See discussions, stats, and author profiles for this publication at: https://www.researchgate.

net/publication/282947974

Modelo de transbordo multimodal multiperiodo. Solución a empresas con

robustez logística

Conference Paper · October 2015

CITATIONS READS

0 5,175

3 authors, including:

Omar Rojas Emilio Zamudio

Universidad Panamericana Sede Guadalajara Universidad Panamericana Sede Guadalajara
69 PUBLICATIONS   149 CITATIONS    9 PUBLICATIONS   0 CITATIONS   

SEE PROFILE SEE PROFILE

Some of the authors of this publication are also working on these related projects:

Aleatoriedaf criptográfica ( Cyptographic Randomness ) View project

BIM implementation 4D and 5D, procedure View project

All content following this page was uploaded by Omar Rojas on 19 October 2015.

The user has requested enhancement of the downloaded file.

Congreso Internacional de Logística y Cadena de Suministro (CiLOG2015)

MODELO DE TRANSBORDO MULTIMODAL

MULTIPERIODO
Solución a empresas con robustez logística

José Jorge Sierra Guerra, Emilio Zamudio Gutiérrez

Omar Rojas
Facultad de Ingenierías
Escuela de Ciencias Económicas y Empresariales
Universidad Panamericana
Universidad Panamericana
Guadalajara, México
Guadalajara, México
jjorge.sg.sl91@gmail.com, ezamudio@up.edu.mx
orojas@up.edu.mx

Resumen— En los últimos 50 años de investigación se han
desarrollado múltiples modelos de programación lineal multi-
objetivo, de los cuales algunos de ellos se han destinado para
tomar decisiones en problemas de distribución y de transporte.
En el presente documento se expone un Caso de Estudio
realizado en una empresa de Jalisco, en donde se muestra una
aplicación de un modelo de distribución y transporte.
Considerando las bases del clásico problema de transbordo, se
tomaron en cuenta los aspectos más importantes de este
planteamiento para generar un modelo útil que pudiera resolver
problemas más complejos en la industria. Se planteó un
modelo híbrido de transbordo –o multimodal– en el que se
tienen distintos orígenes y destinos y almacenes, a los cuales se
puede llegar en ferrocarril y/o tráiler.
Con la resolución del modelo propuesto se logra cuantificar
cuantas tarimas de producto, así como cajas de tráiler y/o
número de furgones llenos en ruta, se necesitan para cumplir
con la demanda de los destinos finales (clientes) y minimizar el
costo. Sin embargo, es importante considerar dentro de un caso
práctico, las capacidades de almacenaje de los transbordos
intermedios y de las bodegas que se utilizan en el proceso
logístico completo.
Para cumplir con el objetivo propuesto, se presenta un modelo
de optimización basado en pronósticos de demanda que, a
través del tiempo (multiperiodo), ayuda a concretar una
decisión de logística del producto de fábricas a almacenes, y de
almacenes a clientes. Los resultados obtenidos muestran que el
nuevo procedimiento y programación logran una considerable
reducción en los costos y mejor distribución.
Palabras Clave— Optimización; logística; Programación
Multiperiodo; Almacenaje; Transbordo
I. INTRODUCCION
La logística es uno de los problemas que más concierne a
las empresas en la actualidad, debido a la globalización y
constante crecimiento tanto de la población como de los
mercados. Con ese constante incremento de las plazas
accionarias, y la ambición de lograr el éxito financiero, son
necesarias las mejores herramientas cuantitativas para lograrlo,
lo cual da genera un incremento de utilidades. Se hace especial
énfasis en la logística dado que entre más rápido, mejor y al
menor precio se llegue a todos y cada uno de los clientes, el
objetivo final referente a las utilidades se verá reflejado de
forma positiva. Sin embargo, es importante mencionar que no
necesariamente se deben reducir los costos para tener más
utilidades, sino muchas veces con incrementar los costos
inherentes al costo de venta, es posible lograr un envío más
eficaz y eficiente, así como la correcta asignación de los
recursos disponibles y por ende su planeación.
En la actualidad, muchas de las empresas cuentan con
herramientas como RouteXL, Global Map o inclusive Google
Maps en conjunto, para crear las rutas más cortas y evitar
gastos innecesarios; sin embargo, no es necesario gastar en
software para tener la mejor planeación, asignación y
distribución, dado que un modelo de optimización logística
puede lograr resultados óptimos. Ya sea que utilicen ese tipo de
herramientas o se genere un cálculo a través de modelos
cuantitativos para lograr alternativas que produzcan un mejor
rendimiento logístico en todos los sentidos, se sabe que muchas
veces no sólo en la logística sino en general, esas decisiones
con impacto en los procesos de cualquier industria, se hacen de
acuerdo a una reacción que se tiene debido a ciertos resultados
no positivos. Muy pocas veces –y más en el caso de México en
la actualidad–, se utilizan esas herramientas de manera
proactiva (que sería lo más recomendable); sin embargo, hay
razones importantes por las cuales la gente opta por no utilizar
soluciones distintas proactivamente para mejorar sus procesos.
Dos de las razones más importantes en México por las cuales
las personas deciden no buscar nuevas alternativas para
mejorar son: falta de infraestructura tecnológica y falta de
modelos cuantitativos que simulen la realidad de acuerdo a
factores actuales [1].
La falta de infraestructura se resume en la falta de una
computadora para hacer algo que se vea reflejado, y por ende
tenga que compartirse con más personas para girar en torno al
mismo objetivo. La falta de modelos cuantitativos, va más
relacionado hacia la herramienta que se plantea en este
documento, y es básicamente la habilidad y conocimientos para
poder generar, encontrar, acomodar y mover los factores que
en la realidad permiten que se obtengan resultados positivos o

Asociación Mexicana de Logística y Cadena de Suministro, A.C. (AML)

Congreso Internacional de Logística y Cadena de Suministro (CiLOG2015)
negativos. Los modelos de programación matemática, en
específico.
Lo que se espera hoy en día es la utilización de
herramientas, modelos e infraestructura disponibles para no
solo hacer el producto más perfecto y de más calidad, sino
también maximizar las utilidades en todos los meses del año,
de acuerdo a la correcta distribución de los recursos.
Es por eso que en este documento se propone un modelo de
transbordo multimodal que va direccionado a empresas que
distribuyen grandes volúmenes, cuentan con diversidad de
bodegas y clientes. Con este modelo lineal multiperiodo se
logra incrementar la productividad de los proyectos y la
operación de las empresas logrando la mejor administración
del costo de venta.
II. REVISIÓN DE LITERATURA
Hay muchos trabajos relacionados que hacen la
presentación de problemas de distintos rubros que nos exhiben
la posibilidad de obtener información valiosa: del transbordo a
los modelos de programación hasta literatura de utilización del
ferrocarril como medio de transporte.
Hay trabajos sobre la optimización de la utilización de la
vía de ferrocarril con base en la distribución de furgones y
capacidades [2], así como también el énfasis en transporte
intermodal, ya sea vía terrestre en ferrocarril o carretera [3].
Modelos de optimización que incorporan capacidades de
movimiento y cantidades de almacenamiento basadas en
políticas de transbordo a través de un algoritmo infinitesimal
con objetivo final de minimizar el costo logístico [4]
Para problemas con ferrocarriles, la mayoría de las veces el
estudio se enfoca en la manera de optimizar el tiempo del
movimiento para la carga y traslado de un furgón, así como
optimizar el espacio utilizado por la mercancía en el mismo
furgón [5]. Se plantean sistemas de cambios de ruteo y
movimientos de estacionamiento ferroviario que fácilmente se
podrían adaptar a un modelo multimodal [6] o desarrollo de
configuraciones a acomodo de trenes para disminución de
movimientos [7]. Sin embargo, el caso más tomado a estudio,
son las formulaciones necesarias para crear rutas y tiempos
específicos en transporte desde puertos industriales partiendo
desde la premisa a repartir la mercancía a su destino en el
menor tiempo posible [8].
En lo que respecta al planteamiento del modelo multi-
objetivo, sea multimodal o no, se ha concretado la explicación
de MOCO por sus siglas en inglés de Multiobjective
Combinatorial Optimization y su diferencia con MOLP que
también por sus siglas en inglés Multiobjective Linear
Progamming [9], que después de todo aunque comentan que la
tendencia de modelos con variables discretas presentan
dificultad en Programación Lineal, es lo que utilizaremos para
esta investigación [10]. Y contemporáneamente tomando como
base artículos expuestos de transbordo multi-criterio basados
en programación lineal [11].
Y finalmente lo más específico para nuestro modelo actual,
hablar del transbordo. Desde conceptos en los que se hace
énfasis en el tipo de reposición de materiales [12], como
también la manera en la que se puede hacer reducción de los
costos de almacenamiento [1]. No solo planteamientos de
modelos recientes sino hasta los más clásicos modelos de
transbordo, en los que no se complicaba el planteamiento
debido a la escasa cantidad de variables, son importantes para
la base de la investigación [13]. Podemos decir que esos
modelos son la base y nos invitan a concretar las restricciones
para la creación de un modelo de programación lineal de
transbordo.
Existen otros enfoques como un modelo heurístico de
relajación Lagrangiano [14], como otra de las novedades
utilizadas del multiperiodo [15], o juntando ambos temas [16].
Todo direccionado hacia el transbordo, nos va a permitir crear
un modelo específico de programación lineal multiperiodo para
poder posicionar la mejor cantidad por transporte en ferrocarril
o tráiler obteniendo el menor costo posible.
III. PLANTEAMIENTO DEL PROBLEMA
El problema de transbordo es un problema operacional que
se puede presentar en muchas de las empresas que manejan el
sector de transformación en la cadena de valor, teniendo una
característica de perpetuidad [17]. La característica de
perpetuidad se puede describir como el proceso en el que
constantemente se tiene que estar analizando la información y
tomando decisiones durante todo el tiempo que esté operando
la empresa, ya que mes con mes, cuando se pueda y se maneje
un corte administrativo, se tiene que estar analizando la
situación, tomando alternativas y en este caso generando el
modelo, ya que la demanda y los clientes están constantemente
cambiando. La idea final de un modelo perpetuo o
multiperiodo constante es que cada vez que se va a tomar una
decisión de a dónde enviar y cuánto, se minimice el costo total
de operación total [12].
Un modelo de transbordo se plantea bajo dos partes
principales que vienen inherentes y consecuentes también a un
modelo de transporte, que son: los orígenes y los destinos.
Particularmente en un modelo de transbordo se les llaman
nodos, ya que un destino puede convertirse en origen y
viceversa. Esta es la particularidad de un modelo de
transbordo, en el que generalmente y para fines de este trabajo,
no se les va a llamar solamente orígenes o destinos, sino
también a las bodegas que pueden tomar ambas partes, se les
va a llamar transbordos. La idea es siempre satisfacer la
demanda de los destinos a los que de manera práctica serían los
clientes, cumpliendo con la capacidad de producción, lo cual
sería ofertar todo lo que un origen pueda demandar, y para eso
utilizar los transbordos como bodegas intermedias que
permitan tener facilidad de enviar o recibir producto de
acuerdo con las necesidades.
Empezando ahora por las ofertas, se asume que pueden ser
variables de mes a mes (periodo a periodo), ya que muchas
Asociación Mexicana de Logística y Cadena de Suministro, A.C. (AML)
Congreso Internacional de Logística y Cadena de Suministro (CiLOG2015)

veces en la industria se tienen variaciones en capacidades de !

producción debido a distintos factores importantes, como lo !"!" Cantidad de tarimas que se van a enviar de un
podría ser la falla de alguna máquina. Entonces mes con mes nodo origen ficticio al nodo ! en el periodo !
en ese análisis para poder satisfacer la demanda, se tiene que Parámetros
tomar, y no siempre, una oferta de los orígenes ya sea
constante o variable. Todos los periodos en los que se vaya a !!" Demanda del nodo ! en el periodo !
analizar la información o correr el modelo, tienen que !!" Oferta del nodo ! en el periodo !
cumplirse todas las ofertas de los orígenes sin excepción.
!"!" Capacidad de almacenaje del transbordo en el
La demanda es variable mes a mes, ya que el cliente nodo ! (destino) en el periodo !
requiere de distintas cantidades de material y más si su !"!" Capacidad de almacenaje en el origen ! en el
producto o venta al consumidor tiene temporalidad. Para eso, periodo !
primero se determina la demanda específica por el periodo en !"!" Costo por movimiento de tarima en camión del
el que se va a trabajar, y con la oferta junto con lo que haya nodo ! al nodo !
almacenado en las bodegas, se tratará de cumplir con el nivel !"!" Costo por movimiento de tarima en furgón del
de demanda de los clientes, destinos. nodo ! al nodo !
Todos las bodegas o transbordos, se plantean de tal modo !"! Costo de oportunidad inflado por cada tarima que
en este problema para que sean las que reciben el material que se manda de un origen ficticio al nodo !
sobra de toda la oferta, para que en el siguiente periodo, ese !"! Costo de almacenaje en el nodo !
mismo material pueda ser enviado al destino correspondiente y
! Cantidad de nodos de origen
poder cumplir con la demanda. Estos transbordos cuando
tienen material almacenado funcionan como otro origen, ya ! Cantidad de nodos de destino
que tienen disponible la oferta que les llego el periodo anterior. ! Cantidad de nodos transbordo
Periodo con periodo, los orígenes envían lo que su oferta lo
permite, ya sea a los transbordos o a los destinos finales
Teniendo la explicación de la funcionalidad de modelo de
(demanda) con el objetivo de incurrir en el menos costo
transbordo multimodal multiperiodo así como la declaración de
posible y al mismo tiempo tener lo sobrante preparado para el
sus variables y parámetros, el planteamiento matemático en un
siguiente periodo en el que va a suceder lo equivalente.
modelo lineal se presenta a continuación.
La dinámica se realiza asumiendo que se tienen cierto
número de camiones disponibles para envío de producto, así
mismo como la disponibilidad de mandarlo por ferrocarril. Sin Función Objetivo
embargo, es importante aclarar que a través de un ferrocarril, el
material solamente podrá llegar a una bodega destino que esté ! !!!!! !

cercana a una vía de ferrocarril, por lo que las rutas de min ! = !!!" !!"# + !!!" !!"#
ferrocarril son más escasas. Entonces, el material que sale !!! !!!!! !!!
!!! (1)
como oferta de cualquier origen va a llegar por tierra, pudiendo
ser por tráiler o ferrocarril, así dependiendo de la cantidad de + !!! !!!" + !!! (!!" + !!" )
demanda disponible, se determinará el tipo de transporte que se !!!
utilizará para tal fin.
Sujeto a:
Para hacer práctico el planteamiento ya que el producto que
se puede mover puede ser de lo más pequeño a lo más Restricción de Oferta
voluminoso, en este caso se utiliza y se calculan las ofertas, !!!!! !!!!!
demandas y costos en base a tarimas de producto. !!"# + !!"# = !!" (2)
Las variables y parámetros que se definieron para plantear !!! !!!

el problema de forma matemática tomando como base el Para ! = 1, … , ! y ! = 1,2.

modelo tradicional de transbordo, se muestran en la Tabla 1.
Restricción de Demanda
!!! !!! !!!
Tabla 1. Notación de variables de decisión y parámetros (3)
!!"# + !!"# + !"!" = !!"
Variables de decisión Descripción !!! !!! !!!

!!"# Cantidad de tarimas que se van a enviar por Para ! = ! + !, … , ! + ! + ! y ! = 1,2.

camión del nodo ! al nodo ! en el periodo !
Restricción de Capacidad en Transbordo
!!"# Cantidad de tarimas que se van a enviar por
vagón cerrado del nodo ! al nodo ! en el periodo

Asociación Mexicana de Logística y Cadena de Suministro, A.C. (AML)

Congreso Internacional de Logística y Cadena de Suministro (CiLOG2015)
! !
IV. DESARROLLO DEL PROBLEMA
!!"# + !!"# ≤ !"!" (4)
El problema de transbordo en multimodal multiperiodo, se
!!! !!! puede plantear como un modelo de programación lineal con
Para ! = ! + 1, … , ! + ! y ! = 1,2. sus respectivas restricciones y objetivos. En el momento que se
cuente con los costos necesarios por movimientos logísticos,
Restricción Capacidad Origen
fletes, cargas, descargas, así como los de almacenaje, junto con
La siguiente restricción es similar a la anterior, sino que las demandas pronosticadas de los dos siguientes periodos así
permite que un nodo origen no envíe a cualquier otro nodo sino como la capacidad de producción con la que se cuenta
que lo mantenga de acuerdo a capacidad. actualmente, se procede a resolver el modelo teniendo tres
aclaraciones y consideraciones muy importantes que se
!!!" + !!!" ≤ !"!" (5) explican a continuación.
Para ! = 1, … , ! + ! y ! = 1,2. El problema se plantea consecutivamente a través de
Restricción de Origen Ficticio números de nodos, de orígenes, destinos o transbordos en sí.
¿Qué quiere decir esto?, que tenemos ! orígenes, ! destinos y
La siguiente restricción se debe de cumplir siempre y cuando ! transbordos, entonces cuando tenemos una variable !!" , y
!! !"
> ! !!" para ! = 1,2, que quiere decir que la suma de
vamos a hacer algo con respecto a los transbordos o destinos,
las demandas del periodo, es mayor a la suma de las ofertas del consideramos que los orígenes empiezan del nodo 1 hasta !,
mismo periodo. El origen ficticio cumple con esa demanda los transbordos comienzan en número desde el nodo ! hasta
insatisfecha. ! + ! y finalmente los destinos desde el nodo ! hasta
!!!!! !!!!! ! ! + ! + !. Esto da por hecho que a pesar de que tengamos
!"!" = !!" − !!" (6) transbordos del 1 al 8, para poder resolver el modelo
correctamente, se debe tomar consecutivamente. Por ejemplo:
!!!!!!! !!!!! !!!
si queremos mandar alguna cantidad de un origen 1 a un primer
transbordo 1, y tenemos 3 orígenes, entonces la variable
relacionada con el primer transbordo es la que se podría llamar
Restricción de Conservación en Origen
como !! , siendo las primeras 3 orígenes.
Con restricciones de conservación de entrada para todos los
Es importante separar el periodo 1 del periodo 2 en
orígenes en ! = 1 que equivalga a lo que podría salir en
los que puede ser que el planteamiento sea el mismo sin
! = 2 como oferta sumado a la oferta predeterminada real. En
embargo hay restricciones que son necesarias y más complejas
los orígenes es donde se produce por lo que cada periodo
en el periodo 2 [18]. Se puede observar que toda la suma de
aunque no tenga nada, siempre tiene una oferta. En otras
material que entró a un cierto almacén ! de un origen !, el cual
palabras, si quedó almacenado algo en el periodo ! = 1, en
no es un destino, tiene que quedarse ahí por un periodo
! = 2, será lo que se quedó almacenado más la oferta real, la
considerando el costo de almacenamiento de ese periodo. Ese
oferta total de ese nodo.
mismo material que ingresa en el primer periodo, debe ser
!!!!! !!!!! igual a la cantidad de material que saldrá en el siguiente
!!"# + !!"# + !!!"!! + !!!"!! = !!" (7) periodo.
!!! !!!
Al momento de aplicar el modelo, se tiene que iniciar desde
Para ! = 1, … , ! y ! = 2. el periodo 1, no hay que tomar en cuenta lo que ya existe en el
almacén ya que no se tiene previamente trazado. En otras
Restricción de Conservación en Transbordo palabras, cuando se aplique el modelo, se empieza como si no
Con restricciones de conservación de entrada para todos los se tuviera nada en los almacenes, de ahí en adelante, se puede
transbordos en ! = 1 que equivalga a lo que podría salir de ! empezar a tener el control para seguir con el multiperiodo. Esto
= 2 como oferta. se explica porque obviamente todas las empresas van a buscar
!!! !!!
saber cuánto tienen en inventario al principio, para seguir, sin
embargo en este planteamiento no es necesario, se inicia con
!!"# + !!"# + !!!"!! + !!!"!! = 0 (8) cero.
!!!!! !!!!!
La parte de las variables que explican un origen ficticio
Para ! = 1, … , ! y ! = 2. tiene una importancia grande dentro del modelo. Los orígenes
Restricciones de No negatividad ficticios como lo sabemos, son herramientas utilizadas en un
modelo tradicional de transporte para garantizar que la suma
!!"# , !!"# , !"!" ≥ 0 (9) total de las demandas sea igual al de las ofertas [19]. Entonces
en nuestro modelo se tiene una parte de orígenes ficticios para
el mismo caso: cuando la oferta no le llega a la demanda se
utiliza un origen ficticio. Todas las tarimas, cajas, camiones
que salgan de un origen ficticio para cumplir con la demanda

Asociación Mexicana de Logística y Cadena de Suministro, A.C. (AML)

Congreso Internacional de Logística y Cadena de Suministro (CiLOG2015)
de los destinos, se les debe de inflar un costo que va
relacionado con el costo de oportunidad de perder un cliente.
En otras palabras, el costo que se debe de buscar posiblemente
podría ser con el que puedas llegar a perder el cliente, ya que
no le surtes completamente.
Finalmente si se presenta el caso contrario en el que la
oferta supera a la demanda, es cuando se utilizan los
transbordos como almacenes de un periodo. Todo lo que sobre
de la oferta de un origen se mandará a un transbordo o lo
mantendrá como inventario en la bodega del origen. Es
importante aclarar que el modelo cada vez que se va a
almacenar algo, considera la demanda del siguiente periodo,
por lo que así naturalmente de la manera más conveniente se
decide si mantenerlo o enviarlo a otra bodega más cerca de
donde se va a necesitar el producto.
V. PRONÓSTICOS
La primer parte en el desarrollo del proyecto que es
sumamente importante y va de la mano con todo lo que tiene
que ver con los modelos de programación lineal y
planteamientos matemáticos es la parte de Pronósticos.
Un modelo es una herramienta utilizado por las empresas
que permite la toma de decisiones. Es por eso que hoy por hoy,
junto con la evolución y la competitividad de los mercados,
para las empresas es cada vez más necesario e indispensable
tomar la decisión correcta posible para disminuir o eliminar el
riesgo que se pueda tener de pérdida de dinero. Traducido esto,
es referente a pérdida de clientes, aumento de los costos, o
inversiones sin retorno.
Es un hecho que la toma de decisiones siempre implica un
riesgo, pero uno debe de asegurarse de minimizar las
consecuencias negativas de dicho riesgo. La disminución de
riesgo aplicable a nuestro caso particular, es adaptado tanto a
ventas como a producción, es por eso que los pronósticos serán
de mucha utilidad para ambos si se aplican de manera
científica, para estimar lo que pueda venir en el futuro (ventas)
preparándose para ello, produciendo y asignando recursos.
En el caso práctico del cual se enfoca este trabajo, es una
empresa dedicada a producir y posteriormente distribuir. Tener
bodegas para transbordo en otras partes distintas en la
república mexicana, así como clientes en México y Estados
Unidos. Se conserva un plan logístico para almacenar y volver
a embarcar dependiendo del caso.
Se generan pronósticos de venta del año en curso para
poder correr el modelo y saber los movimientos que deben de
hacerse para conservar el costo más bajo [20]. No obstante,
como es una empresa que tiene temporalidad muy importante
distribuida por las estaciones del año, se utilizarán cuatro
modelos de pronósticos distintos para evaluar cuál es el más
conveniente. Aquel que nos arroje datos más precisos para
obtener información más realista, es con el que finalmente se
correrá el modelo.
Los cuatro modelos de pronósticos a utilizar son:
Suavización Exponencial Simple (SES), Suavización
Exponencial Doble (SED) y Método de Winters [21]. Se
aplicaron los distintos modelos en la misma información para
analizar cuál de todos, es el que arroja datos con menor error
posible. De los cuales los resultados totales se presentan en la
Tabla 2.
Tabla 2. Resultados de Error en en los métodos de Pronósticos
MAD MSE
SES 288,879 315,014,090,260
SED 375,212 504,913,067,094
Winters 149,811 218,218,370,096
En cada uno de los resultados podemos observar los
distintos parámetros para evaluar la técnica de los pronósticos,
[22]. Como se puede observar en la Tabla 2, el método de
Winters da el menor error promediado, el cual se basa en tres
ecuaciones, cada una de las cuales suaviza un factor asociado
con uno de los tres componentes del patrón, tal como
aleatoriedad, tendencia y estacionalidad.
El método de Winters incluye un parámetro adicional para
manejar la estacionalidad. Hay tres ecuaciones de
suavizamiento básicas implicadas en el método de Winters:
!!
!! = ! + 1 − ! !!!! + !!!! (10)
!!!!
!! = ! !! − !!!! + 1 − ! !!!! (11)
!!
!! = ! + 1 − ! !!!! (12)
!!
donde:
! ∶= valor suavizado de la serie no estacional
! ∶ = valor suavizado de la tendencia.
! ∶ = valor suavizado del factor estacional.
! ∶ = duración de la estacionalidad (número de meses)
La predicción basada en el método de Winters se calcula como
!!!! = (!! + !! !)!!!!!! (13)
Con toda esta información estadística y ecuaciones se
pueden generar pronósticos de ! periodos adelante, por lo que
con este modelo se tomarán los valores para pronosticar los dos
periodos que se necesitan en nuestro modelo multi-periodo.
Finalmente podemos concluir que el método con mejor
alcance de acuerdo a los datos que se tienen en esta
investigación, y debido a que se cuenta con una de las
características más importantes que cumple únicamente este
modelo: la estacionalidad (temporalidad). Es el método de
Winters, con el que podremos pronosticar con certeza los
periodos por los cuales se va a correr el modelo.
Asociación Mexicana de Logística y Cadena de Suministro, A.C. (AML)
Congreso Internacional de Logística y Cadena de Suministro (CiLOG2015)

el resultado, son los costos totales del Modelo de Operación vs

los del Modelo completo.
VI. OPTIMIZACIÓN Y RESULTADOS
Se utilizaron los pronósticos obtenidos en el capítulo
Al igual que en la justificación, el modelo de optimización
anterior para correr el modelo y llegar a los siguientes
se mantuvo en comparación directa con la operación normal
resultados:
de la empresa, por el que podemos observar distintos
resultados. Los valores de los parámetros con los que se corrió Con un total de $6,703,218.62 se cumplen todas las
el modelo del caso de estudio, están disponibles por parte de restricciones en ambos periodos. Y se puede garantizar que la
los autores en caso de ser solicitados. solución es óptima ya que tanto la función objetivo como las
El modelo completo se maneja con los mismos orígenes, restricciones son lineales haciéndolo un Mínimo Global. Por lo
transbordos y destinos que la operación normal de la empresa, que podemos garantizar y asegurar que es necesario tener más
tomándose en cuenta los nodos siguientes: capacidad para cumplir con la demanda sin incurrir en costos
extras, así se tendrán impactos positivos en términos de:
• 3 nodos origen
• Reducción de Costo
• 7 nodos de bodegas de transbordo
• 10 nodos destino • Cumplir el Fill Rate
• Nivel de servicio
El modelo proporcionaba como resultado final una matriz
de 300 variables por 70 restricciones, fue resuelto a través del
Software Premium Solver® 2015 licencia completa, en
computadora DELL Optiplex 3020 con Procesador Intel®
Pentium® G3250 (3MB Caché, 3.20 GHz). Sistema operativo
Windows® 7 Professional, 64-bit. En el cual se demoró 3
segundos aproximadamente en obtener el resultado.

Llamémosle modelo operación a la operación normal, y

modelo completo al modelo propuesto de operación basado en
la investigación. El modelo operación, en realidad, no puede
considerarse un modelo real, ya que en sí la toma de
decisiones se hace mediante lo que los Gerentes o Directivos
estiman más conveniente en el momento, esto sin planeación
previa. Sin embargo, es la manera general en la que operan Figura 1. Comparación de Costos totales del Modelo de Operación y Modelo
muchas empresas normalmente medianas o más pequeñas en Completo
México, y por lo tanto generan muchos gastos innecesarios
por esa falta de control.
Es por ello, que se opta por tomar el modelo de transbordo La diferencia en costo es de $1,132,542.51 en 2 periodos,
multimodal multiperiodo en el que se va a hacer una que equivale a 2 meses por lo que al año podría haber un
planeación de la distribución de los bienes demandados en ahorro aproximado de $6,795,255.42, equivalente a correr el
todo los nodos anteriormente mencionados, para minimizar el modelo 6 veces. (Ver Figura 1).
costo incurrido por traslados y almacenaje, considerando un Para esos mismos costos de almacén, lo único que puede
previo control para la operación que garantice inherentemente cambiar es la eficiencia de la utilización de esas bodegas
el incremento de la utilidad. basado en los productos que agreguen valor, lo cual se presenta
Los costos de movimientos de los distintos nodos deben de en la Figura 2, a continuación:
calcularse de acuerdo a las tarifas de transporte. Sin embargo,
para fines prácticos de la explicación y la comparación,
también se presentan las tablas con los nodos origen,
transbordos y destinos, para que haga sentido con la tabla de
costos y distribución. Igualmente se opta por mostrar cómo es
que se recomendaría partir para la organización de la
información para cualquier usuario del modelo.
Es recomendable organizar todos sus nodos con un número
continuo.

Comparando los Modelos

Para verificar la eficiencia de nuestra política de transbordo

con todos los recursos disponibles, lo que se va a comparar en Figura 2. Comparación de los costos de Almacenaje entre el Modelo de
Operación y el Modelo Completo

Asociación Mexicana de Logística y Cadena de Suministro, A.C. (AML)

Congreso Internacional de Logística y Cadena de Suministro (CiLOG2015)
Podemos observar que son los mismos ya que las rentas de
las bodegas de nodos de origen y transbordos son las mismas.
Para poder administrar mejor ese dinero, que es un costo fijo y
relevante para la toma de decisiones, se debe de manejar y
transportar únicamente productos que agreguen valor a la
empresa.
Para esos mismos costos de almacén, lo único que puede
cambiar es la eficiencia de la utilización de esas bodegas,
basado en los productos que agreguen valor, lo cual se presenta
a continuación en la Figura 3:
Figura 3. Comparación de Eficiencias en Razón de Costo
Muestra que para operar la logística completa del Output
hasta el Customer, es mayor la eficiencia del modelo completo,
lo cual podemos expresar que también es mucho más
productivo ya que se presenta, que por cada peso utilizado,
29.42 centavos son para el almacén, dando a entender que lo
demás es para movimientos y logística. Sin embargo, entre
menos dinero se utilice para mover los bienes, es mucho mejor.
También se puede entender que pasa a través de la bodega,
hay un flujo de 4.25% más de producto que genera valor por
los almacenes. En otras palabras ese 4.25% de antes, era
producto que no se convertía en dinero, no le llegaba al cliente.
Figura 4. Costo Promedio por Tarima
En los costos por tarima se incluyen los movimientos y
almacenajes a lo largo del periodo. En la Figura 4, se muestra
como con la información que se tiene del año pasado, varía el
costo por tarima hasta el destino, debido a la diversa toma de
decisiones; con el modelo completo se evita eso, teniendo una
correlación completamente lineal en el que el promedio de
costo por tarima, siempre debe de ser el mismo de acuerdo a la
planeación de los movimientos y cantidades.
Finalmente de acuerdo a la comparación de información
expuesta de manera gráfica y explicada, podemos observar que
en todos los aspectos posibles, tener un modelo completo que
ayude a la logística de una empresa que maneje transbordos, al
igual que una modalidad multimodal (ferrocarril y camiones),
puede ser de mucha utilidad y así poder crecer los niveles de
utilidad.
VII. CONCLUSIONES
Se ha considerado el problema de transbordo caracterizado
por ser multimodal y multiperiodo. Nuestros objetivos
pudieron haber sido identificados dentro de nuestra política de
transbordo, la cual funciona para generar los movimientos
necesarios por camión de 57 pies, o furgones, con el mínimo
costo total (Costo de inventario y Costos logísticos). Se
propuso un modelo de Programación Lineal de un solo paso,
en el que con solo conociendo cuántos nodos origen posees,
cuántos transbordos y cuántos destinos, así como tus costos de
almacén y de flete específico, se puede calcular la planeación
de movimientos a las ubicaciones necesarias con el objetivo
final de garantizar el cumplimiento de la demanda. Así en el
primer periodo podremos mover producto a los transbordos, y
del segundo periodo en adelante esos mismos transbordos
pueden seguir funcionando como transbordos u orígenes.
Para determinar las cantidades de producto que se deben de
mover, se propuso el modelo por cantidad de tarimas y costos
de estas, basados en una serie de restricciones que al final de
todo, después de los ensayos y haciendo la comparación del
modelo de Operación Normal junto con el Modelo Completo,
que es el propuesto, se pudo observar una gran mejoría en
ahorros por periodo.
En el caso realizado se puede garantizar que con este nuevo
modelo, los productos movidos van a generar valor. Todo esto
con 14.45% en reducción de costo por logística. Se considera
que aumentarían los siguientes aspectos importantes en una
empresa:
• Certidumbre
• Seguridad en Fill Rate
• Satisfacción de clientes
• Control de operaciones
• Escenario para toma de decisiones
Asociación Mexicana de Logística y Cadena de Suministro, A.C. (AML)
Congreso Internacional de Logística y Cadena de Suministro (CiLOG2015)
La realidad del modelo de operación se conserva bajo estas
siguientes tres frases que son las que pueden llegar a causar
que no se haga reducción de esos gastos en logística:
• Se prefiere enviar a transbordos para
disponibilidad siempre.
• No se explota la infraestructura de transporte.
• No hay planeación.
Por lo que las ventajas y desventajas del modelo planteado
de optimización son las siguientes:
Ventajas
• Se prefiere enviar primero a destinos finales que a
transbordos
• Se utiliza toda la infraestructura de transporte propia
• Se cuenta con la planeación (producción y logística)
para dos periodos y hacia delante
Desventajas
• Si no se hace un buen pronóstico no funciona
Tanto los costos de inventario, como los costos logísticos
por movimientos garantizan el mejor desempeño de la mano
con la asignación de material por nodo. Así en cualquier
empresa que tenga transbordos necesarios, bodegas por un
territorio determinado y clientes diversificados en distintas
ubicaciones, podrá utilizarse este modelo para asegurar que se
optimizan los recursos logísticos y de almacén disponibles.
Finalmente pudiendo concluir que esta alternativa de
utilizar modelos, en este caso el planteado en el presente
documento, es lo mejor que se puede hacer, ya que no se
necesita invertir debido a que toda la infraestructura ya se
tiene, y por ende sólo se necesita planear. El modelo de
Optimización de transbordo multimodal multiperiodo, es la
mejor elección para empresas como la descrita en este
documento.
AGRADECIMIENTOS
A la Especialidad en Optimización de Sistemas de la
Universidad Panamericana, donde se realizó el presente
trabajo.
REFERENCIAS
[1] Y. T. Herer, M. Tzur, and E. Yücesan, “The multilocation
transshipment problem,” IIE Trans., vol. 38, no. 3, pp. 185–200,
2006.
[2] J.-F. Cordeau, P. Toth, and D. Vigo, “A survey of optimization
models for train routing and scheduling,” Transp. Sci., vol. 32, no.
4, pp. 380–404, 1998.
[3] T. G. Crainic, K. H. Kim, and others, “Intermodal transportation,”
Transportation (Amst)., vol. 14, pp. 467–537, 2006.
[4] D. Özdemir, E. Yücesan, and Y. T. Herer, “Multi-location
transshipment problem with capacitated transportation,” Eur. J.
View publication stats
Oper. Res., vol. 175, no. 1, pp. 602–621, 2006.
[5] T. Winter and U. T. Zimmermann, “Real-time dispatch of trams in
storage yards,” Ann. Oper. Res., vol. 96, no. 1–4, pp. 287–315,
2000.
tener
[6] E. Dahlhaus, P. Horak, M. Miller, and J. F. Ryan, “The train
marshalling problem,” Discret. Appl. Math., vol. 103, no. 1, pp. 41–
54, 2000.
[7] Y. Gao, J. Lu, G. Zhang, and S. Gao, “A bilevel model for railway
train set organizing optimization,” 2007.
[8] U. Blasum, M. R. Bussieck, W. Hochstättler, C. Moll, H.-H. Scheel,
and T. Winter, “Scheduling trams in the morning,” Math. Methods
Oper. Res., vol. 49, no. 1, pp. 137–148, 1999.
[9] E. Yap, “A literature review of multi-objective programming,”
2010.
[10] B. Ulungu, J. Teghem, and P. Fortemps, “Heuristic for multi-
objective combinatorial optimization problems by simulated
annealing,” MCDM Theory Appl. 1995, 1995.
[11] T. He, W. Ho, C. Lee Ka Man, and X. Xu, “A fuzzy AHP based
integer linear programming model for the multi-criteria
transshipment problem,” Int. J. Logist. Manag., vol. 23, no. 1, pp.
159–179, 2012.
[12] G. Tagaras, “Pooling in multi-location periodic inventory
distribution systems,” Omega, vol. 27, no. 1, pp. 39–59, 1999.
[13] A. Orden, “The transhipment problem,” Manage. Sci., vol. 2, no. 3,
pp. 276–285, 1956.
[14] S.-H. Wang, “An improved stepsize of the subgradient algorithm for
solving the lagrangian relaxation problem,” Comput. & Electr.
Eng., vol. 29, no. 1, pp. 245–249, 2003.
[15] M. Skutella, “Semidefinite relaxations for parallel machine
scheduling,” in Foundations of Computer Science, 1998.
Proceedings. 39th Annual Symposium on, 1998, pp. 472–481.
[16] P.-S. Chen and A. Garcia-Diaz, “Lagrangian relaxation heuristics
for deterministic transshipment problems,” J. Chinese Inst. Ind.
Eng., vol. 28, no. 4, pp. 256–269, 2011.
[17] M. Kellner, N. Boysen, and M. Fliedner, “How to park freight trains
on rail--rail transshipment yards: the train location problem,” OR
Spectr., vol. 34, no. 3, pp. 535–561, 2012.
[18] L. W. Robinson, “Optimal and approximate policies in multiperiod,
multilocation inventory models with transshipments,” Oper. Res.,
vol. 38, no. 2, pp. 278–295, 1990.
[19] F. S. Hillier and G. J. Lieberman, Introduction to Operations
Research, 10th ed. McGraw-Hill, 2014.
[20] D. W. Fogarty, J. H. Blackstone, T. R. Hoffmann, and M. del C. H.
y Mondragón, Administración de la producción e inventarios. Cecsa
(Compania Editorial Continental), 1999.
[21] C. W. J. Granger, Forecasting in business and economics.
Academic Press, 2014.
[22] S. Makridakis, S. C. Wheelwright, and R. J. Hyndman, Forecasting
methods and applications. John Wiley & Sons, 2008.
Asociación Mexicana de Logística y Cadena de Suministro, A.C. (AML)