1KPEJ INVESTIGACION OPERACIONES

OPERACIONES

Grupo 12 – Integrantes:
Velásquez Aguirre Julián Esteban cod. 1711981308
Ríos Salamanca María Del Pilar cod. 722165057
Castillo Pineda Cyndy Katherine cod. 1921981424
Fúquene Cely Juan Carlos cod. 0811066860
Vargas Gonzales Francisco Alexander cod 1511980846
Presentado a:
Yenny Alexandra Paredes
2020
Institución Universitaria Politécnico Gran colombiano
Facultad de Ingeniería, Diseño e Innovación
Investigación de Operaciones

TABLA DE CONTENIDO

INFORME DE DESARROLLO DEL MODELO LOGISTICO DE RED DE

ABASTECIMIENTO DE GAS NATURAL VEHICULAR EN LA CIUDAD DE BOGOTÁ.....2
MODELO PROPUESTO LOGÍSTICO..........................................................................................2
DIAGRAMA DE RED....................................................................................................................3
ANÁLISIS ESTADÍSTICO............................................................................................................4
PROYECCIÓN DE DEMANDA PARA EL MES T (𝒅𝒕 ).............................................................6
REFERENCIAS..............................................................................................................................7
 INFORME DE DESARROLLO DEL MODELO LOGISTICO DE RED DE
ABASTECIMIENTO DE GAS NATURAL VEHICULAR EN LA CIUDAD DE BOGOTÁ

Para cumplir con el requerimiento que solicita la Empresa Colombiana de Petróleos con
respecto a lograr un control de la Red Nacional de Transporte de Gas; la compañía KPEJ
INVESTIGACION OPERACIONES OPERACIONES, encargada del transporte de GNV
(Gas Natural Vehicular) nos brindó la oportunidad de desarrollar un Modelo Logístico que
permita, solucionar de manera optimizada el problema de abastecimiento del GNV en la
ciudad de Bogotá, nos recomendó revisar el artículo en dado inglés Integrated Lot Sizing
in Serial Supply Chains with Production Capacities, Management Science 51(11), pp1706-
1719, ©2005 INFORMS.
MODELO PROPUESTO LOGÍSTICO
Considerando un horizonte de tiempo I=10, para cada periodo i se va a planear la
producción para satisfacer la demanda Di, pero restringido por la capacidad de
producción O i. Los niveles de transbordo son de J=3. Los costos de producción están
asociados a la función CP i, los costos de mantener inventario están dados por la función
CY j , iy los costos de transportar desde el nivel l están dados por la función CX j , i, se
procede a:

❑ ❑ ❑ ❑ ❑
Minimizar ∑ ❑ Pi CPi + ∑ ❑ ∑ ❑ X j ,i CX j ,i + ∑ ❑ ∑ ❑ Y j , i CY j , .i
i j i i i

Sujeto a:
Pi ≤O i ∀ i

Di +Y j ,i ≤ X j ,i +Y j ,i−1 ∀ i

X 1 , i+Y 1, i=X i+Y 1 , i−1 ∀ i

X j ,i +Y j ,i= X j−1 ,i +Y j ,i−1 ∀ i; j={2, … , L−1 }

Pi , X j , i , Y j ,i ≥ 0

Siendo Pi la cantidad de gigas de BTU a producir para el periodo m, X j ,i la cantidad de

gigas de BTU a transportar desde el nivel l en el mes m y Y j ,i la cantidad a de inventario a
mantener. La primera restricción corresponde a cantidad máxima de producción, la
segunda corresponde a la satisfacción de la demanda de cada mes, la tercera y cuarta
corresponden a la nivelación de inventarios y producción y la última son las condiciones
de no negatividad para las variables de decisión.

Los niveles del modelo son los siguientes:

1.(Producción Cusiana) Los campos de producción.

2. (Transporte Cusiana-Apiay) El gasoducto Cusiana-Apiay.

3. (Transporte Apiay - Cusiana) El gasoducto desde Apiay a Bogotá.

4.(Sistema de Distribución Local) Las estaciones de servicio que proveen el gas natural.
DIAGRAMA DE RED

Figura 1. Diagrama de red.

Fuente. Elaboración Propia

La representación de Diagrama de red mostrada anteriormente se elaboró teniendo en

cuenta el artículo de (Van Hoesel, 2005), proporcionado por la empresa de petróleos.
Tal como se explica en el documento, el diagrama de red nos sirve para esquematizar el
programa y mostrar cuales son nuestras variables de decisión, los estados del sistema,
los parámetros que se deben ingresar y los niveles de transbordo que posee el caso de
estudio. Para realizar el diagrama de la figura 1, se realizó de manera simultánea el
modelo de optimización con el mismo formato mostrado.
ANÁLISIS ESTADÍSTICO

En nuestro análisis estadístico, iniciamos con los datos de la Demanda, se conocen los valores
desde el año 2011 hasta el año 2015, anexo tabla:

AÑO Enero Febrero Marzo Abril Mayo Junio Julio Agosto Septiembre Octubre Noviembre Diciembre
2001 208 203 344 194 125 179 249 303 491 652 701 898
2002 214 220 352 203 127 193 274 315 528 668 728 910
2003 215 227 362 201 144 198 287 324 549 683 731 947
2004 226 230 373 212 147 212 296 349 567 719 766 967
2005 237 236 394 221 141 234 308 358 575 737 784 990
2006 240 242 399 245 153 254 333 366 609 749 793 1005
2007 252 258 418 248 158 259 348 375 626 763 820 1018
2008 262 278 427 265 154 286 355 400 637 793 843 1031
2009 281 270 436 269 172 290 368 425 667 805 851 1057
2010 289 290 447 283 174 315 380 440 672 832 890 1089
2011 297 300 447 298 177 324 401 455 691 842 904 1107
2012 313 300 451 305 172 350 425 453 717 874 919 1123
2013 322 323 479 300 190 354 441 481 732 894 939 1130
2014 323 323 470 319 183 377 443 480 764 913 958 1164
2015 349 349 500 322 192 378 458 513 789 939 983 1178

Realizamos la gráfica de la demanda de cada mes:

y = 10.111x - 20034
Enero
R² = 0.9836
Febrero
400
350 400
300 350
250 300
250
200
200
150 150
100 100
50 50
0 0
01 02 03 04 05 06 07 08 09 10 11 12 13 14 15 01 02 03 04 05 06 07 08 09 10 11 12 13 14 15
20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20

Marzo Abril
600 350
300
500
250
400
200
300 150
200 100
100 50
0
0
01 02 03 04 05 06 07 08 09 10 11 12 13 14 15
01 02 03 04 05 06 07 08 09 10 11 12 13 14 15 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20
20 20 20 20 20 20 20 20 20 20 20 20 20 20 20
250
Mayo Junio
400
350
200
300
150 250
200
100 150
100
50
50
0 0
01 02 03 04 05 06 07 08 09 10 11 12 13 14 15 01 02 03 04 05 06 07 08 09 10 11 12 13 14 15
20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20

900
Septiembre Julio
500
800
700 400
600 300
500
400 200
300 100
200
100 0
01 02 03 04 05 06 07 08 09 10 11 12 13 14 15
0 2 20 20 20 20 20 20 20 20 20 20 20 20 20 20
0

600
Agosto
500
400
300
200
100
0
01 02 03 04 05 06 07 08 09 10 11 12 13 14 15
20 20 20 20 20 20 20 20 20 20 20 20 20 20 20
 Noviembre
1200
1000
800
600
400
200
0
01 02 03 04 05 06 07 08 09 10 11 12 13 14 15
20 20 20 20 20 20 20 20 20 20 20 20 20 20 20

1400 Diciembre
1200
1000
800
600
400
200
0
2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 2012 2013 2014 2015
 PROYECCIÓN DE DEMANDA PARA EL MES T (𝒅𝒕 )

Las gráficas evidencian una clara tendencia lineal en el comportamiento de la

demanda mes a mes por lo cual se calcula el pronóstico de demanda para 2016
y 2017 usando la función pronostico lineal de Excel (ver adjunto anexo hoja de
pronóstico demanda) =PRONOSTICO.LINEAL(x; conocido y; conocido_x);
Calcula o predice un valor en una tendencia lineal usando valores existentes.

AÑO Enero Febrero Marzo Abril Mayo Junio Julio Agosto Septiembre Octubre Noviembre Diciembre
2001 208 203 344 194 125 179 249 303 491 652 701 898
2002 214 220 352 203 127 193 274 315 528 668 728 910
2003 215 227 362 201 144 198 287 324 549 683 731 947
2004 226 230 373 212 147 212 296 349 567 719 766 967
2005 237 236 394 221 141 234 308 358 575 737 784 990
2006 240 242 399 245 153 254 333 366 609 749 793 1005
2007 252 258 418 248 158 259 348 375 626 763 820 1018
2008 262 278 427 265 154 286 355 400 637 793 843 1031
2009 281 270 436 269 172 290 368 425 667 805 851 1057
2010 289 290 447 283 174 315 380 440 672 832 890 1089
2011 297 300 447 298 177 324 401 455 691 842 904 1107
2012 313 300 451 305 172 350 425 453 717 874 919 1123
2013 322 323 479 300 190 354 441 481 732 894 939 1130
2014 323 323 470 319 183 377 443 480 764 913 958 1164
2015 349 349 500 322 192 378 458 513 789 939 983 1178
PRONOSTICO 2016 349 347 505 339 198 402 476 521 799 953 1000 1200
PRONOSTICO 2017 360 357 515 349 202 417 491 536 819 973 1020 1220

Los valores del pronóstico de la Demanda con los que vamos a construir el
modelo en GAMS son:

Proyección de la Demanda

Mes 2016 2017

Enero 349 360
Febrero 347 357
Marzo 505 515
Abril 339 349
Mayo 198 202
Junio 402 417
Julio 476 491
Agosto 521 536
Septiembre 799 819
Octubre 953 973
Noviembre 1000 1020
Diciembre 1200 1220
 Proyección de Producción para el mes t (𝒃𝒕)
PRONOSTICO DE LA PRODUCCIÓN
AÑO Enero Febrero Marzo Abril Mayo Junio Julio Agosto Septiembre Octubre Noviembre Diciembre
2001 394 410 407 391 297 146 398 406 260 598 601 596
2002 419 423 419 417 327 159 422 418 254 613 610 622
2003 444 442 430 449 343 172 441 435 267 634 634 649
2004 460 458 456 459 350 173 464 462 282 654 659 666
2005 485 478 485 480 383 195 481 471 290 690 681 678
2006 504 505 502 501 393 190 492 507 300 702 698 694
2007 520 515 522 528 414 210 530 530 312 714 715 714
2008 537 538 547 545 434 212 546 550 311 740 741 747
2009 553 556 566 561 457 225 569 569 333 770 769 758
2010 571 573 587 583 476 246 575 576 330 782 774 771
2011 608 605 606 601 496 252 594 591 360 792 806 793
2012 615 630 610 614 510 259 617 623 366 823 820 813
2013 634 636 644 642 541 273 640 639 370 840 835 847
2014 665 658 652 656 555 281 669 653 387 851 853 868
2015 681 689 680 681 583 282 673 671 395 877 878 888
PRONOSTICO 2016 699 700 700 701 596 299 700 696 404 899 899 901
PRONOSTICO 2017 719 720 720 721 616 309 719 716 414 919 919 922

Cantidad de unidades producidas en cada mes t (𝒚𝒕)

Los valores del pronóstico de producción con los que vamos a construir el modelo en
GAMS son:
REFERENCIAS

Van Hoesel, S., Romeijn, H. E., Morales, D. R., &

Wagelmans, A. M. (2005). Production Capacities.
Management Science, 51(11), 1706-1719.
doi:10.1287/mnsc.1050.0378. Recuperado de:
https://login.loginbiblio.poligran.edu.co/login?
url=http://search.ebscohost.com/login.aspx?
direct=true&db=edsjsr&AN=edsjs
r.20110457&lang=es&site=eds-live

Hoesel, S. v. (11 de Noviembre de 2005).

CIENCIAS DE LA GESTION . Obtenido de
CIENCIAS DE LA GESTION :
file:///C:/Users/Samsung/Downloads/CIENCIA
S%20DE%20LA%20GESTI%C3%93N.pdf