IMPLEMENTACION DE MODELO LOGISTICO

PARA EL CONTROL DE LA RED NACIONAL DE

TRANSPORTE DE GNV

Dirigido
Gerente Operaciones
Transportadora de Gas Internacional TGI S.A ESP

Presenta
Amaya Garzón Laura Lisseth
Casanova Díaz Javier Leonardo
Cely Salamanca José Luis
González Barragán Sandra Liliana
Moreno González Kevin Leonardo
Vargas Zapata Jorge Luis

Contenido del Informe

1. Resumen y explicación del modelo propuesto y énfasis en la representación del

mismo.
2. Análisis estadístico
3. Formulación del problema (Red Nacional de Transporte de GNV)
4. Datos estructurado con la opción recomendada por la firma Consultora &
Ingeniería.
5. Conclusiones y recomendación del modelo propuesto.
 RESUMEN
El gerente operacional de la Transportadora de Gas Internacional TGI S.A ESP,
empresa encargada del transporte del GNV entre Cusiana y Bogotá, solicita desarrollar
un modelo logístico que permita, de la mejor manera posible, optimizar el
abastecimiento de GNV en Bogotá, minimizando los costos de inventario y transporte.
EXPLICACION DEL MODELO DE ACUERDO AL TEXTO

El planteamiento del modelo propuesto inicia cuando se toma inicialmente un horizonte

de planificación de los periodos de “T”. En cada período t, el minorista enfrenta una
demanda no negativa dado por dt, mientras que a capacidad de producción del
fabricante en el periodo t es igual a b t.
Se considerara un total de L niveles, que incluye el fabricante, el minorista y los
almacenes intermedios L - 2. Es decir que el fabricante está en el primer nivel de la
cadena, y el minorista está en el nivel Lth.
Cada uno de los niveles intermedios corresponde a un almacén. Sea ℝ+ el conjunto de
números reales no negativos. Para cada período t = 1,…, T, los costos de producción
son dados por la función pt: ℝ+ → ℝ+ (ℓ= 1,…., L-1), los costos de transporte desde
nivel ℓ a nivel ℓ +1 son dados por el función c ℓt: ℝ+ → ℝ+ (ℓ= 1, …., L-1)y el inventario
manteniendo los costos a nivel ℓ son dados por la función h ℓt : ℝ+ →ℝ+ (ℓ= 1, …., L-1)
En el modelo, asumirá que todas las funciones de coste son cóncavas, no decrecientes,
e igual a cero cuando su argumento es cero. El MLSP-PC (Problema de
dimensionamiento de lotes multinivel con capacidades de producción) puede formularse
así:

Donde yt denota la cantidad producida en el período t, x ℓ t es la cantidad enviada desde

el nivel ℓ al nivel ℓ +1 en período t, y I ℓt denota la cantidad de inventario a nivel ℓ al final
del período t. Las restricciones (1) - (3) del modelo son balanceadas en la entrada,
almacenamiento y salida del fabricante, almacén y minorista, respectivamente, en cada
período. La cantidad de producción en cada periodo está restringida por restricciones
(4).
Finalmente, las restricciones (5) indican que todos los niveles iniciales de igual a cero. A
diferencia de lo que sucede en el modelo de gran tamaño, esto no es una suposición de
lo que pueda hacer sin pérdida de generalidad.
Los algoritmos desarrollados pueden ser aplicados en un esquema de horizonte
rodante, en el que las instancias se resuelven y sus soluciones óptimas, parcialmente
implementadas a medida que avanza el tiempo y los nuevos pronósticos de demanda
están disponibles. Por conveniencia, vamos a definir d ts para ser la acumulativa
demanda en los períodos t,….,s, es decir:

Para asegurar la viabilidad de (P), asumiremos que la demanda acumulada en los

primeros períodos t no puede exceder la capacidad de producción total en estos
períodos, es decir.

Es fácil ver que esta condición es tanto necesaria y suficiente para que (P) tenga un
valor no vacío factible en la región. También podemos modelar el MLSP-PC como un
capacitado problema de flujo de red de costo mínimo en una red con una sola. Con este
fin, definimos una red con una sola fuente 0, T nodos de transbordo (1, t) a nivel de
producción (nivel 1, t = 1,…., T), transbordo T nodos (ℓ ,t) en cada uno de los niveles de
almacén (t = 1,…,T; ℓ = 2,…., L-1), y T nodos de demanda (L, t) con demanda dt en el
nivel minorista (nivel L, t = 1,…,T). Por último, la viabilidad dicta que la fuente el nodo 0
tiene un suministro de unidades d1T. La figura 1 ilustra la representación en red del
MLSP-PC para L = 3 y T=4.
 PRESENTACION
En Consultora & Ingeniería brindamos soluciones a empresas para generar
optimización y crecimiento a la compañías de acuerdo a sus necesidades y rol
desempeñado en cada uno de las áreas especializadas.
Contamos con un excelente grupo humano, el cual nos distingue y a quien se capacita
en forma permanente a fin de estar actualizado en las más recientes innovaciones
tecnológicas.
ANALISIS ESTADÍSTICO DE LOS DATOS

Serie de tiempo demanda según año

8000
7000
6000
5000
4000
3000
2000
1000
0
2002

2004

2005

2006

2008

2009

2011

2012

2014

2015
2001

2003

2007

2010

2013
Graficando la demanda por años presenta una tendencia (a largo plazo) creciente, en
donde año tras año existe una variación porcentual positiva con respecto al año
anterior. Esta información a priori nos permite determinar que una Regresión Lineal
puede ser un método estadístico apropiado para el pronóstico de los meses del año
2016.
Adicionalmente se calculó el peso porcentual de cada uno de los meses con respecto al
total del año, como se muestra en la siguiente gráfica:

Los pesos porcentuales de los meses por cada uno de los años son muy homogéneos,
lo que nos permite con concluir que el promedio de los pesos por mes de los 15 años
multiplicado por el pronóstico anual de la demanda nos determinara el pronóstico mes a
mes para el año 2016.
La regresión lineal de la demanda generó un R 2= 0,99 % siendo un grado de asociación
alto entre la variable demanda y la variable años.
Ecuación de la regresión:
-335319,571428571+año *169,846153846154
Fórmula para el pronóstico del mes:
(-335319,571428571+año *169,846153846154)*peso porcentual del mes

Serie de tiempo Demanda según mes del año

1400
1200
1000
800
600
400
200
0
01-200103-200205-200307-200409-200511-200601-200803-200905-201007-201109-201211-201301-201503-2016
Se calculó la demanda con la formula anterior para el año 2015 y pronostico del 2016,
para que visualmente se verificara el ajuste de lo pronosticado vs lo real en el año 2015.
En la gráfica en color rojo para el año 2015 se visualiza el ajuste y para el 2016 lo
pronosticado.
Adicionalmente, se visualiza que la serie presenta estacionalidad en los meses del año
con un patrón similar a través del tiempo.

Serie de tiempo Producción según mes del año

1000
900
800
700
600
500
400
300
200
100
0
01-200103-200205-200307-200409-200511-200601-200803-200905-201007-201109-201211-201301-201503-2016

Para la serie de tiempo de producción se utilizó la misma metodología para determinar

el pronóstico para los meses del año 2016.

Ecuación de la regresión:
(-434721,066666667+año*219,7)
Fórmula para el pronóstico del mes:
(-434721,066666667+año*219,7)*peso porcentual del mes