Ec03703c PDF

6 Centralización y descentralización 101
6 Centralización y descentralización
6.1 Grado óptimo de descentralización

A menudo una empresa se plantea cuántos almacenes debería tener para distribuir, con un determinado
nivel de servicio, a un territorio; una cuestión similar surge en el caso de grandes empresas que,
depreocupadamente, han ido incorporando almacenes y delegaciones hasta que han detectado las
ineficiencias de tal sobredimensionamiento y ahora se preguntan qué almacenes deberían cerrar.
Intentar buscar el grado de descentralización “óptimo” para una empresa no es simple y, de nuevo,
debe plantearse claramente y desde un principio qué quiere decir óptimo: cuál es la función objetivo
que se pretende optimizar. En segundo lugar, si queremos huir de generalidades (algunas ya descritas
al hablar de localización) o de la aparente sofisticación de la programación matemática, cada estudio
debe ser a medida de los condicionantes particulares de una empresa.
Las figuras 6.1 muestran cómo varían diversos indicadores logísticos en función del número de
almacenes. Observemos que los costes de transporte pueden disminuir inicialmente al tener varios
almacenes de consolidación (reducción del transporte local), pero un número exagerado de almacenes
puede volver a incrementar el coste, esta vez por haber convertido lo que antes era transporte local
(desde el almacén al cliente) en transporte hasta el almacén.
Para una empresa específica, pueden llegar a calibrarse relaciones entre el stock de seguridad de un
producto k y sus ventas, por ejemplo: SSEG = α Vkβ.
Aunque pocas empresas disponen de relaciones calibradas como las insinuadas, teóricamente es factible
componer funciones de coste que varíen con el número de almacenes (ver Hax y Candea, 1984, página
486 y siguientes) y encontrar, bien analítica bien numéricamente, el número óptimo de almacenes N*
que minimice los costes totales (si es esa la función objetivo):
COSTE TOTAL = A + B N + C N1/2 + D/N + etc.
La necesidad de recursos es superior en los sistemas descentralizados ya que cada subsistema debe
cubrirse de las fluctuaciones estocásticas (y no hay colas, ni stock, ni tiempo negativo, para compensar
las fluctuaciones positivas). Ejemplos: mostradores de facturación, dársenas de autobuses, cajas en
hipermercado, etc.
© Los autores, 2005; © Edicions UPC, 2005

102 Logística del transporte
Fig. 6.1. Variación de indicadores logísticos en función de almacenes
La figura 6.2 representa gráficamente algunas de estas posibles funciones. Las funciones lineales podrían
representar el coste de los almacenes (alquiler o compra repercutido durante un periodo de negocio) y el
de las comunicaciones entre ellos (aunque ciertas referencias parecen indicar que estos costes pueden
llegar a aumentar hasta con el cuadrado del número de almacenes); las funciones parabólicas
representarían los costes del stock de seguridad y de otras operaciones logísticas que dispongan de
economías de escala; las funciones hiperbólicas podrían representar el coste asociado al nivel de servicio
y los costes de transporte; etc.
Fig. 6.2 Grado óptimo de descentralización
A continuación se expone intuitivamente el porqué de algunas relaciones funcionales indicadas en la

figura 6.1. En particular, se discute cómo varían los stocks de seguridad y el de ciclo al aumentar el
número de almacenes de una red de distribución.
6.2 Stock de seguridad en un sistema descentralizado

El stock de seguridad cubre las variaciones aleatorias de la demanda. Para un sistema centralizado (un
único almacén regulador externo o interno a al fábrica), es lógico suponer que el nivel de stock de
seguridad es proporcional a la desviación típica de las ventas totales V:

SSC = K σ(V)
Supongamos que la misma demanda se satisface ahora con N almacenes, cada uno de los cuales sirve
directamente un número de clientes tal que el almacén i (i=1,...,N) sirve una demanda asociada de Vi
(Σi Vi = V).
El stock de seguridad total de este sistema descentralizado, si la demanda de cada almacén es

independiente de la de otros almacenes, es
SSD ≈ N SSi ≈ N K σ(Vi) ≈ N K σ(V)/N1/2 ≈ N1/2 SSC
Para obtener una relación compacta, se ha supuesto que cada almacén sirve una demanda idéntica (una
N-ésima parte de la demanda total) y que, al ser la demanda de cada almacén independiente, la varianza
de la demanda total es igual a la suma de las varianzas de las ventas de cada almacén. En resumen, el
stock de seguridad total de un sistema descentralizado aumenta con la raíz cuadrada del número de
almacenes. O, lo que es lo mismo, la eliminación de un almacén de un conjunto de N, produce
inmediatamente unos ahorros relativos en stock de seguridad de 100 . θ %, con
θ = 1 - ( 1 - 1/N )1/2
Si N=20, la reducción de un almacén disminuye el stock de seguridad en sólo un 2,5%; pero si N=3, los
ahorros pueden ser del orden del 18%.
6.3 Stock activo en un sistema descentralizado

Para estudiar la variación del stock activo o de ciclo con el número de almacenes, conviene recordar la
formulación del modelo EOQ o de Wilson.
La cantidad de pedido óptima, Q*, como se ha visto, tenía la expresión
* 2DS
Q=
IC
donde:
D: demanda anual
S: coste de pedido o adquisición
C: valor de cada unidad mantenida en inventario
I: coste de mantenimiento, como porcentaje anual sobre C (€/€-año)
Si los costes de pedido y de mantenimiento de inventario no varían mucho entre almacenes, puede
decirse que el lote de pedido óptimo es directamente proporcional a la raíz cuadrada de la demanda (para
un almacén determinado).
Gestión autónoma
En este primer caso de gestión, los delegados de los almacenes ordenan sus lotes económicos de
producto cuando les es más conveniente. El stock de ciclo promedio de un almacén es la mitad del
tamaño de pedido y, por tanto, proporcional a (Di)1/2.

Para todo el sistema descentralizado, el stock de ciclo total es la suma de los stocks de ciclo en cada
delegación (proporcional a Σi (Di)1/2).
Para un sistema centralizado, el stock de ciclo promedio es proporcional a la raíz cuadrada de la demanda
total: (D)1/2.
Por tanto, al ser las constantes de proporcionalidad las mismas, se verifica lo siguiente:
i= N
QC
∑D
i=1
i
= i= N
QD
∑
i=1
Di
La relación anterior indica que el stock de ciclo de un sistema centralizado es menor o igual que el de
un sistema descentralizado. En particular, si la demanda servida por cada almacén es
aproximadamente la misma, Di≈D/N (i=1,...,N), se obtiene la relación:
Q D = QC N
Gestión uniforme
Si los pedidos se programan para el conjunto de la empresa, todos los almacenes hacen el mismo
número de pedidos al año (Di/Qi=constante ∀ i). Es fácil ver que, a costa de no pedir de forma óptima
para cada almacén, se disminuyen los stocks de ciclo en el sistema descentralizado. Sea ℘ el número
de pedidos anuales:
1 i= N 1 i= N D
QD = ∑ Q i = ∑ Di =
2 i=1 2℘ i=1 2℘
D
QC = ⇒ QD = QC
2℘
Un sistema descentralizado, por tanto, puede gestionarse de forma coordinada de manera que el stock
activo total sea el mismo en el sistema descentralizado y en un hipotético sistema centralizado con un
único almacén regulador. No ocurre lo mismo con el stock de seguridad.
6.4 Condicionantes de descentralización
Para finalizar esta breve reseña a la descentralización de un sistema de distribución física, a

continuación se enumeran algunas propiedades y factores que influyen a la hora de aconsejar un tipo u
otro de sistema de distributivo.

Sistema centralizado:
- Dispone del stock de ciclo y el stock de seguridad para toda la demanda en el almacén regulador o
fábrica.
- Dispone de stock de seguridad para cubrir el periodo de mercancías en tránsito (transporte) en
delegaciones.
- Cuando existe valor añadido entre fábrica y almacenes en delegaciones (almacenaje activo).
- Cuando el número de almacenes actual es muy grande.
- Cuando gran parte de la demanda es servida desde fábrica o el almacén regulador.
- Cuando el coste de transferencia de stock entre almacenes es muy alto.
Sistema descentralizado:
- Cuando el tiempo en tránsito es muy elevado (modo de transporte muy lento o gran distancia entre
fábrica y delegaciones).
- Cuando existe compensación de las demandas locales en delegaciones (entonces el stock de
seguridad global es menor).
- Cuando el nivel de ventas es muy grande (el stock de seguridad no es tan significativo entonces).
- Cuando la demanda es errática o imprevista.

7 Caso: Distribución de paquetería 107
7 Caso: Distribución de paquetería
En España, el sector de la paquetería urgente en gran parte proviene de la transformación del sector
del transporte, para lo cual los niveles superiores de las empresas debieron modificar fuertemente su
forma de pensar y dirigir el negocio. Este escenario hace que los niveles gerenciales de las empresas
tengan la necesidad de contar con medios que permitan acotar el contexto de incertidumbre en que se
enmarcan sus decisiones.
Los problemas de competitividad de las empresas nacionales provienen de que gran parte de ellas sólo
realizaron cambios y no una transformación de sus estructuras organizacionales. La necesidad de
ofrecer un elevado nivel de servicio a un coste competitivo y de expandir el área de servicio, hizo que
muchas veces se adoptasen decisiones operativas, tácticas y/o estratégicas no basadas en un enfoque
sistémico del problema y, por tanto, sólo se logró minimizar costes en funciones logísticas
individuales, suboptimizando el sistema.
En el caso de expansiones, aún hoy, muchas veces se sigue operando de forma idéntica sin estudiar
cuál es el verdadero impacto que la adición de nuevos pares O/D genera en la red logística. En otros
casos se realizan cambios en los modelos de distribución, con disminución de ciertos costos y
aumento de otros, por lo que el costo total a menudo no resulta muy afectado pero el impacto en el
nivel de servicio al cliente u otras operaciones puede ser relevante.
Las empresas de paquetería urgente tienen una red logística con la siguiente estructura:
- Delegaciones de ámbito local cuya misión es la de consolidar la carga de la zona de influencia

que le ha sido asignada. A éstas arriban vehículos que se encargan de las operaciones de
recogida y reparto, generalmente de pequeñas dimensiones, y los de grandes dimensiones que se
utilizan para los viajes de larga distancia (interdelegaciones).
- Hubs o delegaciones de rotura de carga que cuentan con una mayor dimensión y donde se
realizan las operaciones de cross-docking. Aquí entran y salen vehículos de dimensiones
similares.
- Los envíos de largo recorrido entre delegaciones pueden hacerse de forma directa, con paradas
múltiples o a través de hubs.
Esta estructura se representa en una red mediante nodos y arcos, donde los nodos corresponden a cada
delegación y las carreteras que unen dichas delegaciones se representan con arcos. Cada nodo de la
red actúa como receptor y emisor de carga.

En la distribución de muchos orígenes a muchos destinos hay muchos factores que hacen que el
problema sea complejo, entre los que destacan: las distintas capacidades de los camiones de los que se
dispone, las frecuencias de los envíos y las metas de plazo de entrega que se fija cada empresa. Dos
factores importantes que intervienen en este problema son: la ubicación de los hubs y el diseño de las
rutas de distribución y recogida. Para facilitar el estudio, el problema se subdivide en dos partes
teniendo en cuenta estos factores. Es muy importante entender que estos dos aspectos están muy
relacionados entre sí.
Los sistemas logísticos de muchos orígenes a muchos destinos con restricciones de tiempo tienen tal
complejidad que fácilmente se toman decisiones erróneas; además, en el activo mundo empresarial,
raramente se puede aprender de la experiencia propia.
7.1 Formulación del problema

La formulación del problema, basada en Barcos et al. (2000), se ha hecho en el apartado 4.4 y no se
repite.
7.1.1 Localización de hubs
La necesidad de establecer una ubicación óptima de los hubs reviste una gran complejidad porque hay
que considerar muchos factores, en la mayoría de los casos, muy difíciles de cuantificar. Dentro de los
aspectos que hay que tener en cuenta al evaluar los costos están: impuestos, subvenciones,
disponibilidad y estado de las vías de acceso, costo del terreno y costo y cualificación de la mano de
obra. Esta sección está basada en Rodríguez et al. (1999).
Existen diversos problemas de localización, dentro de los cuales tienen especial importancia para este
caso el de las p-medianas y el de localización simple de plantas (PSLP) puesto que los diferentes
planteamientos matemáticos para determinar la ubicación óptima de hubs se basan en planteamientos
que de estos problemas se han hecho.
A continuación se expone una formulación lineal del modelo de ubicación de hubs: se trata de una
formulación compacta del modelo comúnmente llamado HUBLOC presentada por Skorin-Kapov
(1997). Este modelo obliga a que el flujo entre cada par origen/destino pase por dos hubs.
Min ∑∑∑∑W ( C
i j k m
ij ik + ∝ Ckm + Cmj ) X ijkm (1)
Sujeto a:
∑Z = p
k
k (2)
∑∑ X =1
k m
ijkm ∀ i, j (3)
∑ X −Z ≤0
m
ijkm k ∀ i, j , k (4)

∑X k
ijkm − Zm ≤ 0 ∀ i, j , m (5)
donde:
α<1 : factor que refleja la economía de escala y el factor de descuento que hay por enviar el
flujo a través de un hub
Wij : flujo entre i y j
C ij : costo de viajar por el arco (i, j )
X ijkm : porción de flujo que desde i va a j pasando por los hubs k y m respectivamente. Si k = m,
esto quiere decir que el flujo que va desde i hasta j pasa solamente por un hub
Zk = 1 si k es un hub
= 0 si k no es hub
Se asume que: Wii = 0 y C ii = 0 para todos los nodos i.
La restricción (2) obliga a que haya p hubs en la red. Las restricciones (4) y (5) impiden que el flujo
entre dos nodos sea enviado a través de un nodo que no es hub.
Este modelo es muy difícil de resolver. Las soluciones óptimas se conocen para redes con 25 nodos
como máximo (O’Kelly y Bryan, 1998).
En este planteamiento es complicado determinar el valor de α porque por un lado hay que considerar
los ahorros que se tienen al hacer uso de hubs en los envíos, pero por otro lado hay que considerar los
costos que acarrea el mantener esos hubs.
Métodos de solución
Los métodos para resolver el problema de los p-hubs se pueden clasificar en 5 grupos:
- Programación matemática basada en el planteamiento primario.

- Programación matemática basada en el planteamiento dual.
- Teoría de grafos.
- Métodos de enumeración.
- Heurísticos.
Programación matemática
Una de las formulaciones matemáticas del problema se expuso en el capítulo 3.1.1. Esta formulación
ha tenido muchas modificaciones y adaptaciones. Una revisión extensa de la formulación entera de
los problemas de localización puede verse en Campbell (1994). Dentro de los métodos de
programación matemática que se han desarrollado para encontrar la solución exacta de este tipo de
problemas hay los modelos que se basan en el planteamiento primario del problema, como son los
planteamientos de programación entera, entre los cuales hay los lineales y los cuadráticos, y luego
están los que se basan en el planteamiento dual.
Para resolver el planteamiento entero se han desarrollados muchos algoritmos de ramificación y

acotamiento y algoritmos que convierten el planteamiento cuadrático en un problema de programación

lineal por medio de la relajación del problema original. Una revisión de estos algoritmos se puede ver
en Mirchandani y Francis (1989).
Teoría de grafos
Los métodos que se basan en la teoría de grafos aprovechan la estructura de la red. Estos métodos han
dado buenos resultados en redes no orientadas que tienen estructura de árbol. Goldman (1971)
presentó un algoritmo muy eficiente que resuelve el problema de ubicar un solo terminal, en O(n)
pasos. Para el problema de ubicar p-hubs cuando p > 1, Matula y Kolde (1976) desarrollaron un
algoritmo que encuentra la solución en O(n 3 p 2) pasos mientras que Kariv y Hakimi (1976)
encontraron un algoritmo que encuentra la solución en O(n 2 p 2) pasos.
Métodos de enumeración
Los métodos de enumeración consisten en evaluar todas las posibles soluciones y elegir la mejor. Es
posible usar este procedimiento cuando la red no es muy extensa, porque para una red de gran tamaño
requiere mucho tiempo de cómputo. Esta metodología fue presentada por Hakimi (1965).
Métodos heurísticos
Al igual que los problemas de optimización combinatoria, los problemas de localización en redes
requieren mucho tiempo de cómputo; por lo tanto, son muy difíciles de resolver por métodos exactos
y por ello se han desarrollado diversos métodos heurísticos para encontrar una solución, que aunque
aproximada, dé unos buenos resultados. Algunos de estos métodos heurísticos se basan en nociones
intuitivas de la solución del problema.
Dentro de los métodos heurísticos están: los métodos de partición de nodos, métodos de agrupación,
método miope y método de intercambios heurísticos entre otros.
Partición de nodos
Este algoritmo fue desarrollado por Maranzana (1964) y empieza eligiendo p nodos como candidatos
para ser hub. Una vez escogidos estos nodos, asigna cada nodo de la red al nodo candidato que más
cerca se halle, y de esta forma la red queda dividida en p subconjuntos. Luego se encuentra el nodo
que sea la mediana absoluta de cada subconjunto y el conjunto original de candidatos es reemplazado
por los nodos que son mediana absoluta en cada subconjunto. Este procedimiento sigue hasta que el
conjunto de candidatos no cambia. Este procedimiento, según demostración de Maranzana, puede
converger a una solución no óptima. Los resultados computacionales presentados por Maranzana son
escasos, pero sin embargo el autor afirma que su algoritmo funciona bien en los problemas ejemplo
Handles y Mirchandani (1979).
Métodos de agrupación
Estos métodos agrupan los nodos en p grupos y luego se elige la ubicación del hub del grupo. La
asignación de los nodos a los grupos se hace basándose en una medida que tiene en cuenta diferentes
criterios, como son la posición de los nodos dentro de la red y la cantidad de carga que entra y sale de
cada nodo. Puesto que la ubicación de los hubs es desconocida, el método de agrupación heurístico
asume que el hub se encuentra en el centro de masa del grupo.

El centro de masa de halla de la siguiente forma: todos los nodos i tienen coordenadas (x , x ). El
i
1
i
2
centro de masa del grupo es
 ∑ (Oi + Di )x1i ∑ (Oi + Di )x2i 

 i en el grupo l i en el grupo l
 , 
 ∑ (Oi + Di ) ∑ (Oi + Di ) 
 i en el grupo l i en el grupo l 
donde:
Oi : total de carga que sale del nodo i

Di : total de carga que recibe el nodo i
Después de terminar la asignación de los grupos, el nodo más cercano al centro de masa en cada grupo
es elegido para ser hub.
Método miope
Este procedimiento fue propuesto por Kuehn y Hamburguer (1963) y consiste en encontrar la mediana
absoluta de la red y luego ir introduciendo otras medianas hasta completar los p hub que el problema
requiere. Las medianas que se van introduciendo en la solución son los nodos que no han sido
elegidos como hubs y que maximicen el ahorro para la red hasta completar el conjunto de los p hub.
Cornuejols, Fisher y Nemhauser (1977) han realizado estudios sobre este método y afirman que en la
mayoría de los casos no se llega a la solución óptima, pero que la solución se desvía aproximadamente
un 7% del óptimo.
Métodos de intercambios heurísticos
Los métodos de intercambios heurísticos han sido estudiados por muchos investigadores, entre ellos
Kuehn y Hamburger (1963) quienes fueron los primeros en proponer un método de este tipo.
También han estudiado el problema: Cooper (1964), quien presentó un método para ubicar hubs en
un plano continuo, Teitz y Bart (1968), quienes adaptaron el método de Cooper para el problema de
encontrar la ubicación óptima de p hubs en una red, y Diehr (1972), Cornuejols, Fisher y
Nemhauser (1977), Garfinkel, Neebe y Rao (1974) y Khumawala, Neebe y Dannenbring (1974),
quienes han presentado resultados computacionales para un método de intercambios simples y otro
de intercambios dobles.
Los procedimientos de intercambios heurísticos descritos por Klincewicz (1991) parten de una
elección inicial de los p mejores hubs y luego encuentran todas las posibles combinaciones de p en k.
La primera parte del procedimiento sólo tiene en cuenta las combinaciones que difieren en un hub de
la elección actual y, basándose en una medida de ahorros locales, decide cuál de los dos nodos en los
que difieren las combinaciones es más apropiado.
Partiendo de los resultados obtenidos, se puede continuar con el mismo procedimiento, pero en lugar
de tener en cuenta las combinaciones que sólo difieren en un hub, tener en cuenta las combinaciones
que difieren en dos.

7.1.2 Estrategias de optimización de rutas
Como ya se dijo anteriormente, los envíos de largo recorrido entre delegaciones pueden hacerse de
forma directa, con paradas múltiples o a través de terminales de ruptura de carga. De esta forma, para
cada par origen/destino existe una cadena de transporte que resulta óptima en términos económicos
y/o de nivel de servicio. La selección de esta cadena no depende exclusivamente de la localización del
origen y destino considerado y del volumen movido entre los dos puntos, sino también de la demanda
existente en la red y de la configuración y costes logísticos existentes; el problema es global y la
optimización exige una visión integral.
En este apartado se hará una pequeña revisión del problema de diseño de rutas de reparto (VRP), que,
aun no siendo el problema objeto de investigación, constituye un elemento básico a la hora de poder
analizar sistemas más complicados, como son los sistemas de distribución de muchos orígenes a
muchos destinos. Posteriormente se hará una breve introducción a un modelo de optimización global
desarrollado desde la perspectiva de las aproximaciones continuas. Seguidamente se hará una pequeña
revisión de estrategias de diseño de rutas a través de hubs y estrategias discriminatorias que aparecen
en la literatura científica. Por último, se hará un breve resumen sobre lo investigado acerca de la
gestión del retorno de los vehículos.
El diseño de rutas de reparto
Este apartado complementa el capítulo 5 dedicado al diseño de rutas de vehículos. El VRP se enfrenta
a la consecución de un conjunto de rutas que comienzan y terminan en un depósito, de manera que
cada cliente es visitado al menos una vez sin violar ciertas restricciones de capacidad y/o de tiempo.
Se pretende que el conjunto de rutas creadas proporcionen una longitud total recorrida mínima. El
VRP ha sido un problema al que se ha dedicado bastante esfuerzo por parte de los investigadores. Los
resultados más importantes de dicho esfuerzo pueden encontrarse en Bodin et al. (1983), Magnanti
(1981) y en el libro editado por Golden y Assad (1988). También, y desde el punto de vista de las
aproximaciones continuas, se han desarrollado modelos para investigar la forma óptima y el tamaño
de las rutas, así como para estimar la relación entre la longitud de las rutas y ciertos atributos de las
mismas. En esta línea, merecen una mención especial los trabajos de Daganzo (1984a y b) y Newel y
Daganzo (1986).
Este tipo de problemas se complican cuando los clientes exigen ser servidos en una ventana de tiempo
o cuando el tiempo de la mercancía en tránsito está limitado. La ventana de tiempo puede ser estricta
(hard time window) o flexible (soft time window). En el primer caso, si un vehículo llega demasiado
temprano a visitar a un cliente, se le permite esperar hasta que éste esté listo; sin embargo, no se le
permite llegar después del tiempo más tardía de inicio del servicio. En el segundo caso, tales
intervalos de tiempo pueden ser violados a un determinado coste. Golden et al. (1977), Desrosiers et
al. (1995) y el libro editado por Golden y Assad (1988) presentan algunas investigaciones realizadas
sobre el VRP con ventanas de tiempo (VRPTW).
También se han aplicado las técnicas de las aproximaciones continuas a este tipo de problemas y se
han obtenido fórmulas simples que expresan el coste de transporte cuando existen ventanas de tiempo,
(Daganzo 1987a y b) y se han examinado estructuras para el VRP cuando la mercancía transportada es
perecedera (Han y Daganzo, 1986). Las guías de diseño proporcionadas por las aproximaciones
continuas pueden ser mejoradas con los métodos numéricos, como mostró Robusté et al. (1990) con
algoritmos de recocido simulado (Robusté 1988).

El coste de transportar mercancía desde un origen a varios destinos (como es el caso del VRP) podría
entenderse como el intento de minimizar el producto de dos factores: el número total de camiones y la
longitud media por ruta. Sin embargo, ambos factores están enfrentados, ya que para minimizar el
número de camiones habría que minimizar la cantidad de espacios vacíos en los vehículo, y para ello
probablemente se requerirían rutas muy poco compactas, con grandes desvíos respecto a la dirección
principal de la ruta, lo cual tendería a aumentar la longitud media por ruta. Por otro lado, rutas
compactas y estrategias que minimizasen la longitud media por ruta exigirían la existencia de cantidad
de espacios vacíos, y por tanto sería necesario utilizar mayor número de vehículos. En resumen, habría
que buscar un compromiso entre espacios vacíos en los camiones y longitudes medias de ruta
aceptables.
Este aspecto ha sido abarcado en la bibliografía científica para problemas de tipo VRP; son de
especial interés Hall (1989a), Hall (1993) y Hall et al. (1994). En estas dos últimas referencias se
refleja la importancia del tamaño de los camiones en relación con el tamaño de las cargas a
transportar, puesto que cuando el tamaño de las cargas es comparable al de los camiones es más difícil
minimizar los espacios vacíos y más prominente el enfrentamiento descrito anteriormente.
Optimización global de sistemas logísticos
No es mucha la bibliografía existente sobre la optimización global de sistemas de muchos orígenes a

muchos destinos. Merece especial mención el trabajo realizado por Daganzo (1996). En este libro se
establecen pautas de diseño de estos sistemas y se abarcan temas como: forma y tamaño de las zonas
de influencia de las terminales de consolidación, frecuencias de servicio, número de terminales de
ruptura de carga, estrategias de rutas entre delegaciones (haciendo paradas múltiples, o haciendo uno o
dos transbordos).
Para sistemas con varias terminales, pero con un solo transbordo permitido, Daganzo opta por planes
operativos que tiendan a minimizar el número de camiones/km totales recorridos y el número de
paradas realizadas por los camiones. Para ello, es necesario dotar a los hubs de una jerarquía y cada
par origen/destino será servido a través de la terminal de mayor nivel que exista entre el origen y el
destino; si no existe terminal entre ellos, habrá que usar la más cercana en el sentido de producir
menor distancia.
Para resolver problemas tácticos o estratégicos habrá que construir una función de costes logísticos
en términos de una o dos variables de decisión, de manera que sea relativamente fácil deducir de
ella cuestiones como: dada una frecuencia de servicio ¿cuál será el número óptimo de terminales?
Daganzo construye esta función para una red en la que las características de la misma (densidad de
orígenes y destinos y densidad de flujo carga) no varía en el espacio ni en el tiempo, y además se
supone que los vehículos llegan y salen de la terminal llenos. Dicha función consta de varios
términos:
- coste de paradas por unidad transportada =

3α 2δ
λH R
NT (
1/ 2
)
 2 R 
1/ 2
 cd
- coste de desvío por unidad transportada =  
 v max  3 N T 

 cd  1 / 2
- coste de largo recorrido (line-haul) por unidad transportada, del orden de  R
 v max 
NT
- coste de terminal por unidad transportada = α 5 +α6
R
- coste de acarreamiento de inventario por unidad transportada = ch H
La suma de estos cinco términos constituye la función de costes logísticos, en donde:
densidad espacial de delegaciones origen (δo) = densidad espacial de delegaciones destino (δd)= δ
(número de orígenes o destinos/área)
λ = densidad de flujo de carga para un par origen/destino (número de unidades transportadas por
unidad de tiempo y de área2)
H: periodo de servicio (tiempo-1)

|R|: tamaño de la región de servicio (área)
N T: número de hubs
c d: coste por vehículo y km
vmax: capacidad de los vehículos (número de unidades capaces de transportar)
c h: coste de acarreamiento de inventario por unidad transportada y por día
α2: coste añadido de desvío por parada ($/parada)
α5: coste fijo de manipulación en el terminal por unidad manipulada ($/unidad)
α6: constante que hace referencia al coste fijo de operar un terminal
Otras estrategias de ruta a través de terminales
Hall (1987a) demuestra que transportar a través de dos terminales es una estrategia atractiva cuando el
número de orígenes y destinos es grande, siempre que no existan restricciones temporales. Transportar
a través de un solo terminal es conveniente cuando, bien el número de orígenes, bien el número de
destinos, es pequeño; es, pues, una estrategia lógica para redes de aprovisionamiento y distribución.
Cuando es muy importante mantener una distancia de viaje pequeña la estrategia más adecuada es
enviar la carga a través del terminal o los dos terminales que presenten menor distancia de viaje. Esta
situación es característica de las redes en las que los orígenes y los destinos están muy esparcidos o
cuando el flujo de carga entre orígenes y destinos es grande.
Hall (1989b) examina varias estrategias simples como: ruta por la terminal más cercana (al origen o al
destino), ruta por las dos terminales más cercanas al origen y al destino respectivamente, ruta por la
terminal que produce la distancia mínima, estrategias con terminales tipo master (todos los envíos
entre diferentes zonas se hacen a través de un terminal master, los envíos dentro de una zona se hacen
a través del terminal de la zona), y otras estrategias híbridas. En este trabajo, Hall introduce nuevos
aspectos en el análisis, como son: el tiempo necesario para la clasificación y reorganización de la
carga, el tiempo que supone viajar por rutas que se desvían mucho de la ruta directa para pasar por el
terminal, la necesidad de tener que hacer clasificación de la carga en el lugar de origen cuando de éste
sale mercancía hacia varias terminales, la necesidad de realizar viajes en vacío cuando el número de

aviones que entran a un terminal es diferente al número de aviones que salen de él. Hall (1996)
extiende el análisis hasta incluir el subsistema de reparto y recogida local.
Estrategias de ruta discriminatorias
Hasta ahora se ha hecho alusión a estrategias de ruta que pasan forzosamente por uno o dos hubs.
Sin embargo, hay casos en los que servir un par origen/destino a través de un terminal puede ser
ineficiente, por ejemplo cuando el origen está cerca del destino y ambos lejos del terminal. Surge
así la necesidad de encontrar una serie de pautas y estrategias que ayuden a decidir sobre el tipo
de ruta (directa, paradas múltiples o a través de hubs) con la que debe servirse un par
origen/destino.
En Daganzo (1996) se examina una estrategia discriminatoria para sistemas de muchos orígenes a
muchos destinos con un solo hub. El autor basa dicha estrategia en la localización global de los pares
origen/destino dentro de la región de servicio, los cuales, en lugar de ser tratados individualmente, se
agrupan en subregiones origen y subregiones destino. Daganzo analiza una estrategia en la que una
proporción f ij de los orígenes de la subversión i envían su carga directamente a la subversión j y el
resto de orígenes (1- f ji) lo hacen a través de un hub.
La conclusión a la que llega (para casos en los que los camiones viajan llenos) es que todos los
orígenes de la subversión i despachan sus vehículos de la misma manera: o se envía todo el flujo de
carga directamente o se envía a través del hub. Se envía todo el flujo directamente cuando el coste de
mandar una unidad directamente es menor que el coste marginal de mandar una unidad a través del
hub. Además, si el sistema tiene las frecuencias de entrada y salida al hub coordinadas e igualadas,
entonces puede decirse que todo el flujo entre la subversión origen i y la subversión destino j se
enviará directamente si ri+rj-rij>cte , donde ri y rj son las distancias de las subregiones al terminal y rij
es la distancia entre ambas subregiones.
Hall (1987b) desarrolla un procedimiento para decidir si el envío de la carga se hace directamente o a
través de una terminal, pero basándose en la localización de los pares origen/destino así como en los
flujos de carga entre ellos. El procedimiento se aplica a redes con muchos orígenes y pocos destinos
en donde cada origen es asignado a una sola terminal. Por ello se asume que el flujo en los arcos que
unen terminal y destinos es grande y, por tanto, el costo marginal en dichos arcos, insensible a
cambios en el flujo. Debido a ello, el problema puede dividirse en M (número de orígenes)
subproblemas independientes en donde se estudia la mejor manera de enviar la carga desde cada
origen a todos los destinos. Las economías de escala dificultan la decisión, de manera que el coste de
transportar una carga por la terminal depende de las rutas elegidas para el reto de pares origen/destino.
Según Hall, este procedimiento podría modificarse para resolver problemas en los que se permiten
rutas con paradas múltiples.
Retorno de los vehículos
En sistemas logísticos como los de una empresa de paquetería es normal que se intente aprovechar el
retorno de los vehículos a su lugar de origen para realizar tareas de recogida de carga (backhauling).
En los modelos que presenta Daganzo (1996) para sistemas de muchos orígenes a muchos destinos se
asume que los flujos de carga entre los orígenes y los destinos están aproximadamente equilibrados,
de manera que cuando un vehículo realiza su última entrega su posición es la adecuada para comenzar
un recorrido de recogidas sin necesidad de realizar un recorrido considerable en vacío. Sin embargo,

en muchos casos la demanda no está equilibrada, lo que hace que en los terminales el número de los
vehículos que entran no sea igual al número de vehículos que salen, y se puede derivar en una
cantidad de recorrido en vacío muy grande. Por ello, y dado que las empresas pueden beneficiarse de
una buena gestión de los retornos se han realizado trabajos de investigación en esta línea.
IN P U T S
M a tr iz d e c a rg a s , d is ta n c ia s y v e lo c id a d e s O /D
D e n s id a d e s d e c a rg a e n o rig e n
P a r á m e t ro s d e c a p a c id a d y c o s to s d e lo s v e h íc u lo s
N iv e l d e s e r v ic io a l c lie n te
M ó d u lo 1 : O P T IM IZ A C IÓ N D E
T E R M IN A L E S
L o c a liz a c ió n
N úm e ro
A r c h iv o : T E R M IN A L E S
U S U A R IO : p o s ib ilid a d d e i n te ra c tu a r
c o n e l s o ftw a r e
M ó d u lo 2 : O P T IM IZ A C IÓ N D E
RUTAS
R u ta s d ir e c ta s e n t re O /D
R u ta s a tr a v é s d e d e le g a c io n e s
R u ta s a tr a v é s d e h u b s
A r c h iv o : R U T A S
U S U A R IO : p o s ib ilid a d d e i n te ra c tu a r
c o n e l s o ftw a r e
M ó d u lo 3 : A S IG N A C IÓ N D E
C AR GA S
V e h íc u lo s d ir e c to s e n tr e O /D
P e d d lin g a tr a v é s d e D e le g a c io n e s
V e h íc u lo s a tra v é s d e h u b s
A r c h iv o : C A R G A S Y
V E H ÍC U L O S
U S U A R IO : R u ta s d e v e h íc u lo s a s ig n a d o s
M ó d u lo 4 : C Á L C U L O D E y c a rg a
C OSTES
A r c h iv o : C O S T E S M ó d u lo A u x ili a r : G R Á F IC O
U S U A R IO : C o s te s to ta le s y c o s te s U S U A R IO : V is u a liz a c ió n d e la s ru ta s
des ag reg ad o s p o r ca d a p o r la s c u a le s s e e n v ía
o p e r a c ió n la c a r g a
Fig. 7.1 Flujograma de diseño de un software de gestión de la paquetería
En el libro editado por Golden y Assad (1988) se presenta un estudio sobre el VRP con backhauls , su
formulación y los algoritmos aplicados para su resolución. Existen algunos trabajos de investigación
centrados en algoritmos (Jordan, 1982 y Dejax y Crainic, 1987) que tienen que ver con peculiaridades
como control en tiempo real, pero que no proporcionan fórmulas en función de unos pocos
parámetros.
Daganzo y Hall (1993) desarrollan modelos y fórmulas para estimar las distancias recorridas cuando
los vehículos, tras su última entrega, pueden realizar labores de recogida antes de volver a la terminal
de donde partieron. Estas fórmulas pueden ser aplicadas tanto cuando la terminal en cuestión es una
delegación como cuando es una terminal de ruptura de carga. Jordan y Burns (1984) y Hall (1991)
realizan estimaciones de los recorridos en vacío para redes pequeñas, y utilizando estrategias con las
que cada vehículo visita como mucho dos terminales de ruptura de carga antes de regresar a su origen.
La figura 7.1 muestra un posible esquema de un software de optimización de la rutas de paquetería. La

función de los diversos módulos ha sido explicada anteriormente.

7.2 Heurístico ad hoc

La estrategia de expansión de empresas courier (de envíos rápidos) se ha basado en la absorción de
redes de distribución física existentes, es decir, empresas. Las empresas, pese a los nuevos directivos,
son lo que son sus personas y sus recursos materiales. No sorprende, por tanto, que la adquisición de
la cultura empresarial, los procedimientos y la sofisticación en los recursos que requieren los servicios
courier conlleve una digestión lenta que haya creado problemas de implantación. Si a este “choque
cultural” se le unen graves errores, tanto de concepto como de proceso, el resultado puede ser
negativo.
Una multinacional de los envíos urgentes, implantada en España en la pasada década, sufría grandes
pérdidas diarias debido a una multitud de conceptos. Uno de ellos (error conceptual) era su facturación
únicamente por peso (simplificación correcta para envíos habituales de productos densos; en este caso,
se trataba de envíos industriales pesados): los clientes pedían presupuestos y encontraban a esta
empresa muy competitiva para envíos voluminosos pero poco pesados. Con el tiempo, las frecuencias
de los envíos en función de la densidad de lo sobjetos mostraba dos claros segmentos de mercado: los
objetos densos (segmento específico del negocio) y los objetos livianos (un segmento añadido donde
la empresa perdía dinero a mansalva). Tanto a nivel de controler como a nivel operativo en las
delegaciones y los hubs de clasificación (cross-docking), los operarios habían detectado estas
dinfuncionalidades (se habían transportado lanchas neumáticas hinchadas, al no poner tarifa al
volumen), pero no se habían transmitido a los cargos directivos (error de proceso).
Para aligerar las pérdidas de esta empresa, se diseñó una herramienta de ayuda a la toma de decisión
en un plazo de pocas semanas, basado en un algoritmo heurístico ad hoc. Para el análisis de la
distribución de largo recorrido, se generó una herramienta conceptual plasmada en un programa
informático para PC. El sistema de ayuda a la decisión es transparente al usuario en todo momento y
permite pseudooptimizar el sistema de larga distancia con un mínimo de información relevante. La
aplicación de este modelo a la empresa del sector de la paquetería industrial urgente en cuestión fue un
elemento clave para la toma de decisiones en su reflote.
Base conceptual
La consolidación en terminales permite utilizar menos rutas y menos vehículos que el servicio directo
entre cada origen y destino. Aunque hay muchos condicionantes que pueden determinar qué tipo de ruta
es más conveniente para cara relación origen/destino, Daganzo (1991) muestra que la distribución entre
muchos orígenes y muchos destinos debe analizarse para cada pareja separadamente, lo que,
probablemente, tenderá a minimizar el número de camión/kilómetros totales y el número de paradas de
los camiones. Para ello conviene dotar de una jerarquía a los hubs y a las rutas; entonces hay que “servir
cada par O-D por la terminal de nivel mayor entre el origen y el destino; si no existe terminal entre ellos,
usar la más cercana en el sentido de producir menor distancia”.
Hall (1987) demuestra que las rutas por dos terminales son apropiadas para el transporte de muchos
orígenes a muchos destinos, siempre que no existan restricciones temporales como las que ocurren en la
entrega en 24 horas. Las “rutas por la(s) mejor(es) terminal(es) más cercana(s)” son deseables cuando es
importante mantener la distancia de viaje pequeña, como cuando los orígenes y destinos están muy lejos o
cuando el flujo de mercancías entre orígenes y destinos es grande. Hall (1989) examina varias estrategias
simples como “ruta por la terminal más cercana” (al origen o al destino), “ruta por las dos terminales más
cercanas a origen y a destino respectivamente”, “ruta por la terminal que produce la distancia mínima”, y

otras de híbridas, para un sistema de transporte aéreo urgente. En otro artículo (Hall, 1995), extiende el
análisis hasta incluir el subsistema de reparto y recogida local (PUD).
Para el modelo informático desarrollado se supuso que cada delegación i cerraba a un tiempo ti(j) que
dependía de la delegación destino j (i,j=1,...,N); en el modelo se trata de, dada una configuración física
determinada (número y ubicación de delegaciones y hubs conocidos), asignar una matriz de flujos qij (en
unidades de camiones) de forma casi óptima, para poder simular la operativa corriente. La flota de
camiones puede tener varias capacidades (en peso o volumen).
La asignación de camiones “llenos” es inmediata, pero para ello debe definirse el concepto lleno
informáticamente; así, se definen un parámetro de infracarga (10%: a partir del 90% de la capacidad del
camión ya se considera lleno) y otro de sobrecarga (3-5%: una sobrecarga de tal magnitud puede
acomodarse en el mismo camión a fuerza de mejorar el empaquetado).
A continuación conviene mirar si con una o dos paradas múltiples en origen o en destino también se llena
algún tipo de camión; es difícil incorporar más de tres delegaciones por los requerimientos de servicio
urgente. Para la comparación de distancias se definen los parámetros topológicos de factor de ruta
(cociente entre la distancia real sobre la red de carreteras y la distancia euclídea) y de “proximidad”
(sensibilidad a distancias iguales).
Finalmente, se diseñan las rutas por uno o dos hubs. Una vez identificado el hub, los destinos se
estructuran por orden decreciente de carga, y se empaquetan los camiones que dejan menos espacio
vacío; esta estrategia intenta minimizar el número de camiones usados para una carga dada. El modelo
calcula los costes de transporte y de clasificación y manipulación con funciones predefinidas que
deberían ser objeto de un análisis más fino; en el caso real, la falta de datos sobre costes no permitió
asignar economías de escala entre los hubs, por lo que no debería sorprender la habitual asignación de
rutas al hub más cercano al origen o al destino que se encuentre dentro de una elipse de la que el
origen y el destino son sus focos.
Implementación informática
De acuerdo con los criterios anteriores, se implementó un sistema de ayuda a la decisión basado en
una modelización de la red de transporte de larga distancia. Su funcionalidad básica consiste en la
simulación de un escenario determinado, con un conjunto de delegaciones y hubs prefijado por el
usuario, y casi optimización de las rutas de transporte en cuanto a minimización del número de
camiones y de camiones/kilómetros recorridos.
El problema específico de la empresa que se analizaba permitió adoptar unas hipótesis que
simplifican la solución de un hipotético problema general de optimización global de una red de
muchos orígenes a muchos destinos con restricciones temporales. Se adoptaron las siguientes
hipótesis de modelización:
- Se contempla el factor camiones/kilómetro como el objetivo principal a minimizar, y no el

tiempo, si bien éste se tiene en cuenta y también va implícito en la elección de rutas mínimas.
- No se contempla la optimización empleando ventanas temporales.
- Se supone un conjunto de tipos de rutas determinado y una secuencia de asignación de rutas fija.
- No se contemplan los retornos en vacío de los camiones.

El modelo de la red de transporte se implementó informáticamente en un entorno de ordenadores tipo PC,

procurando un tiempo de ejecución reducido (algoritmos heurísticos) y una representación de los
resultados fácilmente comprensibles por el usuario final. La extrapolabilidad de los datos de entrada y
salida se garantizó en formato ASCII (hojas de cálculo o procesadores de texto) y se eligió como lenguaje
de programación el C.
Datos de entrada
Los datos de entrada necesarios para el modelo son los siguientes:
- Matriz de flujos de carga entre orígenes y destinos, en peso.

- Matriz de distancias y velocidades entre todos los nodos de la red.
- Matriz de horas de cierre de los envíos O/D, es decir, que desde cada delegación se permite la
salida de cargas a horas escalonadas según el destino sea próximo o lejano, con la finalidad de
cumplir los requisitos de servicio.
- Vector de densidades de carga en los orígenes, a fin de determinar el volumen de las cargas, que en
general es la principal limitación de la capacidad de los camiones.
- Datos sobre los camiones (tipos de camiones, capacidad y coste de cada tipo).
- Parámetros de funcionamiento del sistema y configuración física: número de hubs, delegaciones,
factores de sobrecarga e infracarga de los camiones según el tipo de ruta seguido, tipo de estrategia
para la ordenación de la carga en los hubs (temporal u optimización de camiones), factores de
“proximidad” para el cálculo de rutas, cargas mínimas para considerar ciertas rutas, etc.
Funcionamiento
Se puede considerar el modelo como dos bloques diferenciados: un primer bloque genera la optimización
y selecciona las rutas entre O/D y un segundo bloque se encarga de la asignación de la carga a los
camiones. El cálculo de rutas mínimas se realiza para todo el conjunto de orígenes y destinos, de manera
que aunque pueda parecer ineficiente a primera vista, presenta las siguientes ventajas:
- Se calculan todas las rutas de una sola vez, lo cual permite después utilizar diferentes pruebas de
asignación de carga variando los parámetros (número de camiones distintos, horas de cierre de las
delegaciones diferentes, etc.) sin tener que recalcular cada vez los caminos mínimos.
- Se pueden ensayar parámetros diferentes para el cálculo de rutas mínimas sin tener que ejecutar
cada vez la asignación de carga, con lo cual es posible tener un modelo de la red de caminos
mínimos conforme con el usuario antes de asignar las cargas.
- Permite una intervención manual para modificar las rutas por parte del usuario, por cuanto los
ficheros de rutas tienen un formato ASCII editable e inteligible.
Los tipos de rutas se intentan asignar en el orden siguiente:
- Rutas directas.
- Rutas de peddling a través de una delegación intermedia (en origen o destino).
- Rutas de peddling a través de dos delegaciones intermedias (origen o destino).
- Rutas que emplean un hub.
- Rutas que emplean dos hubs.
Dada una carga inicial entre un origen y un destino, ésta se intenta enviar por una ruta directa; si ello no es
posible, se intenta con el siguiente tipo –peddling a través de una delegación intermedia– y así

sucesivamente hasta llegar al final, donde toda la carga remanente se envía por dos hubs. Si este último
paso no interesa, el usuario puede ajustar los parámetros necesarios para que no se asigne carga por rutas
de dos hubs y la carga restante puede colocarse de nuevo como input y realizar una nueva ejecución con
menores restricciones de ocupación en el resto de tipos de rutas.
En cuanto a la consolidación de la carga en los hubs, se pueden emplear dos estrategias diferentes:
minimizar el número de camiones o considerar la prioridad temporal de salida de la carga. Ésta última
permite tener en cuenta los envíos a destinos lejanos en servicio urgente.
El modelo se implementa en dos procesos diferenciados que corresponden a los dos bloques ya
referidos –selección de rutas y asignación de carga–, con el beneficio añadido de poder emplear toda la
memoria del ordenador disponible para cada uno de ellos. Existe un tercer módulo gráfico auxiliar, que
permite visualizar sobre un mapa todas las rutas entre los pares O/D a las que se ha asignado carga. De
esta manera es posible corregir posteriormente algunos parámetros del modelo y preparar una nueva
ejecución, o realizar pequeños reajustes manuales en los resultados finales.
Datos de salida
El modelo da al usuario la posibilidad de acceder a prácticamente todos los datos del proceso, tanto los
intermedios como los finales, con la finalidad de que puedan analizarse los pasos seguidos y observar si es
razonable el camino seguido y en qué paso se ha llevado a término cada operación. El formato de salida es
ASCII. De esta manera, se pueden resumir los datos de salida como:
- Optimización de rutas, donde cada ruta queda descrita con la secuencia de nodos que atraviesa.
- Rutas directas O/D.
- Rutas con delegaciones intermedias.
- Rutas a través de hubs.
- Asignación de la carga, donde cada camión empleado se describe por la ruta seguida, como
secuencia de nodos, indicando para cada uno de éstos el código asignado al nodo, las horas de
llegada y salida del camión, el tipo y la carga transportada en porcentaje sobre la capacidad
máxima del mismo.
- Camiones directos O/D.
- Camiones a través de delegaciones intermedias.
- Camiones a través de hubs.
- Cargas O/D que se asignan en cada tipo de ruta.
- Costes desglosados de la operación de la red.
- Visualización gráfica, donde el usuario puede observar sobre un mapa las rutas asignadas entre uno
o varios orígenes y uno o varios destinos. Sólo se muestran las rutas que realmente están cargadas,
no todo el conjunto posible de rutas mínimas entre origen y destino.
Resultados de la reestructuración
Con el modelo informático desarrollado se pudieron simular numerosos escenarios de reestructuración de

la red de distribución de larga distancia. En la mayoría de los casos, se conseguían mejoras sobre las
prácticas existentes y, cuando se producía una pérdida en el nivel de servicio, ésta no era relevante ya que
se producía exclusivamente en relaciones donde ya no se aseguraban las 24 horas.

Con una herramienta transparente que implementa principios de diseño simples y contrastados se pudo
contestar a numerosas preguntas del tipo “what if?” en cuanto a número de delegaciones, número de
hubs, su ubicación, tamaño de los camiones, horas de cierre de cada delegación en función de la zona de
envío final, papel de cada hub, etc.
La modificación de las frecuencias de las líneas de reparto y recogida local y del modo de pago a los
transportistas conseguía ahorros del 15% del coste de reparto y recogida afectando únicamente el nivel de
servicio del 5% de la carga. Una disminución más relevante en el nivel de servicio ofrecido a algunos
clientes especiales (afectación del nivel de servicio a un 8% de las expediciones) significaba ahorros que
podían llegar hasta el 25%. Estas mejoras en el subsistema de reparto y recogida local (PUD) podían
representar por término medio un 7% del total de los costes de transporte.
Naturalmente, la herramienta desarrollada fue sólo un eslabón en el conjunto de decisiones a las que tuvo
que enfrentarse la empresa, pues el programa no puede aconsejar sobre la conveniencia de colaboración
con otra empresa de la competencia, sobre la necesidad de vender más, la necesidad de convertir ciertos
costes fijos en variables, o la necesidad de reducir el nivel de servicio a todos o algunos clientes. Sin
embargo, el modelo prototipo desarrollado, contrariamente a los modelos tipo caja negra, permite aplicar
de forma transparente y racional principios de mejora tanto en el diseño estratégico de la red de
distribución física como en la operativa diaria.
Estos problemas de distribución de paquetería, por su complejidad, son susceptibles de usar

metaherísticos. La tesis doctoral de Lucía Barcos (2002), codirigida por la profesora María Jesús
Álvarez (Universidad de Navarra) y el autor, desarrolla un algoritmo metaheurístico de optimización
mediante colonias de hormigas (ACO). Para ello se divide el problema general en dos subproblemas.
Primero se resuelve el problema mediante ACO contemplando solamente las alternativas de ruta
directa y a través de uno o dos hubs. La solución encontrada en esta primera fase se utiliza como
solución de partida para una segunda fase, en la que se intentan introducir rutas con paradas múltiples
para mejorarla. En esta segunda fase también se utiliza la optimización mediante colonias de
hormigas. El metaheurístico ACO ha sido brevemente descrito en el apartado 5.4.

8 Caso: Diseño logístico del servicio de autobuses urbanos 123
8 Caso: Diseño logístico del servicio de autobuses urbanos

El autobús es el modo de transporte colectivo más habitual en ciudades intermedias (aquéllas con un
solo centro, pocos centenares de miles de habitantes e incipiente metropolitanización). La conve-
niencia y utilidad de herramientas sencillas y de fácil operatividad para los planificadores de
transporte locales y los propios operadores es evidente. Este capítulo presenta como contribuciones los
resultados de dos tesis doctorales y una tesina de graduación dirigidas por el autor.
La primera (Rovira, 1994) es un modelo híbrido de optimización analítica, numérica y de guías de

buena práctica operativa. Se aplicó a la ciudad de Sevilla con mejoras en costes y nivel de servicio
(Rovira y Robusté, 1996).
El segundo modelo (Merino, 1997) considera un sistema de transporte urbano por autobús con rutas
fijas en ciudades con un único centro, aproximando de manera continua la demanda de viajes en la
hora punta de la mañana en forma de densidad (viajes por unidad de superficie).
El objetivo es minimizar los costes totales del sistema, incluyendo los costes del operador (operación
de la red en un determinado nivel de servicio) y del usuario (acceso a la red, espera y recorrido en
función del nivel de servicio).
Las principales variables de decisión (intervalo de paso entre autobuses consecutivos, espaciamiento
de ruta y longitud de la ruta) se optimizan en cada área de servicio en una configuración logística de
muchos orígenes (barrios) a un solo destino (centro) para la hora punta de la mañana. La ciudad se
divide en tres áreas de estudio concéntricas, donde se calculan los valores casi óptimos de las
variables de decisión; estos valores sirven al planificador de rutas como prediseño que será afinado
posteriormente de forma manual o por ordenador.
Una de las aportaciones novedosas consiste en incorporar el coste del nivel de servicio (entendido
como densidad de pasajeros de pie por unidad de área neta del autobús) como integrante explícito del
modelo total, lo que proporciona niveles de servicio mejores que cuando se optimizan los costes sin
tener en cuenta esta variable.
Para ello, se ha asumido un valor de los ahorros del tiempo de recorrido que varía de forma creciente
con la densidad de pasajeros de pie. Al introducir este coste en el modelo, se tiende a mayores
densidades de rutas, menores intervalos de paso y, por tanto, mejor calidad del servicio.

El modelo ha sido implementado usando hojas de cálculo comerciales y permitiendo variar los
parámetros (densidad de demanda, capacidad de los vehículos, costes unitarios, velocidades, etc.).
Después de analizar la sensibilidad del modelo respecto a las variables de decisión, se procede a la
aplicación del modelo en Mérida (Venezuela). Los resultados del modelo mejoran la red existente
y demuestran que es posible aumentar el nivel de servicio y, a la vez, disminuir los costes
operativos.
La tercera contribución (Vega, 2001; tesis codirigida por el profesor Ángel Ibeas de la Universidad de
Cantabria) modeliza el sistema incluyendo la variabilidad del tiempo de recorrido que le confiere el
nivel de congestión del tráfico rodado según la relación flujo/capacidad de la red de calles.
El uso compartido de la red viaria significa una interacción del tráfico en la operación de la red de
autobús. En los periodos punta, dicha interacción disminuye la velocidad de operación e incrementa su
variabilidad: los costes de operación aumentan y el nivel de servicio a los usuarios disminuye.
El tiempo de recorrido depende, pues, del grado de saturación de la red de calles. Esto incide en los
costes para el operador y también pare el usuario. En efecto, el tiempo del viaje, el de espera al
servicio (para servicios explotados por frecuencia, la mitad del intervalo de paso si los intervalos son
constantes, espera que aumenta con el cuadrado del coeficiente de variación de los intervalos; para
servicios con horarios de paso, la espera es independiente del horario; viajes cortos con varias
opciones de líneas de autobús ven disminuido su tiempo de espera al aumentar la frecuencia efectiva
del servicio), y las condiciones de confortabilidad del recorrido se ven empeoradas con la variabilidad
introducida por la congestión viaria.
La modelización analítica del sistema permite obtener las variables de decisión óptimas de forma
explícita y analizar en detalle la incidencia de la interacción del tráfico en el servicio ofrecido por los
autobuses: la variabilidad de los intervalos de paso afecta al tiempo de espera, al coste de
funcionamiento de los autobuses y al coste del nivel de servicio asociado a la ocupación.
Como resultado complementario del modelo, es posible determinar la adecuación de segregar uno de
los carriles del viario para uso exclusivo del servicio de autobuses (carril bus). Esta opción aumenta la
velocidad comercial del autobús y la regularidad del servicio, al coste de disminuir la capacidad del
viario para el resto de vehículos y, por tanto, aumentar la congestión.
Si existe un umbral de demanda mínimo que garantice un flujo de pasajeros/hora equivalente a una
fracción (por menores costes sociales del transporte público colectivo urbano respecto a los costes
sociales del vehículo privado) de la capacidad en pasajeros/hora de un carril y se controla la ocupación
y uso del carril bus segregado, es posible determinar la longitud de carril bus conveniente desde el
punto de vista social para las hipótesis de demanda de tráfico inelástica y elástica al tiempo de viaje.
El modelo se ha aplicado a la ciudad de Santander a partir de datos de 160 viajes realizados en

autobús y de una modelización numérica de la red viaria. Las aceptables correlaciones obtenidas entre
las predicciones del modelo y los datos de base permiten calificar el modelo global de robusto.
La exposición de los tres modelos puede incluir una redundancia de conceptos, particularmente en la
descripción de los costes que gobiernan el sistema, pero al tratarse de tres aportaciones independientes
con notaciones y situaciones específicas propias, tal redundancia se considera positiva a tenor del
carácter didáctico en modelización del transporte que pretende esta monografía.

Sorprende el limitado uso de modelos en la planificación de las operaciones, particularmente de

transporte público urbano, en España. Independientemente de los palpables progresos conseguidos en
la gestión no sólo en las grandes ciudades sino también en las medianas, este indicador cabe atribuirlo
a las deficiencias de formación en transporte por parte de los técnicos y directivos del sector, que se
escudan en expresiones, a menudo gratuitas, como “esto es demasiado teórico”: las cosas se han
mejorado pero siempre queda la duda de si no se podrían haber hecho aún mejor y antes.
La experiencia del autor en Barcelona, seguramente la ciudad más innovadora en procesos de

gestión del transporte público de España (tanto desde la perspectiva de la autoridad del transporte,
en este caso la Entidad Metropolitana del Transporte de Barcelona, como desde la perspectiva de
los operadores), conlleva claroscuros: pruebas piloto de aparcamientos de conexión (park-and-ride)
y de disuasión de autocares para visitantes ocasionales de la ciudad que resultaron un fracaso por no
entender la tipología de la demanda, implantación de un servicio lanzadera de autobuses de acceso
al anillo olímpico durante los Juegos de 1992 (diseñado a nivel de planificación por el autor) con
intervalos de paso de 30 segundos que no tuvo en cuenta el tiempo necesario para cargar los
autobuses, incorporación de “autobuses de barrio” (un decenio después de haber sido propuesto por
el autor) sin atender los requisitos mínimos del éxito de un sistema de transporte público (umbral de
demanda, frecuencia, conexiones, tarifa y regularidad), o la reciente consideración de la
variabilidad de los intervalos de paso de los autobuses como salario variable de sus conductores sin
conocer a fondo la naturaleza estocástica de las fluctuaciones de cada una de las líneas, etc. Ojalá
este capítulo contribuya a mejorar la aplicabilidad de los modelos en la planificación de las
operaciones en autobús.
8.1 Un modelo híbrido de trazado y operación

Se ha diseñado un sistema de ayuda al diseño de redes de autobuses urbanos plasmado en un programa
informático conceptualmente simple y controlable en todo momento por la experiencia y pericia del
planificador. Esta herramienta constituye un punto de equilibrio entre la actual práctica profesional
(simulaciones de demanda en una nueva red generada por prueba y error) y la optimización de una red
mediante sofisticadas técnicas de investigación operativa consumidoras de gran cantidad de información.
Dentro de la metodología desarrollada se distinguen dos partes: el trazado de la red, entendido como el
ajuste físico de las distintas líneas a la trama urbana, y la explotación de la red, entendida como el cálculo
de los parámetros necesarios para prestar un servicio adecuado a los usuarios de la misma; estos
parámetros se calculan mediante un programa informático de elaboración propia.
8.1.1 Trazado de la red
Para abordar el trazado de la red es necesario, en primer lugar, plantear las hipótesis de partida u objetivos
que se pretenden alcanzar con el mismo. A continuación, se exponen los dos procedimientos propuestos:
uno analítico y otro de aproximaciones sucesivas.
Hipótesis de partida
a) Adaptación del trazado a la trama vial. Consiste en ajustar las líneas de la red a lo que, en
adelante, se denominará trama útil, es decir, el conjunto de vías susceptibles de soportar la
circulación de una línea de autobús.

b) Conexión de puntos singulares. Se pretende que los puntos generadores y atractores de

demandas importantes y los de acceso a otro modo de transporte tengan una conexión directa a la
red definida.
c) Máximo de un trasbordo. Es una restricción autoimpuesta, pero no sin justificación. Los usuarios
de una red de transporte colectivo aspiran a satisfacer sus demandas de movilidad de la forma
más directa posible; existen pocos viajeros dispuestos a efectuar más de un trasbordo en el
mismo o distintos modo dentro de una ciudad occidental. Además, un servicio prestado con más
de un trasbordo es considerado de baja calidad.
d) Evitar retrocesos. El retroceso o backtracking se produce cuando el viajero debe dar un rodeo
para alcanzar su destino. La percepción de este rodeo en el recorrido por parte del viajero se
acostumbra a valorar negativamente.
e) Evitar la concurrencia. La concurrencia o redundancia de líneas consiste en que un mismo punto

esté servido por distintas líneas, lo que a menudo significa una asignación de recursos subóptima
si la red está bien trazada.
Procedimientos propuestos
Dos son los procedimientos propuestos para fijar el trazado de la red: el analítico y el de aproximaciones
sucesivas.
a) Método analítico. Los datos de partida son: la trama útil, los puntos singulares, la movilidad, la
capacidad de los vehículos y la frecuencia media de explotación de los mismos. La frecuencia
media de explotación es un parámetro que debe fijarse, mientras que los demás vienen
impuestos.
La expresión que permite calcular el número de líneas necesario de la red se deduce igualando la
oferta de viajes por unidad de tiempo con la demanda producida por unidad de tiempo. La
demanda de viajes en un instante dado es un dato que se obtiene sumando todos los viajes de la
matriz de movilidad (T(t)). La oferta de viajes por unidad de tiempo viene dada por la expresión
O(t) = 2 C f(t) N
donde:
O(t): oferta de viajes por unidad de tiempo en el instante t
C: capacidad media de los vehículos empleados
f(t): frecuencia media de todas las líneas, expresada en número de autobuses por línea y por unidad de
tiempo en el instante t
N: número de líneas de la red
Igualando oferta y demanda se obtiene la expresión
T(t)
N=
2 C f(t)
que proporciona el número de líneas teórico de la red.

b) Método de aproximaciones sucesivas
La información básica de partida está constituida por la trama útil y los puntos singulares. El proceso
consiste en elegir, en primer lugar, un número pequeño de líneas y trazar la red ajustándose a la trama útil
y tratando de conectar el máximo número posible de puntos singulares. A continuación se evalúa la
alternativa propuesta. El siguiente paso consiste en construir una red con un número mayor de líneas,
intercalando nuevas líneas entre las de la red anterior, y volver a evaluar la nueva alternativa. Así
sucesivamente hasta que se haya planteado un número suficiente de alternativas, y estudiado mediante un
análisis multicriterio cuál de ellas es la más adecuada.
8.1.2 Explotación
Con el fin de calcular los parámetros propios de la explotación de la red, se elaboró el programa BUSNET.
Antes de aplicarlo, conviene introducir la formulación empleada en el mismo. Las expresiones más
importantes que se utilizan son las que hacen referencia a los siguientes aspectos:
a) Matriz O/D
La matriz de movilidad de que se dispone está referida a una zonificación determinada. Para ejecutar el
programa se propone adoptar una zonificación generada por la intersección de los dominios de influencia
de cada una de las líneas con las demás. De esta manera, para cada nueva zona definida, está muy claro
cuáles son las líneas a que se tiene acceso.
Es necesario, por tanto, transformar la matriz de movilidad disponible en una nueva, adaptada a la nueva
zonificación. Se propone una transformación lineal que tiene la siguiente expresión:
n(i)
 n(j)

T ij = ∑ α ik ∑ β jl T I k J l  donde:

k =1  l=1 
Tij: demanda de viajes de la zona nueva i a la zona nueva j

TIkJl: demanda de viajes de la zona antigua Ik a la zona antigua Jl, que se encuentran presentes en la
zona nueva i y en la zona nueva j respectivamente
αik: cociente entre el área de la zona antigua Ik dentro de la zona nueva i, y el área con acceso a la red
de la zona antigua Ik. Es decir, coeficiente de proporcionalidad del número de viajes que partían
de la zona antigua I y ahora parten de la zona nueva i
βjl: cociente entre el área de la zona antigua Jl dentro de la zona nueva j, y el área con acceso a la red
de la zona antigua Jl. Es decir, coeficiente de proporcionalidad del número de viajes que llegaban
a la zona antigua J y ahora llegan a la zona nueva j
n(i): número de zonas de la zonificación antigua en la zona nueva i
n(j): número de zonas de la zonificación antigua en la zona nueva j
b) Coste del usuario
Se calcula para obtener el coste global de la explotación, junto con el coste del operador. Dado que el fin
último es calcular el coste global, no se tiene en cuenta aquí el coste que supone la tarifa, ya que, si bien
supone un coste para el usuario, supone al mismo tiempo un ingreso equivalente para el operador.

El factor que determina el coste de recorrido de un itinerario es el tiempo. Conviene destacar que no todas
las etapas necesarias para efectuar el viaje comportan una valoración igual del tiempo. Por este motivo, la
expresión empleada para el cálculo del coste del tiempo de un usuario es la siguiente:
h1 + l 1 + ( + h 2 ) +
cu = c a t 1a + c e cv ct t t
2 ve 2
+ c v l 2 + c a t 2a
ve
donde:
cu: coste de viaje para el usuario sin incluir la tarifa
ca , ce , cv , ct: costes unitarios de acceso a la red, espera, viaje y trasbordo, respectivamente
ta1 y ta2: tiempos de acceso desde el origen del viaje hasta la primera parada y de acceso desde la
última parada del viaje hasta el destino, respectivamente
h1 y h2: intervalos temporales que transcurren entre dos autobuses de la primera y la segunda línea
tomada, respectivamente; son el inverso de la frecuencia de la línea en cuestión. En la
expresión se supone llegadas aleatorias en el tiempo a la parada (lo que se cumple si se
trabaja con altas frecuencias y cierta regularidad en el servicio)
tt: tiempo de acceso al trasbordo desde la parada final del primer trayecto hasta la inicial del
segundo; existe la posibilidad de que ambas coincidan
l1 y l2: longitudes de los tramos realizados en el primer y segundo trayecto respectivamente,
ve: velocidad media de explotación de las líneas
c) Coste del operador
Es el coste por unidad de tiempo de cada vehículo de la red. Debe ser conocido por el operador en función
de la estructura de sus gastos de explotación.
d) Coste global
Incluye el coste por unidad de tiempo de todos los usuarios y de todos los vehículos que operan en la red
en un instante dado.
El coste de los usuarios se evalúa a partir de la expresión:
n zn  n zn 
C u ∑  ∑ cu(ij) T ij 
=
i=1  j=1 
donde:
Cu: coste total de los usuarios por unidad de tiempo
nzn: número de zonas de la nueva zonificación de la red
cu(ij): coste del itinerario elegido para ir de la zona i a la j
Tij: número de viajes por unidad de tiempo que se realizan desde i a j

El coste del operador por unidad de tiempo se evalúa mediante la expresión
C o = co N
donde:
Co: coste total del operador por unidad de tiempo
co: coste de explotación de un vehículo por unidad de tiempo
N: número de autobuses que circulan simultáneamente en toda la red. N se calcula como la suma de
todos los vehículos que circulan simultáneamente en cada una de las líneas, cuyo valor se obtiene
de la expresión
+
 2 ll f l 
nl =  
 ve 
donde:
nl: número de autobuses que operan simultáneamente en la línea l
(·)+: indica la parte entera por exceso del argumento
ll: longitud de la línea l (y fl es su frecuencia)
ve: velocidad media de explotación de las líneas
El coste global por unidad de tiempo no es más que la suma

C = Cu + Co
e) Ocupación de las líneas
Este parámetro permite estudiar la eficacia de la red (aprovechamiento de la capacidad) y conocer el nivel
de servicio en cada tramo. La expresión empleada es
+
+ Dli
Oli =
fl
donde:
Oli+: ocupación de un vehículo de la línea l recorrida en sentido positivo, definido éste arbitrariamente,
a su paso por la zona i
Dli+: demanda de viajes por unidad de tiempo de la línea l en el sentido definido a su paso por la zona
i; su valor se obtiene del programa BUSNET
fl : frecuencia de la línea l
f) Frecuencia de las líneas
Para calcular la frecuencia de las líneas se debe imponer que la ocupación de los vehículos en cada zona
sea inferior o igual a la capacidad de los mismos, esto es:
+
Dli ≤ C
fl
de donde, despejando fl y calculando su máximo valor para todas las zonas del recorrido de la línea, se
obtiene la frecuencia en cuestión:

n +
Dli }
f l = ma x {
i=1 C
Programa BUSNET
El programa BUSNET calcula los parámetros de explotación de la red. Uno de los principales es la
frecuencia de explotación de las distintas líneas. A la hora de plantear la obtención de la misma, se
observa que existe una interdependencia entre los distintos parámetros que intervienen.
De esta manera, es necesario proceder iterativamente suponiendo un valor inicial de las frecuencias de las
líneas, obtener los demás parámetros y, finalmente, comprobar si las frecuencias calculadas se aproximan
a las supuestas. En caso de que esto no ocurra, se repite el proceso utilizando como valor semilla de las
frecuencias las calculadas en la iteración anterior. Se itera de esta manera hasta convergencia de las
frecuencias.
En aras al pragmatismo y para no divergir del carácter de sistema de ayuda a una aplicación profesional
del modelo, no se incide en demostrar la convergencia del proceso; sin embargo, es razonable suponer que
un problema físico bien planteado no adolece de ningún problema de convergencia, como así ha ocurrido
en los ejemplos que se han llevado a cabo.
La obtención de los itinerarios posibles para un usuario a partir de las líneas existentes en la red se
basa en la información sobre las líneas a que se tiene acceso desde cada zona y los posibles
transbordos que se pueden realizar desde cada línea. A partir de estos datos, se van calculando los
distintos itinerarios posibles para unir dos zonas, primero con trasbordo y, después, los que no
requieren trasbordo.
En cuanto a la demanda de viajes de las líneas, una vez conocidos los itinerarios de mínimo coste entre las
distintas zonas y la demanda de los mismos, basta con cargar cada tramo de cada una de las líneas con los
viajes correspondientes. El conocimiento de esta demanda bastará, por último, para determinar la
frecuencia de cada línea, tal como se ha visto.
8.1.3 Criterios de valoración
Con el fin de evaluar distintas alternativas, es necesario elegir criterios adecuados. Se ha pretendido tomar
criterios cuya interpretación sea lo más intuitiva posible, de manera que no se pierda de vista lo que están
representando. Se propusieron tres, cada uno constituido por varios indicadores:
- Coste, evaluado a partir de los costes del operador y los usuarios.

- Eficacia del diseño del trazado, evaluada a partir de la concurrencia y la ocupación de la red.
- Eficacia del servicio prestado, evaluada a partir de la accesibilidad, viajes imposibles y
frecuencia media de la red.
Para evaluar cada criterio, se asigna una distribución de pesos para los distintos indicadores, que se
especifica más adelante, procediéndose a continuación a emplear un análisis multicriterio que proporciona
la valoración definitiva. El método de agregación empleado es el de las medias ponderadas con escala
normalizada, que permite valorar de forma conjunta, sencilla y transparente las alternativas con criterios
de unidades diferentes, convirtiendo sus valores en coeficientes adimensionales.

La evaluación conjunta de cada alternativa, a partir de los tres criterios, permite la representación gráfica
en un triángulo equilátero cuyos puntos representan distintas combinaciones de pesos de cada criterio.
De hecho, ese triángulo queda definido por la intersección del plano w1 + w2 + w3 = 1 con el triedro
determinado por los valores positivos de los pesos. Así, cada vértice indica una puntuación máxima del
criterio en cuestión, mientras que el baricentro indica una ponderación uniforme de los tres criterios.
A continuación se analiza cada uno de los criterios elegidos, así como los pesos asignados a cada
parámetro en el caso de que varios parámetros configuren un mismo criterio de evaluación. El carácter
metodológico de esta monografía hace que los valores concretos de los pesos sean irrelevantes.
Coste
Se trata del coste global de explotación por unidad de tiempo. Incluye el coste del operador y el de los
usuarios, que se obtienen directamente del programa BUSNET.
Eficacia del diseño del trazado
Los parámetros que permiten su evaluación son la concurrencia y la ocupación de las líneas. Los pesos
asignados a cada parámetro son 0,4 para la concurrencia y 0,6 para la ocupación.
a) Concurrencia
Cuantifica qué parte de la superficie urbana está servida por varias líneas concurrentes. Desde el punto de
vista del operador, supone un coste adicional tener una zona servida por varias líneas. Se trata de un
parámetro que conviene reducir. Para evaluar cuantitativamente este fenómeno se propone la expresión
n
∑ ( l -1) A
i=1
i i
C =
A
donde:
C: parámetro definido como concurrencia; es adimensional
n: número de zonas de la red
li: número de líneas que sirven la zona i
Ai: superficie de la zona i
A: superficie cubierta por la red
b) Ocupación de las líneas
Para poder comparar distintas alternativas con trazados distintos, es necesario definir un parámetro global
de ocupación de la red. El más extendido es el de viajeros por unidad de longitud recorrida en total,
generalmente expresado en viajeros/kilómetro, y es éste el parámetro empleado aquí. Su valor lo pro-
porciona el programa BUSNET.
Eficacia del servicio prestado
Los parámetros propuestos son la accesibilidad, el número de viajes imposibles por unidad de tiempo y la
frecuencia media de la explotación. Los pesos asignados son 0,5 a la accesibilidad, 0,25 al número de
viajes imposibles y 0,25 a la frecuencia media de explotación.

a) Accesibilidad
Dadas las numerosas definiciones de accesibilidad, a continuación se describe específicamente el

método que se empleará para evaluarla. En primer lugar, se dibujan las líneas isocoste de acceso a una
zona determinada. Se calcula la superficie englobada por cada una de las líneas isocoste, es decir, la
superficie a que se tiene acceso desde la zona escogida con un coste determinado. Representando la
gráfica coste/superficie barrida, se observa una forma cóncava con comportamiento similar para los
distintos casos estudiados. Para distancias muy cortas (costes bajos) la red de autobuses no está
indicada porque los costes de acceso, espera y posible trasbordo tienen un peso muy importante en el
coste global. Es para distancias medias cuando la red empieza a ser efectiva. El comportamiento final
de la curva refleja una disminución del crecimiento por velocidad comercial relativamente baja para
superar distancias largas.
Ajustando una recta en la parte central de la curva, que es la que refleja las características de la red, y
midiendo la pendiente de la misma, se obtiene un parámetro expresado en km2/€ que es el adoptado como
medida de la accesibilidad.
b) Viajes difíciles
Es una medida del número de viajes que no es posible realizar con un máximo de un trasbordo.
Cuanto mayor sea este valor, tanto peor será el servicio prestado. Este valor lo proporciona el
programa BUSNET.
c) Frecuencia media
Cuanto mayor es la frecuencia media de la red, mejor es el servicio prestado a los usuarios. Naturalmente,
no basta con una frecuencia media elevada, sino que la frecuencia de las distintas líneas debe ser la
adecuada a la demanda existente. La estructura del programa BUSNET garantiza el servicio para todos los
viajes que se producen.
La aplicación profesional del modelo anterior a la ciudad de Sevilla se encuentra en el artículo de

Rovira y Robusté (1996) o en la tesina de graduación de Jorge Rovira (1994). Las siguientes
contribuciones formalizan con algo más de rigor científico el problema y constituyen pequeñas pero
significativas aportaciones en el estado del arte en investigación. A continuación se resume el modelo
de Merino (1997).
8.2 Variables en un diseño de una red de autobuses con un solo centro
En la conformación urbana de las ciudades pequeñas e intermedias, se pueden identificar tres áreas
urbanas (área urbana central, área urbana consolidada y periferia), definidas por variables como la
densidad de población, usos del suelo y estructura socioeconómica. Por conveniencia en la
caracterización topológica de la ciudad y en la incorporación secuencial de las variables de decisión,
el modelo global se desglosa en dos submodelos.
El primer submodelo incluye el análisis sin restricción en la capacidad vehicular. Como función
objetivo se define la minimización del coste total (coste del operador y del usuario), donde se toman
como principales variables de decisión el espaciamiento entre rutas y el intervalo de paso.

El segundo submodelo incluye el análisis con restricción de la capacidad vehicular y nivel de

servicio. El nivel de servicio se define como la densidad de pasajeros que viajan de pie, y se
introducen restricciones referidas a la capacidad del vehículo (autobús, microbús o minibús), y se
establecen de igual forma intervalos de paso mínimos operativos, además de considerarse niveles de
confortabilidad para el pasajero.
El sistema de bus propuesto provee servicio a una área rectangular (L*A), donde se entiende que los
viajes tienen una sola dirección hacia el área urbana central; allí se localiza el terminal final de la ruta,
tal como se puede apreciar en la figura 25. Cada área de servicio tiene N zonas, de longitud L y
ancho r = A / N .
ÁREA
CENTRAL
r
A
TERMINAL
Fig. 8.1 Estructura del área de servicio.
Las estrategias para operar en cada área urbana se pueden apreciar en la figura 8.2. Así, se tiene que
un bus, para servir por ejemplo al área urbana central, recorrerá una distancia de L1 km (longitud local
de reparto), con una velocidad θV, a lo largo del eje de la zona de servicio, recogiendo o dejando
pasajeros en las paradas establecidas cada d km. Siguiendo un proceso similar, se puede obtener la
respectiva estrategia de operación para las zonas 2 y 3.
Si, se considera que g es la velocidad de acceso del pasajero en una red reticular, se tiene que la
distancia promedio de acceso es de (r+d)/4, y el tiempo promedio de acceso es igual a (r+d)/4g.
L1 L2 L3
ÄR EA D E SERV IC IO -1
θV
ÁREA
C EN T R AL
Á R EA D E S ERV IC IO -2
β V V
T ER MIN AL
Á R EA D E SERV IC IO -3
β V γ V V
VE LO C ID AD V E LO C ID AD V ELO C ID AD
E XPR É S S EMI-EX PR É S LO C AL
Fig. 8.2.Estrategias de operación en las 3 áreas de servicio

La capacidad del vehículo
La capacidad máxima del vehículo está determinada por la suma del número de pasajeros que viajan
sentados y el máximo número de pasajeros que pueden viajar de pie:
cmax = as + m’
El máximo número de pasajeros que pueden viajar de pie depende del grado de apiñamiento que
permita el operador y el nivel de confortabilidad que pueda determinar la autoridad del transporte. En
condiciones normales de operación el área mínima por pasajero (σmin) puede estar entre 0,15-0,25
m2/pasajero, por lo que se aconseja utilizar el valor de 0,20 m2/pasajero (Vuchic, 1981).
El área máxima que puede ocupar un pasajero que viaja de pie está definida por el área neta (an)
menos el área que ocupan los asientos (ab), y queda expresada de la siguiente manera:
σmax = an + ab
El área neta (an) es igual al área bruta del vehículo menos el área que ocupan el asiento del conductor,
puertas, escaleras y el área de cancelación de títulos de transporte.
La capacidad del vehículo para un nivel de servicio (σ) es la suma del número de asientos y el ratio
del área neta del vehículo y la mínima área que ocupa un pasajero que viaja de pie:
cσ = as + (σmax / σ )
El nivel de servicio es definido por la densidad de pasajeros que viajan de pie y medido por el número
de pasajeros/m2. Uno de los mayores problemas que se encuentra el planificador cuando analiza los
niveles de servicio, es la determinación de valores límites (A-F) que reflejen las características de la
calidad de la operación percibida por el usuario.
En el manual de capacidad norteamericano, los valores límites que separan los niveles de servicio
reflejan solamente el juicio técnico del TRB’s (Capacity Committee) y no las percepciones de los
pasajeros (Madanat y Cassidy, 1993).
De acuerdo con la experiencia práctica de diversos operadores de transporte españoles, se proponen

ciertos valores umbrales de cada uno de los niveles de servicio (fig. 8.3), los cuales, sin embargo,
deberán ser reajustados de forma específica para cada ciudad donde se aplique el modelo, con
encuestas de preferencias declaradas.
La ocupación del vehículo
La máxima carga de pasajeros en un sentido (I) para un periodo dado y ruta es definida como la
demanda del periodo por ruta dividido por el total de salidas del autobús:
I = D Lr f

90
80
70
60
Capacidad
50
40
asientos
30
20
0,175 0,2 0,21 0,25 0,29 0,35 0,43 0,58 0,875 1,75 8,75
m2 / pasajero de pie
90
80
F
70
E
Capacidad
60
D
50
C
40 B
Asientos
30 A
1 2 3 4 5 6
20
0,1 0,5 1,1 1,7 2,3 2,8 3,4 4 4,76 5 5,71
Pasajero de pie / m2
Fig. 8.3 Niveles de servicio propuesto para un autobús estándar
Ocupación promedio del vehículo en el área urbana central
La ocupación promedio del autobús es igual a la máxima carga de pasajeros en un sentido (I)
multiplicado por la longitud promedio de viaje en el área de servicio, más la mitad de los pasajeros
que suben o bajan en cada parada:
Drf ( L1 + d )
b
2
- 4 a c O' =
2
De igual manera, se pueden obtener expresiones cerradas y sencillas para el área urbana consolidada y
periferia.
El nivel de servicio (densidad de pasajeros que viajan de pie, en función de la ocupación del autobús)
puede ser definido como sigue:
 O '− a s 
NS = max  , 0
 ω ma 

donde 0 < O’ ≤ cmax si O’ < as, indica que no existen pasajeros de pie; entonces el nivel de
servicio será de (A+).
Coste del operador
El coste del operador en el periodo de análisis (t) está definido por la flota de autobuses (Ft)
necesarios para operar durante dicho periodo, multiplicado por el coste de operación horario (Kt) y el
tiempo del periodo de análisis (Tt). El coste del operador diario queda expresado de la siguiente
manera:
4
A bt Kt Tt
Co =
r ∑
t =1
ft
Coste de acceso
Es el coste que le representa al usuario acceder desde su origen hasta la parada más próxima del
autobús, y queda definido por el valor del tiempo de acceso (Za), multiplicado por el tiempo promedio
de acceso a la parada (a), por el tiempo que dura cada periodo de análisis (Tt) y por la densidad de
demanda de cada periodo (Dt):
4
r + d
Ca = aL1 AZ a  
 g  t =1
Dt Tt ∑
Coste de espera
El coste de espera queda definido por el valor del tiempo de espera (Ze), multiplicado por el tiempo
promedio de espera por pasajero (e), por la densidad de demanda en cada periodo de análisis (Dt) y
por el tiempo que demora el periodo de análisis (Tt); así ,se tiene la siguiente ecuación:
4
Ce = eZ e L1 A ∑D T f
t =1
t t t
Coste de recorrido en el vehículo
Es el valor del tiempo en el cual el pasajero tiene que permanecer en el vehículo teniendo un asiento,
hasta llegar a su parada de destino.
El coste de recorrido queda definido por el valor del tiempo de recorrido (Zi), multiplicado por el
tiempo promedio de viaje (pt), por la densidad de demanda en cada periodo de análisis (Dt) y por el
tiempo que demora cada periodo (Tt). Así, se tiene la siguiente ecuación:
 Z L2 A  4 Dt Tt
Cr =  i 1 
 2θ  t = 1 Vt
∑

8.3 Ocupación y nivel de servicio

Coste del nivel de servicio
El coste del nivel de servicio puede ser definido como el coste de falta de confortabilidad que le
produce al pasajero el hecho de viajar de pie, además de la densidad de pasajeros con la que viaja, es
decir del grado de apiñamiento:
Cns = Cvp + Cdp

Por simplicidad analítica, se supone que el coste del nivel de servicio es una función lineal, pero la
metodología empleada puede ser extendida a casos no lineales, tal y como se puede apreciar en la
figura 8.4.
Coste $
umbral de umbral admisible
percepción
Coste de la
densidad de
pasajeros de pie
asintótico no
Coste de lineal
viajar de pie
a todos los pasajeros

Coste de b tienen asientos
viajar de 1/ H'
sentado
Pasajeros /m
2 0,11 1 2 3 4 5
Pasajeros de pie 1 8 17 26 35 45
Ocupación 31 38 47 56 65 75
Nivel de servicio A+ A- B C D E
2
BUS = 30 asientos S= 0,20 m /pasajero
Un pasajero tiene la probabilidad de usar
un asiento cuando este esté libre
Fig. 8.4 Relación entre nivel de servicio, densidad de pasajeros de pie y sus respectivos costes.
Coste de viajar de pie
El coste de viajar de pie es el valor que da el pasajero a la disyuntiva entre viajar sentado o viajar de
pie, sin tener en cuenta, en esta primera valoración, cuántos de los demás pasajeros también viajan de
pie.
Así, tenemos que, para el área urbana central, el coste de viajar de pie está definido por el valor del
tiempo de viajar de pie (Zvp), multiplicado por el tiempo que tarda el bus en cruzar el tramo de
análisis:
 l 
Cvp = Z vp  t 
 θV 

Con el mismo procedimiento, se pueden obtener los costes para las otras dos zonas.
Coste de la densidad de pasajeros de pie
Es la valoración que hace el pasajero del grado de apiñamiento (densidad) de los pasajeros que viajan
junto a él de pie.
El coste de la densidad de viajeros de pie queda definido por el valor del tiempo (Zdp) de viajar de pie
en el tramo de estudio con una máxima densidad de pasajeros de pie, multiplicado por el ratio de la
densidad de operación y la densidad máxima permisible de pasajeros de pie, determinado por la
autoridad del transporte; multiplicado por el tiempo que tarda el bus en cruzar el tramo de estudio.
Para el análisis y desde la óptica de la ocupación promedio, el coste de la densidad de pasajeros de pie
para el área urbana central puede ser expresado de la siguiente manera:
 D rf ( L1 + d ) − a s  lt 1
C dp = Π  
 2 τσ  θV
donde Π = Zdp - Zvp.
8.4 Función objetivo y proceso de optimización

La función objetivo es la minimización del coste total del sistema (CT2) durante el periodo punta de
operación, incluyendo el coste del operador, los costes del usuario y el coste del nivel de servicio.
El coste unitario, por ejemplo, para el área urbana central en el periodo punta (€/pasajero), queda
determinado por la siguiente expresión:
2K aZ ( r + d )  L   Drf ( L1 + d ) − a s  lt 1
CT 2 = + a + eZ e f + Zi  1  + Π  
θVfrD g  2θV   2τσ  θV
Con el mismo procedimiento, se pueden obtener expresiones similares para los costes de las otras dos
zonas de estudio. La ecuación anterior puede simplificarse, en función de (f) y (r), de la siguiente
manera:
Λ
CT 2 = + Br + Cf + Drf + ξ
fr
Derivando la ecuación, igualando a 0 y resolviendo independientemente se pueden obtener las

siguientes expresiones:
1/ 2
 Λ 
r* =  
 2 
 Bf + Df 

1/ 2
 Λ 
f * =  
 Cr + Dr 2 
Relaciones similares han sido obtenidas en Tsao y Schonfeld, (1983), y Spasovic y Schonfeld, (1993).
Por el contrario, si se deriva la ecuación CT2 y se resuelven simultáneamente las ecuaciones
resultantes, se puede obtener la siguiente expresión:
r5 (BD2) + 2r4 (DC) + r3 (BC2) - Λ1/2C = 0
SUBMODELO -1 SUBMODELO - 2
CT = Co + Ce + Ca + Cr + Cns si f* < 3'
Proceso de
optimización
Resolver
r* , f* r* , f*
M1+M2
si Ocp < OTA

F Ocp = u as as F Ocp
Verificar
Objetivos de la autori-
Agency
si, u < 1 u>1 2
Si ocp > 5 pasj/m
Fin dad del transporte
Objective Transit
Factor de carga u<1
S , as
si u > 1
S' =pasajero/m2
S = pasajero/m2 Nivel de servicio

Nivel de servicio
Fin
Fig. 8.5 Estructura funcional del modelo de optimización de rutas de autobuses
El espaciamiento de ruta óptimo (r*) se obtiene resolviendo la anterior ecuación polinómica de quinto
grado. Siguiendo un proceso similar se hallaba el valor óptimo del intervalo de paso (f*). La figura 8.5
esquematiza todo el proceso de cálculo del modelo propuesto. El análisis detallado de la formulación
matemática empleada en el proceso de optimización de las variables de decisión se encuentra en
Merino (1997).
8.5 Generalización: red densa y efectos de la congestión del tráfico

Partiendo de la formulación anterior, la función objetivo Z es la suma del coste del tiempo total
empleado por los usuarios en el viaje (Cu), el coste de operación de los autobuses (Cb) y el coste del
nivel de servicio (Cs). La contribución de Vega (2001) generaliza la red esquemática de Merino al
poder tratar con redes urbanas densas donde es habitual que las zonas de transporte centrales

dispongan de varias líneas de autobús y de varias paradas dentro de la zona. Asimismo, incorpora la
variabilidad de las variables con el estado del tráfico.
El coste del usuario es la suma del coste de todos los usuarios existentes, en el periodo de tiempo
considerado, en acceder a las paradas de autobús del sistema de transporte colectivo en superficie (Ca);
más el coste para todos los usuarios existentes del tiempo de espera a los autobuses en las diferentes
paradas existentes (Cw); más el coste del tiempo que transcurre desde que los usuarios suben al
autobús en una parada (i) hasta que bajan en otra (j), dentro de una demanda de viajeros en el periodo
de tiempo de cálculo (Cr); y más el coste del tiempo que transcurre desde que los usuarios bajan del
autobús en una parada j hasta que llegan al destino final, dentro de una demanda de viajeros del
periodo de cálculo (Cd).
Parada p
Parada p-1
Zona nz
Parada j Línea nl
Línea l
Parada i+1
Parada i
Parada i-1
Zona z
Zona 2
Parada 2
Parada 1 Línea 2
Zona 1 Línea 1
Fig. 8.6 Esquema gráfico de la topología de red
Partiendo de una zonificación del área de estudio, y considerando un reparto uniforme de las paradas
de acceso al autobús en cada una de las zonas, el tiempo de accesibilidad a las paradas será
proporcional a la superficie de influencia media de cada una de las mismas.
El tiempo de acceso a las paradas de transporte público, para un usuario perteneciente a una zona (z),
será la raíz cuadrada de la relación existente entre el área (a) de dicha zona (z) y el número de paradas
existentes (b) dentro la zona, que permiten acceder a autobuses de líneas que posibilitan realizar el
viaje al usuario (ϑ y ϑa son parámetros de ajuste):
a
ta , z = ϑ + ϑ a *  
 b z

El coste horario de acceso a las paradas para la totalidad de la demanda existente (dz) en las (nz) zonas
y (nl) líneas quedará definido por el valor unitario del tiempo de acceso (γa) y el tiempo promedio de
acceso a las paradas de todos los usuarios del transporte público en superficie:
nz
Ca = γ a * ∑ ta , z * d z 
z =1
El tiempo de espera en las paradas de transporte público, para un usuario perteneciente a una zona (z),
estará comprendido por una fracción de tiempo de los intervalos de los autobuses pertenecientes a las
líneas (l) que posibilitan realizar el viaje desde la parada (i) hasta la parada (j). Para un intervalo
constante, el parámetro βh deberá tener un valor igual a 0,5 (β y βh son parámetros de ajuste):
 
 
 1 
t w ,l ,i , j = β + β h *  nl 
 ∑  1  
 l =1  h l 
 ∀l∈i , j 
 
 1 
t w ,l ,i , j = β + β h * 
 k * 1  
 l ,i , j  h  
 l 
En este caso, (h) es el intervalo de los autobuses de la línea (l) y (kl,i,j) es un coeficiente de densidad de
líneas para un viaje desde (i) hasta (j) en la línea (l), que representa las diferentes posibilidades de
líneas de autobuses que tiene un pasajero para realizar un viaje desde la parada (i) hasta la parada (j).
El coste horario de espera en las paradas para la totalidad de la demanda existente (dl,i,j) en acceder a
las (nl) líneas, quedará definido por el valor unitario del tiempo de espera (γw), en euros por pasajero y
hora, y el tiempo de espera en las paradas de todos los usuarios del transporte público en superficie,
que a su vez es función del intervalo de los autobuses de las líneas:
nl p p
Cw = γ w * ∑∑∑ tw,l ,i , j * dl ,i , j 
l =1 i =1 j =1
j ≠i
El tiempo de recorrido de un usuario dentro del autobús perteneciente a una línea (l), quedará definido
por el tiempo en movimiento del autobús, incluyendo las demoras que tenga el vehículo producidas
por los efectos derivados del tráfico de vehículos o la señalización existente en la circulación posible
de la red viaria, y el tiempo necesario para los autobuses para prestar servicio en las paradas,
permitiendo subir y bajar a los pasajeros.

El tiempo de servicio será función del número de paradas (bl,i,j) existentes entre la parada (i), donde se
sube el pasajero, y la parada de bajada (j).
El tiempo de recorrido en movimiento de los autobuses y el tiempo de las demoras de los autobuses
dependerá de la longitud de los tramos por donde circula el autobús y su velocidad de recorrido,
incluyendo las paradas derivadas de la circulación en la red viaria.
La velocidad de recorrido dependerá del flujo de vehículos en el sentido de circulación en el avance

de los autobuses, de manera que, en una circulación estable, al aumentar el flujo de vehículos
disminuirá la velocidad de recorrido:
vr ,t ,l = v0,t ,l − α 0 * it ,l
ρ 0
donde
vr,t,l: velocidad media de recorrido de los vehículos en el tramo (t), (km/h)
v0,t,l: velocidad libre en el tramo (t)
it,l: flujo horario de vehículos totales de un tramo de carretera (t), en el sentido de avance del
autobús, perteneciente a la línea (l)
α y ρ: parámetros de ajuste
De esta manera, el tiempo de recorrido de los usuarios en el autobús será
nt , j  
l
tr ,l ,i, j = α + α b * bl ,i , j + α v * ∑  t ,l 

t =i  vr ,t ,l 
nt , j  
lt ,l
tr ,l ,i, j = α + α b * bl ,i , j + α v * ∑  ρ0 
t =i  v0,t ,l − α 0 * it ,l 
 
donde α, αb,αv,α0 y ρ0 son parámetros de ajuste.
El coste horario de recorrido en el autobús, para la totalidad de la demanda existente (dl,i,j) que utiliza
las (nl) líneas, quedará definido por el valor unitario del tiempo de recorrido γr) y el tiempo de
recorrido en el autobús de todos los usuarios. Éste será función del número de paradas existentes entre
la parada de subida (i) y la parada (j) de bajada, la longitud de recorrido y la velocidad de recorrido de
los autobuses.
La velocidad de recorrido de los autobuses se verá influenciada por el volumen de vehículos que
avanzan en el mismo sentido de circulación que los autobuses del transporte colectivo, siendo la
máxima velocidad de recorrido, la velocidad libre de los vehículos correspondiente a un número de
vehículos en circulación tendente a cero.
El coste total de recorrido en los autobuses será

nl p p
[
Cr = γ r * ∑∑∑ tr ,l ,i , j * dl ,i , j ]
l =1 i =1 j =1
j ≠i
El tiempo desde la parada de bajada al destino final, para un usuario con llegada a la zona (z), será la
raíz cuadrada de la relación existente entre el área de dicha zona (z) y el número de paradas (b)
existentes dentro la zona (z) que permiten bajar al usuario desde los autobuses de las líneas que
posibilitan realizar el viaje. (λ y λa son parámetros de ajuste):
a
ta , z = λ + λ a *  
 b z
El coste horario de acceso al destino final desde las paradas de bajada de la totalidad de la demanda
existente (dz), en las (nz) zonas y (nl) líneas, quedará definido por el valor unitario del tiempo de
accesibilidad (γd) y el tiempo promedio de acceso a dicho destino, de todos los usuarios del transporte
público en superficie. La formulación quedará determinada de la siguiente manera:
El tiempo de recorrido de un autobús perteneciente a una línea (l), estará definido por el tiempo en
movimiento del mismo, incluyendo las demoras que tenga el vehículo producidas por los efectos
derivados del tráfico de vehículos o la señalización existente en la circulación posible dentro del
recorrido del autobús, y el tiempo necesario para los autobuses para prestar servicio en todas las
paradas (p) de la línea.
El tiempo de servicio será función del número de paradas existentes entre la primera y la última
parada (p) incluidas en el recorrido de los autobuses.
El tiempo de recorrido en movimiento de los autobuses dependerá de la longitud de los tramos viarios
que forman el recorrido por donde circulan, y su velocidad de recorrido. A su vez, la velocidad de
recorrido dependerá del flujo de vehículos en el sentido de circulación en el avance de los autobuses,
de manera que en una circulación estable, al aumentar el flujo de vehículos, disminuirá la velocidad de
recorrido.
Además, se añadirán los tiempos en los cuales los autobuses estarán parados en las cabeceras extremas
de los recorridos de los autobuses (tc,l), para regular el intervalo del servicio. En este caso, (r) es un
factor representativo del recorrido de la línea (1 si es circular y 2 si es lineal).
De esta manera, el tiempo empleado por los autobuses en la totalidad del recorrido será
nt *r , p  lt ,l 
tr ,l ,1, p = α * r + α b *(r * bl ,1, p ) + α v * ∑  v 
t =1  r ,t ,l 

nt *r , p  lt ,l 
tr ,l ,1, p = α * r + α b *(r * bl ,1, p ) + α v * ∑ 
 v − α * i ρ0


t =1
 0,t ,l 0 t ,l 
El tiempo de funcionamiento del autobús será
nt *r , p  lt ,l 
t f ,l ,1, p = α * r + α b *( r * bl ,1, p ) + α v * ∑  v − α 0 * it ,l
ρ
0
 + r * tc , l

t =1
 0,t ,l 
El coste horario de operación para la totalidad de las líneas existentes (nl) quedará definido por el
valor unitario (γf,l) del coste de funcionamiento de los autobuses en movimiento pertenecientes a
cada línea (l) por el número de autobuses en servicio de cada línea, más unos costes fijos de cada
línea.
El número de autobuses (Nl) en funcionamiento por cada línea dependerá del tiempo total empleado
en el recorrido completo de los autobuses, incluyendo el tiempo en las cabeceras (tc,l) y el intervalo de
los autobuses.
El coste total de operación de los autobuses que forman el sistema de transporte colectivo en
superficie, considerando la dependencia del tiempo de recorrido con el tráfico existente, será
nl
Cb = ∑ γ f ,l * N l + γ c ,l 
l =1
nl  
 t r l p + r * tc , l 
Cb = ∑ γ f ,l *  , ,1,  + γ c ,l 
l =1   hl  
Partiendo de las investigaciones realizadas por Merino y Robusté (1997), el coste total del nivel de
servicio valorará el hecho de poder viajar de pie y la densidad de viajeros que viajan de pie.
El coste de viajar de pie será el valor que da el pasajero a la disyuntiva entre viajar sentado o viajar de
pie, sin considerar en un primer momento la cantidad de viajeros que también viajan de pie.
nl p p
Cvp = γ vp * ∑∑∑ tr ,l ,i , j * dl ,i , j 
l =1 i =1 j =1
j ≠i
Sustituyendo el valor del tiempo de recorrido de los pasajeros dentro del autobús en función de las
variables de tráfico, y γvp es el valor del tiempo de viajar de pie de cada viajero el coste de viajar de
pie será

p  nt , j   
nl p
lt ,l
Cvp = γ vp * ∑∑∑  α + α b * bl ,i , j + α v * ∑    * d l ,i , j 
l =1 i =1 j =1 
 vo − α 0 * it ,l ρ0  
j ≠i   t =i
 ,t ,l  
El nivel de servicio vendrá determinado por la máxima área neta dentro del autobús que podrá ser
ocupada por pasajeros que viajan de pie:
1  ol i j − sl ,i , j 
= max  , , 
lsl ,i , j  amax 
Donde:
lsl,i,j: nivel de servicio (m2/pasajero)

ol,i,j: ocupación promedio de los autobuses (pasajeros)
sl,i,j: número de asientos de un autobús
amax: máxima área neta. Es el área bruta menos el área del conductor, zona de validación o pago de
títulos de transporte, zona de ascenso y de descenso, y zona que ocupan los asientos (m2)
El coste de la densidad de viajar de pie estará definido por el valor unitario del tiempo de viajar con
una máxima densidad de pasajeros de pie, multiplicado por la relación existente entre la densidad de
operación y la densidad máxima permitida de pasajeros de pie, determinada por la empresa de
transporte, que a su vez multiplica al tiempo de recorrido de todos los pasajeros de los autobuses que
estén funcionando:
p   
nl p do l i j
Cdp = γ dp * ∑∑∑  , , ,  * tr ,l ,i , j * dl ,i , j 
j ≠i
  d m ,l
l =1 i =1 j =1   
En el análisis, desde la óptica de la ocupación promedio, el coste de la densidad de viajeros de pie

puede ser expresado de la siguiente manera:
  sl  
  oh ,l ,i , j − h   
  l
 
  lsl ,i , j  
nl i = p    
Cdp = (γ dp − γ vp ) * ∑ ∑     *t
r ,l ,i , j 
l =1 i =1  d m ,l  
/ j =i +1
  
  
  
 
 

Depende del valor del tiempo de viajar de pie con la máxima densidad de viajeros de pie (γdp); del
valor del tiempo de viajar de pie de cada viajero (γvp); de la densidad de operación de la demanda de
pasajeros existentes en una hora (do,l,i,j); de la densidad máxima permisible de viajeros de pie (dm,l); del
tiempo de recorrido de un pasajero que realiza el viaje en un autobús de la línea (l), desde la parada (i)
hasta la (j), en horas (tr,l,i,j); de la ocupación horaria de los autobuses, que realizan el trayecto en un
autobús de la línea (l), desde la parada (i) hasta la (j), (oh,l,i,j); del número medio de asientos de los
autobuses de la línea (sl); del intervalo de los autobuses de la línea (l); del nivel de servicio (lsl,i,j) y del
tiempo de recorrido dentro del autobús.
El coste del nivel de servicio es, como ya se ha explicado, la suma del coste de viajar de pie y el coste
de la densidad de viajar de pie dentro del autobús. Considerando el factor de carga como la relación
entre el número total de viajeros en el autobús (ocupación) y el número de asientos (s) por vehículo
(pasajeros sentados), el coste del nivel de servicio únicamente se considera en aquellos tramos de la
red viaria cuyo factor de carga tenga un valor mayor de 1. Esto significará que únicamente se tendrán
en cuenta en el coste del nivel de servicio los sumandos en los que el factor de carga sea mayor de 1,
es decir, este coste únicamente afectará a los pasajeros que viajen de pie y no tengan la posibilidad de
sentarse por no existir un asiento libre.
Simplificando y partiendo de la hipótesis en la cual el coste unitario de la densidad de viajar de pie es

mayor o igual que el coste de la posibilidad de viajar de pie (γdp>γvp), se pueden agrupar las dos
componentes del coste del nivel de servicio de la siguiente manera:
γ 1 = min {γ vp , γ dp }
γ2 =
max {γ vp , γ dp }
min {γ vp , γ dp }
nl p p   do l i j   
Cs = γ 1 * ∑∑∑  γ 2 *  , , ,  + 1 * tr ,l ,i , j * dl ,i , j 
l =1 i =1 j =1 
  d 
j ≠i 
 m ,l  
Considerando la demanda horaria de pasajeros en el periodo horario:
  sl   
   oh,l ,i , j − h   
  l
  
   lsl ,i , j   
nl i = p    
+o
 
Cs = γ 1 * ∑ ∑ (γ 2 − 1) * 
  
h ,l ,i , j * t r , l ,i , j

l =1 i =1   d m ,l   
/ j =i +1
    
    
    
    
    

la función objetivo de coste del transporte público colectivo en superficie en el periodo de una hora,
para todas las líneas de autobuses que lo forman, y para todos los usuarios de dicho área, será
Z = Ca + Cw + Cr + Cd + Cb + Cvp + Cdp
Para minimizar la función objetivo Z, se calcula el valor del intervalo (hl) de los autobuses de cada
línea, según un total de (nl) líneas, que hacen mínima dicha función:
∂Z
=0
∂hl
Algunos de los costes estudiados no son función del intervalo de los autobuses:
∂Ca ∂Cr ∂Cd ∂Cvp

= = = =0
∂hl ∂hl ∂hl ∂hl
Derivando el coste del tiempo de espera respecto el intervalo (hl) de cada línea (l), se obtiene
∂Cw p p
 1  
= γ w * β h * ∑∑    * d l ,i , j 
∂hl i =1 j =1   k l ,i , j  
∀j ≠ i
∂Cw
=A
∂hl
Derivando el coste de operación de los autobuses respecto el intervalo (hl) de cada línea (l), se obtiene
∂Cb   tr ,l ,1, p + r * tc ,l  
=  −γ f ,l *  
∂hl
2
  hl 
  nt *r , p 
lt ,l   
   α * r + α b * ( r * bl ,1, p ) + α v * ∑  ρ0  + r * tcl   
  
t =1  v0,t ,l − α 0 * it ,l
  
∂Cb    
=  −γ f ,l *  
∂hl   hl2 
   
   

∂Cb B
=−
∂hl
2
hl
Derivando el coste de la densidad de viajar de pie dentro del autobús respecto el intervalo (hl) de cada
línea (l), se obtiene
∂Cdp i= p  sl * tr ,l ,i , j 
∂hl
= γ 1 *(γ 2 − 1) * ∑  2
lsl ,i , j * d m,l * hl 
i =1
/ j =i +1


  nt , j 
lt ,l  
 sl *  α + α b * bl ,i , j + α v * ∑   
∂Cdp i= p    v − α * i ρ0  
 t =i
 0,t ,l  
= γ 1 *(γ 2 − 1) * ∑ 
0 t ,l
∂hl i =1  lsl ,i , j * d m,l * hl

2

/ j = i +1
 
 
 
∂Cdp C
= 2
∂hl hl
Igualando a cero las derivadas parciales anteriores, se obtiene
∂Cw ∂Cb ∂Cdp

+ + =0
∂hl ∂hl ∂hl
B C
A− 2
+ 2
=0
hl h l
El intervalo (hl) de los autobuses de una línea l, que minimiza la función objetivo Z, será
B −C
h0,l =
A

El número de autobuses en funcionamiento de una línea (l) con el intervalo h0,l, que minimiza la
función de costes, será
tr ,l ,1, p + r * tc ,l
Nl =
h0,l
A
Nl = * ( tr ,l ,1, p + r * tc ,l )
B −C
A  nt *r , p 
lt ,l  
Nl = *  α * r + α b * ( r * bl ,1, p ) + α v * ∑  ρ0  + r * tc ,l 
B −C  t =1  v0,t ,l − α 0 * it ,l  
   
La velocidad comercial de los autobuses será
nt , p
r * ∑ lt
vc ,l = t =1
tr ,l ,1, p + r * tc ,l
nt , p
r * ∑ lt
vc ,l = t =1
 nt *r , p 
lt ,l  
 α * r + α b * ( r * bl ,1, p ) + α v * ∑  ρ0  + r * t c ,l 

 t =1  v0, t , l − α 0 * it , l  
Por último, la velocidad de operación de los autobuses será
nt , p
r * ∑ lt
vc ,l = t =1
tr ,l ,1, p + r * tc ,l
nt , p
r * ∑ lt
v p ,l = t =1
 nt *r , p 
lt ,l 
 α * r + α b * ( r * bl ,1, p ) + α v * ∑  ρ0  
 t =1  v0,t ,l − α 0 * it ,l 
Con las expresiones anteriores, puede describirse y optimizarse el servicio de un sistema de autobuses
urbanos en ciudades medianas.

Ec03703c PDF

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Ec03703c PDF

Cargado por

Copyright:

Formatos disponibles

6 Centralización y descentralización 101

6.1 Grado óptimo de descentralización

COSTE TOTAL = A + B N + C N1/2 + D/N + etc.

© Los autores, 2005; © Edicions UPC, 2005

Fig. 6.1. Variación de indicadores logísticos en función de almacenes

Fig. 6.2 Grado óptimo de descentralización

A continuación se expone intuitivamente el porqué de algunas relaciones funcionales indicadas en la

6.2 Stock de seguridad en un sistema descentralizado

© Los autores, 2005; © Edicions UPC, 2005

El stock de seguridad total de este sistema descentralizado, si la demanda de cada almacén es

SSD ≈ N SSi ≈ N K σ(Vi) ≈ N K σ(V)/N1/2 ≈ N1/2 SSC

6.3 Stock activo en un sistema descentralizado

La cantidad de pedido óptima, Q*, como se ha visto, tenía la expresión

© Los autores, 2005; © Edicions UPC, 2005

6.4 Condicionantes de descentralización

Para finalizar esta breve reseña a la descentralización de un sistema de distribución física, a

© Los autores, 2005; © Edicions UPC, 2005

© Los autores, 2005; © Edicions UPC, 2005

7 Caso: Distribución de paquetería

- Delegaciones de ámbito local cuya misión es la de consolidar la carga de la zona de influencia

© Los autores, 2005; © Edicions UPC, 2005

7.1 Formulación del problema

7.1.1 Localización de hubs

© Los autores, 2005; © Edicions UPC, 2005

- Programación matemática basada en el planteamiento primario.

Para resolver el planteamiento entero se han desarrollados muchos algoritmos de ramificación y

© Los autores, 2005; © Edicions UPC, 2005

© Los autores, 2005; © Edicions UPC, 2005

 ∑ (Oi + Di )x1i ∑ (Oi + Di )x2i 

Oi : total de carga que sale del nodo i

Métodos de intercambios heurísticos

© Los autores, 2005; © Edicions UPC, 2005

7.1.2 Estrategias de optimización de rutas

El diseño de rutas de reparto

© Los autores, 2005; © Edicions UPC, 2005

Optimización global de sistemas logísticos

No es mucha la bibliografía existente sobre la optimización global de sistemas de muchos orígenes a

- coste de paradas por unidad transportada =

© Los autores, 2005; © Edicions UPC, 2005

- coste de acarreamiento de inventario por unidad transportada = ch H

La suma de estos cinco términos constituye la función de costes logísticos, en donde:

H: periodo de servicio (tiempo-1)

Otras estrategias de ruta a través de terminales

© Los autores, 2005; © Edicions UPC, 2005

Estrategias de ruta discriminatorias

Retorno de los vehículos

© Los autores, 2005; © Edicions UPC, 2005

Fig. 7.1 Flujograma de diseño de un software de gestión de la paquetería

La figura 7.1 muestra un posible esquema de un software de optimización de la rutas de paquetería. La

© Los autores, 2005; © Edicions UPC, 2005

7.2 Heurístico ad hoc

© Los autores, 2005; © Edicions UPC, 2005

- Se contempla el factor camiones/kilómetro como el objetivo principal a minimizar, y no el

© Los autores, 2005; © Edicions UPC, 2005

El modelo de la red de transporte se implementó informáticamente en un entorno de ordenadores tipo PC,

Los datos de entrada necesarios para el modelo son los siguientes:

- Matriz de flujos de carga entre orígenes y destinos, en peso.

Los tipos de rutas se intentan asignar en el orden siguiente:

© Los autores, 2005; © Edicions UPC, 2005

Con el modelo informático desarrollado se pudieron simular numerosos escenarios de reestructuración de

© Los autores, 2005; © Edicions UPC, 2005

Estos problemas de distribución de paquetería, por su complejidad, son susceptibles de usar

© Los autores, 2005; © Edicions UPC, 2005