandas
actuales pueda ser satisfecha por los productos transportados desde el nodo
anterior.
 (5) Capacidad de producción: garantiza que la cantidad de producto producida
en el periodo no sobrepase la capacidad de producción pronosticada.
(6) Inicialización de inventario: garantiza que no haya inventario inicial.
(7) No negatividad: garantiza que la cantidad de producto producida,
transportada e inventariada sea mayor o igual a cero.

Solución específica del modelo

Para la función objetivo
tenemos un costo total de $US
252.000.

Para la producción de
gas (Giga BTU) se
presentan los datos en
la imagen al costado.
Como se observa en el
mes 10 es cuando se
tiene una mayor
productividad con un
nivel total de 938,
siendo coherente con
los datos de la
demanda y producción
del pronóstico.

Con respecto a la cantidad

transportada en el periodo t
en los nodos l, se observa
que según la solución del
modelo planteado siempre
se debe enviar exactamente
lo producido, con el fin de
no tener inventario. Esto
puede suceder debido a que
el costo de transporte es
más económico que el costo
de mantenimiento de inventario. En estos casos, es más económico satisfacer la
demanda de transporte en todos los nodos posibles, más no mantener el inventario.

En efecto, en la solución
obtenida para el nivel de
inventario se producen
cantidades iguales a cero,
demostrando la teoría
anteriormente planteada.

Conclusiones y recomendaciones
 Cuando se tienen niveles de inventario, se debe tener en cuenta los costos
de mantenimiento de inventario. Suele suceder en algunas organizaciones
que el costo de mantenimiento es más elevado que el costo de suplir la
demanda, por tal motivo, hay que evaluar el costo beneficio.
 Los resultados del modelo fueron proporcionales al pronóstico realizado, por
lo que se le sugiere a la organización confiar en los resultados.
 Los costos de operación son bajos y la minimización en el modelo garantiza
que sea el costo óptimo de operación.
 En cualquier cambio en la información de costos, necesidades de producción,
demanda, inventario, se debe verificar el modelo, toda vez que, sea
necesario un ajuste de la data.