DESARROLLO DE UN PLAN DE ELECTROMOVILIDAD PARA

UNA RED DE ESTACIONES DE CARGA PARA VEHÍCULOS

ELÉCTRICOS EN EL ÁREA METROPOLITANA DE TEMUCO

EVELYN IGNACIA AVILÉS PACHECO

YARITZA NICOLE VALLEJOS BURDILES

Anteproyecto presentado a la Facultad de Ingeniería de la Universidad Católica de Temuco

Para optar al Título de Ingeniero Civil Industrial, Licenciado de Ciencias de la Ingeniería
Temuco, Chile

2019
Tabla de Contenido

Capítulo 1. Antecedentes Generales.................................................................................................... 5

1.1. Oportunidades ........................................................................................................................ 5

1.2. Objetivos ................................................................................................................................ 6

1.2.1. Objetivo general.............................................................................................................. 6

1.2.2. Objetivos específicos ...................................................................................................... 6

Capítulo 2. Revisión Bibliográfica ...................................................................................................... 7

2.1. Vehículos eléctricos ............................................................................................................... 7

2.1.1. Carga de vehículos eléctricos ......................................................................................... 8

2.2. Penetración de vehículos eléctricos ........................................................................................ 8

2.2.1. Modelos de estimación de demanda ............................................................................... 9

2.3. Ubicación de instalaciones ................................................................................................... 10

2.3.1. Decisiones sobre la ubicación de instalaciones ............................................................ 10

2.3.2. Ubicación de instalaciones de servicio ......................................................................... 10

2.3.3. Métodos de ubicación de instalaciones ......................................................................... 11

2.3.4. Estado del arte .............................................................................................................. 13

Capítulo 3. Propuesta metodológica.................................................................................................. 15

3.1. Descripción general .............................................................................................................. 15

3.2. Línea investigativa ............................................................................................................... 15

3.2.1. Proyección del parque vehicular de Temuco y Padre las Casas ................................... 15

3.2.2. Determinación del parque vehículos eléctricos ............................................................ 16

3.2.3. Construcción de red de electromovilidad ..................................................................... 16

3.2.4. Desarrollo de algoritmo matemático ............................................................................ 17

2
 3.2.5. Análisis de costos de instalación de estaciones de carga .............................................. 18

3.3. Enfoque de la investigación ................................................................................................. 20

3.4. Población de estudio............................................................................................................. 20

3.5. Fuentes de información ........................................................................................................ 20

3.6. Métodos ................................................................................................................................ 20

3.7. Área de estudio ..................................................................................................................... 21

Capítulo 4. Resultados, alcances y limitaciones................................................................................ 22

4.1. Resultados esperados ............................................................................................................ 22

4.2. Alcances y/o limitaciones de la propuesta............................................................................ 22

Capítulo 5. Cronograma .................................................................................................................... 22

Bibliografía ....................................................................................................................................... 24

3
Índice de Figuras

Figura 1. Línea investigativa ............................................................................................................. 19

Figura 2. Carta Gantt. ........................................................................................................................ 23

4
Capítulo 1. Antecedentes Generales

1.1. Oportunidades

El Ministerio de Energía (2016) ha establecido dentro de sus lineamientos mejorar la eficiencia

energética de los vehículos y de su operación. Considerando dentro de sus metas al 2035 la
aplicación de estándares de eficiencia energética para el parque de vehículos nuevos livianos. La
implementación de medidas que fijen estándares mínimos de consumo energético y/o estándares
máximos de emisiones de gases de efecto invernadero (GEI) a los vehículos que ingresan al
mercado, junto con el impulso y promoción de medidas que incentiven la llegada de tecnologías
más eficientes al mercado nacional, permitiría que el parque vehicular en promedio, disminuya su
dependencia a combustibles importados, baje su consumo de energía y consecuentemente reduzca
las emisiones de GEI (Ministerio de Energía, Ministerio de Transportes y Telecomunicaciones, &
Ministerio del Medio Ambiente, 2016).

Los vehículos eléctricos brindan al país una interesante oportunidad para alcanzar las metas
descritas. Según datos entregados por la Asociación Nacional Automotriz de Chile, en el año 2017
se comercializaron 137 vehículos eléctricos a batería e híbridos con recarga exterior. Para el 2018
las ventas superaron las del año anterior con 197 unidades vendidas (ANAC, 2019). Las cifras
demuestran el progresivo aumento de los vehículos eléctricos en el mercado nacional, razón por la
cual el desarrollo de infraestructura de carga para este tipo de vehículos se torna relevante.
Actualmente Enel Distribución Chile cuenta con 31 estaciones de carga eléctrica, 23 de ellas
operativas en la Región Metropolitana, 6 en la Región de Valparaíso, 1 en la Región del Libertador
Gral. Bernardo O´Higgins y 1 en la Región del Bío Bío. Por otro lado, Voltex Copec que ofrece un
sistema de carga rápida gratuita, cuenta con 3 estaciones de recarga ubicadas estratégicamente en
Vitacura, Pudahuel y Viña del Mar, lo que implica que un automóvil eléctrico puede recorrer las
distancias desde Santiago a la V Región sin presentar problemas de suministro.

Tomando en cuenta que la Estrategia Nacional de Electromovilidad impulsada por el

Ministerio de Energía (2017) plantea como objetivo al 2050 que el 40% de los vehículos
particulares sean eléctricos, y en consideración del interés de las autoridades de la Región de la
Araucanía con empresas asociadas al trasporte y distribución de energía de promover el uso del
transporte eléctrico, surge la importancia de acondicionar la IX Región para la llegada de este tipo
de vehículos. El estudio temprano del crecimiento del mercado automotor eléctrico permitirá

5
planificar oportunamente el desarrollo de infraestructura de carga para vehículos eléctricos en el
Área Metropolitana de Temuco.

1.2. Objetivos

1.2.1. Objetivo general

Proponer un plan de electromovilidad para una red de estaciones de carga para vehículos
eléctricos en el Área Metropolitana de Temuco.

1.2.2. Objetivos específicos

1. Estimar el potencial crecimiento del mercado de vehículos eléctricos.

2. Desarrollar un algoritmo matemático que optimice la localización de estaciones de carga para

vehículos eléctricos.

3. Determinar los costos de instalación de estaciones de carga con acceso público.

6
Capítulo 2. Revisión Bibliográfica

2.1. Vehículos eléctricos

Los vehículos eléctricos utilizan la electricidad como elemento motor de propulsión, a diferencia
de los vehículos de combustión interna que emplean combustibles fósiles. Los vehículos pueden ser
parcial o completamente eléctricos, y existen diferentes tipos: los vehículos híbridos
convencionales, los vehículos híbridos con recarga exterior y los vehículos eléctricos a batería,

Los vehículos híbridos convencionales, en estricto rigor, no son vehículos eléctricos, más bien
son vehículos electrificados. Este tipo de vehículo combina un sistema eléctrico con un motor de
combustión interna. Esta combinación puede priorizar el uso del sistema eléctrico o de la
combustión del motor. En cualquier caso, la energía cinética del vehículo es transformada en
electricidad para cargar la batería, un proceso conocido como frenado regenerativo (Gómez-Gélvez
et al., 2016, pág. 5).

Los vehículos híbridos con recarga exterior tienen un motor de combustión interna y un motor
eléctrico, cuyas baterías pueden ser recargadas enchufando el vehículo a una fuente externa de
energía eléctrica, o a través de su propio motor de combustión interna. A diferencia de los vehículos
híbridos convencionales, este tipo de vehículo posee un motor eléctrico más potente y, por lo tanto,
pueden operar una mayor cantidad de tiempo en modo únicamente eléctrico. El rango de autonomía
eléctrica varía entre 18 y 160 km. Algunos de los vehículos híbridos con recarga exterior presentes
en el mercado nacional son: Mitsubishi Outlander, Mercedes Benz Gle, Porsche Cayenne, Volvo
XC60, Volvo XC90, BMW I8 y BMW 330E (Ministerio de Energía, 2018, pág. 6) (EBP Chile,
2018, pág. 56) (ANAC, 2019).

Por su parte, los vehículos eléctricos a batería basan su principio de funcionamiento en un

motor eléctrico y baterías recargables, sin apoyo de motor de combustión. Su recarga se realiza
mediante una conexión externa de electricidad. El rango de autonomía de conducción varía
ampliamente entre 80 y 250 km, dependiendo de la capacidad de energía de la batería, la cual
generalmente varía entre 20 y 55 kWh. Entre los vehículos totalmente eléctricos más vendidos a
nivel nacional se encuentran: Nissan Leaf, Hyundai Ioniq Electric, Renault Kangoo ZE, Peugeot
Partner y Citroen Berlingo (Gómez-Gélvez et al., 2016, pág. 6) (ANAC, 2019).

7
 2.1.1. Carga de vehículos eléctricos

La carga de los vehículos eléctricos puede ser de tres modos: modo 1, modo 2 y corriente
continua. El modo de carga 1 se refiere a conectar el vehículo a una toma corriente de 120 voltios
del hogar o del lugar de trabajo. Su costo es de 800 a 1.000 dólares estadounidenses y no requiere
procedimientos de instalación, siempre y cuando el enchufe se encuentre cerca del lugar de
estacionamiento. Este modo de carga es la manera más lenta de cargar un vehículo eléctrico. Por
cada hora de carga proporciona de 4 a 8 km de rango de conducción aproximados. En consecuencia,
cargar completamente un vehículo eléctrico con una autonomía de 135 km, como el Nissan Leaf,
tardaría por lo menos 17 horas. Este tiempo tan largo hace que el modo de carga 1 sea
especialmente adecuado para las áreas donde el automóvil permanece varias horas estacionado,
como las áreas residenciales o de trabajo (Gómez-Gélvez et al., 2016, pág. 7).

El modo de carga 2 utiliza tomas de corriente de 240 voltios, los cuales también pueden ser
encontrados en los hogares o en lugares de trabajo. Este modo de carga necesita un cargador (caja
de pared o tipo poste), cuyo costo oscila entre los 1.500 y 2.000 dólares estadounidenses. El modo
de carga 2 proporciona aproximadamente 20 km de rango de conducción por cada hora de carga.
Esto implica que cargar completamente un vehículo con un rango de autonomía de 135 km, tomaría
aproximadamente 7 horas. Este modo de carga es adecuado para áreas residenciales, de trabajo o
estaciones de carga públicas (Gómez-Gélvez et al., 2016, pág. 7).

Los cargadores de corriente continua son también denominados cargadores rápidos, debido a la
rapidez en la carga de un vehículo eléctrico. Este tipo de estaciones opera a 480 voltios y permite
entregar una velocidad de carga de más de 50 km de rango de conducción por un período de 10
minutos de carga. Lo anterior implica que un vehículo eléctrico que posea un rango de autonomía
de 135 km, tardaría menos de 30 minutos en realizar la carga completa. Las estaciones de carga
continua son utilizadas principalmente en lugares públicos, y su costo se encuentra entre los 50.000
y 80.000 dólares estadounidenses (Gómez-Gélvez et al., 2016, pág. 7).

2.2. Penetración de vehículos eléctricos

El mercado de los vehículos eléctricos ha presentado una tendencia creciente a nivel mundial.
Si bien, en Chile la incorporación de este tipo de tecnologías ha tenido una lenta penetración en
comparación con otros países, el gobierno ha impulsado diversas estrategias que contribuyen a la
masificación del parque vehicular eléctrico, lo que ha generado que en el último tiempo se

8
incremente de forma importante su participación en el mercado nacional. Es por esta razón que es
fundamental conocer el comportamiento de este mercado en el futuro, de tal manera que se
establezcan las condiciones necesarias para asegurar su desarrollo.

La amplia variedad de alternativas metodológicas para estimar el comportamiento futuro de

ciertas variables de un proyecto insta al analista a considerar un conjunto de elementos de cada
técnica, con el objetivo de seleccionar y aplicar de manera acertada el método que mejor se ajuste a
cada situación.

2.2.1. Modelos de estimación de demanda

Las técnicas de estimación de demanda se pueden clasificar en función de su carácter, es decir

aplicando métodos de carácter cualitativo, modelos causales y modelos de series de tiempo.

Métodos cualitativos

Los métodos de carácter cualitativo se basan en los juicios subjetivos de expertos. La

aplicación de este tipo de modelo ocurre cuando el tiempo para elaborar el pronóstico es escaso,
cuando no se cuenta con todos los antecedentes necesarios o cuando los datos disponibles no son
confiables para predecir algún comportamiento futuro. El método de Delphi es el más conocido de
esta clasificación (Sapag & Sapag, 2008, págs. 90-91).

Modelos causales

En los modelos causales el mercado se proyecta de acuerdo a antecedentes cuantitativos

históricos, por lo que se supone que los factores condicionantes del comportamiento histórico de las
variables del mercado permanecen estables. Por lo tanto, se construye un modelo que relacione ese
comportamiento con las variables causantes de los cambios que se visualizan en el mercado. Los
modelos causales de mayor uso son el modelo de regresión, el modelo econométrico y el método de
los coeficientes técnicos (Sapag & Sapag, 2008, págs. 91-96).

Modelos de series de tiempo

Los modelos de series de tiempo se emplean cuando el comportamiento del mercado en el

futuro se puede determinar en base a lo sucedido en el pasado, considerando que se cuente con la

9
información histórica de forma confiable y completa. La finalidad de la identificación de la
información histórica es obtener un patrón básico en su comportamiento que permita la proyección
de la variable deseada. En este tipo de modelo se pueden distinguir cuatro componentes básicos, los
cuales se refieren a una tendencia, un factor cíclico, fluctuaciones estacionales y variaciones no
sistemáticas (Sapag & Sapag, 2008, págs. 90-103).

2.3. Ubicación de instalaciones

La existencia de una red de estaciones de carga se considera crucial para que la movilidad
eléctrica se desarrolle puesto que minimiza la ansiedad de autonomía, es decir, la preocupación del
conductor, de si el vehículo le permitirá alcanzar su destino. Por lo tanto, un elemento importante al
diseñar un plan de electromovilidad es la ubicación de las estaciones de carga. A continuación se
estudian las metodologías empleadas en la determinación de la ubicación de instalaciones.

2.3.1. Decisiones sobre la ubicación de instalaciones

La ubicación de instalaciones fijas a lo largo de la red de la cadena de suministros representa

para la mayoría de las empresas un problema importante de decisión y planeación estratégica. A
menudo las decisiones de localización dependen del tipo de negocio. Para las decisiones de
ubicación del sector industrial, el objetivo central considera principalmente la minimización de los
costos, mientras que en los análisis de ubicación de instalaciones de servicio la estrategia se enfoca
en la maximización de los ingresos. Esto se debe a que los costos fijos de las empresas de
manufactura varían significativamente entre localizaciones. Mientras que en las empresas de
servicio la localización genera mayor impacto en el ingreso que en el costo (Heizer & Render, 2004,
pág. 311).

2.3.2. Ubicación de instalaciones de servicio

Los centros de servicio con frecuencia incluyen instalaciones como: centros de urgencia
médica, cajeros automáticos, centros de reciclado, estaciones de policía e instalaciones de
mantenimiento. Los análisis de ubicación para estos puntos deben ser muy sensibles ante factores
como: proximidad a la competencia, estructura de población, patrones de tráfico de clientes,
cercanía con puntos de venta complementarios, disponibilidad de estacionamiento y proximidad a
rutas adecuadas de transporte. Al respecto, las decisiones de localización mantienen una relación

10
directa con las decisiones de selección de mercados. En definitiva, si el mercado objetivo son los
grupos de niveles socioeconómicos altos, las ubicaciones en sectores periféricos de la ciudad no
resultan una alternativa conveniente para los inversionistas. Con frecuencia, la accesibilidad al
sector representa un factor determinante de ubicación para el caso de plantas de operación de
servicios, en especial cuando el ingreso y los costos no pueden ser determinados con facilidad. No
obstante, la ubicación de más de una instalación implica la necesidad de contemplar las fuerzas
competitivas, la división de la demanda entre instalaciones, los efectos de consolidación de
inventarios y los costos de instalación (Chase et al., 2009, pág. 394) (Ballou, 2004, págs. 551-587).

2.3.3. Métodos de ubicación de instalaciones

La ubicación de instalaciones debe ser escogida cuidadosamente para garantizar la

accesibilidad de los usuarios al servicio. Con frecuencia se utilizan tres métodos matemáticos de
ubicación: métodos exactos, métodos heurísticos y métodos de simulación.

Métodos exactos

La ubicación de instalaciones de servicio puede ser seleccionada de manera eficiente mediante

la aplicación de métodos de optimización. En general, este tipo de modelos buscan una solución
matemática óptima para los problemas de ubicación, o una solución de precisión conocida. El
método de programación lineal entera representa la metodología más prometedora de esta categoría.
Sus principales beneficios asociados son su capacidad para manejar costos fijos de manera óptima,
y la asignación de demanda a través de la red, que es el centro de dicho método (Ballou, 2004, págs.
563-569).

En los modelos de programación lineal aplicados a la ubicación de instalaciones, las demandas

regularmente se encuentran en nodos y las posibles instalaciones se encuentran en un conjunto
acotado de ubicaciones. Los principales modelos presentes en la literatura son los de tipo covering-
based y median-based.

Los modelos tipo covering se basan en una distancia de cobertura crítica o tiempo de respuesta,
para el cual una instalación puede atender la demanda. Siguiendo la taxonomía utilizada por Daskin
(2008) dentro de esta clasificación se distinguen los siguientes modelos:

11
  Set-covering: Buscan un número mínimo de instalaciones necesarias para cubrir toda la
demanda.

 Max-covering: Maximizan la cobertura de demanda dado un número fijo de instalaciones.

 P-center: Establecen la cobertura mínima necesaria para cubrir toda la demanda, dado un
número finito de instalaciones.

Los modelos median-based buscan minimizar la distancia promedio (costo o tiempo promedio)
entre un nodo de demanda y la instalación a la que se asigna. Se distinguen principalmente dos tipos
de modelos:

 P-median: Buscan localizar un número fijo de instalaciones dentro del conjunto de

candidatos para asignar la demanda a cada uno de ellos, con el objetivo de minimizar la
distancia promedio de cada nodo de demanda a su instalación más cercana.

 Fixed-charge: Buscan minimizar el costo total.

La programación lineal tiene gran atractivo como metodología, sin embargo los modelos
anteriormente descritos poseen como desventaja común largos tiempos de solución y amplios
requerimientos de memoria para manejar problemas a gran escala. No obstante, técnicas como la
descomposición de problemas de múltiples productos, en tantos problemas como productos existan,
han permitido eliminar partes irrelevantes para la solución, con objeto de lograr tiempos de
ejecución y requerimiento de memoria aceptables (Ballou, 2004, pág. 565).

Métodos heurísticos

Algunos problemas de optimización son tan complejos que resulta imposible resolverlos y
encontrar una solución óptima con métodos exactos. En tales casos, los métodos heurísticos se usan
para buscar una buena solución factible. Las heurísticas permiten obtener soluciones adecuadas a
partir de numerosas alternativas. Aunque los métodos heurísticos no garantizan la obtención de una
solución óptima, manejan una buena representación de los aspectos generales del problema y una
aproximación satisfactoria para la ubicación de instalaciones (Ballou, 2004, pág. 573).

Los algoritmos genéticos han sido populares como metodología para resolver el problema de
ubicación. Este tipo de heurística se basa en la selección y evolución natural. Inicialmente se genera
una cadena de genes al azar, que representa una solución, conocida en genética como cromosoma.

12
La población inicial evoluciona en nuevas generaciones a través de un proceso de iteración, donde
la aptitud de cada cromosoma o solución se mide a través de una función de ajuste (equivalente a la
función objetivo). Los mejores cromosomas son utilizados para la descendencia de la siguiente
generación. De esta forma se continúa iterando un número finito de veces generando poblaciones
mejoradas de cada iteración cercanas a la solución óptima (Hillier & Lieberman, 2010, págs. 589-
590).

Una de las ventajas que poseen los métodos heurísticos, es que contribuyen a reducir el tiempo
promedio de búsqueda de una solución. Sin embargo una de las principales limitaciones es que
requieren elaborados conocimientos técnicos del usuario para resolverlos.

Métodos de simulación

Los métodos de simulación permiten evaluar el impacto de la configuración de variables sobre

características de operación elegidas. Este tipo de modelos permiten evaluar diferentes alternativas
de ubicación de instalaciones por medio de tanteos (ensayo y error). En tanto que los modelos
algorítmicos buscan el mejor número, ubicación y tamaño de las instalaciones, un modelo de
simulación intenta encontrar la mejor red dadas diferentes opciones de capacidad y patrones de
asignación (Ballou, 2004, pág. 570).

Las descripciones precisas de la realidad son el principal atributo de los modelos de

simulación. Sin embargo los requerimientos de información masiva y los largos tiempos de
ejecución representan un problema para esta metodología (Ballou, 2004, pág. 572).

2.3.4. Estado del arte

El problema de maximización de cobertura, ha sido objeto de numerosos estudios. Introducido

por Church & Revelle (1974), el modelo max-covering está enfocado en maximizar la cobertura de
la demanda dado un número predefinido de instalaciones. Su formulación considera un conjunto
discreto de puntos de demanda, a los cuales se les puede asignar una ponderación de acuerdo a las
condiciones del problema, y un conjunto discreto de ubicaciones candidatas en las cuales se decide
abrir o no una instalación.

En base a lo realizado por Church & Revelle (1974), Caro & Paralera (2011) realizaron una
propuesta para la localización de áreas de servicio y descanso adaptadas al transporte de mercancías

13
peligrosas mediante un modelo de programación lineal aplicado al territorio español. El estudio
analiza la cobertura actual de demanda que entregan los estacionamientos existentes y propone un
modelo de localización de máxima cobertura para determinar la ubicación de áreas que permitan
cubrir el mayor número de vehículos que trasporten mercancías peligrosas. Los resultados indican
que con un total de 19 áreas de servicio se puede cubrir hasta un 98,39% de toda la demanda en el
territorio español.

En el estudio desarrollado por Segura et al. (2014) se llevó a cabo la optimización de la red de
distribución de leche para la máxima cobertura de demanda en Chihuahua, México, mediante la
aplicación de un modelo de programación lineal entera mixta. Se analiza el caso de estudio de la
empresa LICONSA para mejorar su sistema actual de distribución. El modelo aplicado, localiza un
número de centros de distribución que permiten maximizar los puntos de demanda cubiertos,
considerando la intensidad de la demanda en cada municipio y la distancia de cobertura. Los
resultados demostraron que la ubicación de las instalaciones definida permitió abarcar la totalidad
de la demanda de la localidad.

De manera similar, el trabajo de Frade et al. (2011) presenta un estudio sobre la ubicación de
estaciones de carga de vehículos eléctricos en un área de Lisboa, Portugal. La metodología utilizada
se basa en un modelo de programación lineal entera mixta de máxima cobertura que permite
determinar, para un número dado de instalaciones, las ubicaciones que maximizan la demanda
dentro de una distancia aceptable. El modelo fue aplicado teniendo en cuenta la cantidad total de
estaciones a ubicar en la ciudad de Lisboa, previamente definidas por el Gobierno de Portugal de
acuerdo al Programa para la Movilidad Eléctrica. Sus resultados indican que fue posible definir la
ubicación de las estaciones de carga dando cobertura total a la demanda estimada.

14
Capítulo 3. Propuesta metodológica

3.1. Descripción general

El alcance de la investigación es de carácter exploratorio, ya que se cuenta con escaza

información, debido a la lenta penetración de la movilidad eléctrica en el país, por lo que se busca
conocer el contexto respecto a la infraestructura de carga de vehículos eléctricos con el fin de
proponer un plan de electromovilidad para el Área Metropolitana de Temuco. Para llevar a cabo el
estudio, se utilizarán métodos de estimación de demanda y modelos de optimización, a partir de
datos cuantitativos que se obtendrán de las bases de datos de organismos públicos estatales.
Finalmente se evaluarán los costos asociados a la instalación de estaciones de carga con acceso
público.

3.2. Línea investigativa

La línea investigativa se compone de 5 fases, subdivididas en un total de 9 etapas. Las fases

propuestas corresponden a: proyección del parque vehicular de Temuco y Padre las Casas,
determinación del parque de vehículos eléctricos, construcción de red de electromovilidad,
desarrollo de algoritmo matemático y análisis de costos de la instalación de estaciones de carga.

3.2.1. Proyección del parque vehicular de Temuco y Padre las Casas

Se realizará un levantamiento de información del parque de vehículos particulares en

circulación para las comunas de Temuco y Padre las Casas, y otras variables de interés a partir de
las bases de datos de organismos públicos estatales, que permitan efectuar los pronósticos
correspondientes a la siguiente etapa.

Los datos obtenidos, serán proyectados a largo plazo a través de modelos de series de tiempo
(promedios móviles, suavizamiento exponencial y proyección de tendencias) y modelos causales
(regresión lineal). Una vez desarrollados los modelos en Microsoft Excel, se seleccionará la
proyección que presente menor error de pronóstico.

De esta fase se obtendrá la cantidad de vehículos particulares en el Área Metropolitana de

Temuco para el año 2030.

15
 3.2.2. Determinación del parque vehículos eléctricos

Una vez realizada la proyección, se analizará la penetración de vehículos eléctricos en el

mercado. Dado que no existe una estadística histórica que permita proyectar su evolución, se
calculará un escenario de inserción vehicular anual en base al escenario planteado por la Estrategia
Nacional de Electromovilidad impulsada por el Ministerio de Energía (2017), que propone un 40%
de la flota de vehículos particulares serán eléctricos al 2050.

Esta fase entregará la cantidad de población objetivo, es decir vehículos eléctricos en el Área
Metropolitana de Temuco.

3.2.3. Construcción de red de electromovilidad

Para efectos de esta investigación, el Área Metropolitana de Temuco, compuesta por 2

comunas, se sectoriza en 8 macrozonas: Centro, Oriente, Nor poniente, Centro poniente, Sur
poniente, Sur, Poniente y Norte. Estos sectores corresponden a la macrozonificación utilizada por la
Secretaría de Transporte (SECTRA) del Ministerio de Transporte (MTT) en la Encuesta de Origen
Destino; encuesta que recoge los patrones de uso y distribución de vehículos y de los viajes en la
ciudad. Utilizando esa subdivisión territorial, se conocerá la distribución del parque de vehículos
eléctricos por sector para cada año a partir de los datos más recientes de distribución de hogares por
categoría de ingreso por macrozona (2014), disponibles en las bases de datos de la Secretaría de
Transporte (SECTRA).

Tras obtener las dimensiones de la población objetivo, se seleccionarán los posibles lugares
para instalar estaciones de carga, considerando instalaciones de acceso público masivo de estadía
superior a 30 minutos como centros comerciales, supermercados, parques o universidades.
Adicionalmente se calcularán las distancias entre los puntos seleccionados, expresada como la
longitud de las calles que los conectan entre sí.

De esta fase se obtendrá la intensidad de la demanda en cada macrozona y las distancias entre
los posibles puntos de la red de electromovilidad del Área Metropolitana de Temuco.

16
 3.2.4. Desarrollo de algoritmo matemático

Se formulará un modelo de ubicación de cobertura máxima mediante programación lineal

entera, considerando como objetivo maximizar el número de vehículos eléctricos atendidos dentro
de la distancia de servicio deseada. De acuerdo con Church & Revelle (1974) la formulación
matemática de este problema se puede expresar de la siguiente manera:

Maximizar:

𝑧 = ∑ 𝑎𝑖 𝑦𝑖
𝑖∈𝐼

Sujeto a:

∑ 𝑥𝑗 ≥ 𝑦𝑖 ∀𝑖 ∈ 𝐼
𝐽∈𝑁𝑖

∑ 𝑥𝑗 = 𝑝
𝑗∈𝐽

𝑥𝑗 = (0,1) ∀𝑗 ∈ 𝐽

𝑦𝑖 = (0,1) ∀𝑖 ∈ 𝐼

Donde:

𝐼 = denota el conjunto de nodos de demanda;

𝐽 = denota el conjunto de instalaciones;

𝑆 = distancia a partir de la cual un nodo de demanda se considera no cubierto (el valor

de 𝑆 se puede elegir de manera diferente para cada nodo de demanda, si se desea);
𝑑𝑖𝑗 = distancia más corta desde el nodo 𝑖 al nodo 𝑗;

𝑥𝑗 = variable de decisión que toma el valor de 1 si la instalación se ubica en el sitio

candidato y 0 en caso contrario;

𝑦𝑖 = variable de decisión que toma el valor 1 si el nodo de demanda se cubre y 0 de lo

contrario;

17
 𝑁𝑖 = conjunto de sitios candidatos para proporcionar cobertura al nodo de demanda 𝑖;

𝑎𝑖 = intensidad de la demanda en el nodo 𝑖;

𝑝 = número de instalaciones a ubicar.

Posteriormente se correrá el modelo en el software LINGO. La solución del problema

especificará la cantidad máxima de vehículos eléctricos que pueden ser atendidos y las instalaciones
que lograrán la cobertura máxima.

Esta fase proporcionará el número de instalaciones que conformarán la red de

electromovilidad del Área Metropolitana de Temuco.

3.2.5. Análisis de costos de instalación de estaciones de carga

Se determinará la capacidad instalada mínima del conjunto de estaciones de carga que

conforman la red de electromovilidad. De acuerdo con Akbari et al. (2018) el consumo diario de
energía de los vehículos eléctricos 𝑊, se calcula en base a la siguiente ecuación:

𝑊 = 𝑃𝑎𝑣 𝑁(𝑡)𝑁𝑎𝑣

donde 𝑃𝑎𝑣 es el consumo promedio de energía de los vehículos eléctricos, 𝑁(𝑡) es el número de
vehículos eléctricos que se estiman para el tiempo y área dados, y 𝑁𝑎𝑣 es el número promedio de
ciclos de carga en un día. 𝑃𝑎𝑣 se calcula como se indica a continuación:

𝑃𝑎𝑣 = 𝑝 ∙ 𝑟

donde 𝑝 es el consumo de energía de un vehículo eléctrico, y 𝑟 es la distancia promedio que el

usuario viaja por día.

Los datos obtenidos de las etapas preliminares (número de instalaciones que conformarán la
red y consumo diario de energía de los vehículos eléctricos) se llevarán a unidades monetarias, con
el fin de determinar los costos asociados a la instalación de cargadores para vehículos eléctricos.

Una vez desarrollado el plan de electromovilidad, se podrán llevar a cabo los análisis y
conclusiones del trabajo de investigación.

A continuación se presenta un diagrama con la línea metodológica expuesta anteriormente.

18
 Proyectar el Etapa 1: Levantar
parque vehicular información del parque de
de Temuco y vehículos en circulación y
Padre las Casas otras variables de interés

Etapa 2: Desarrollar
Cantidad de
pronósticos y seleccionar la
vehículos
estimación que presente
particulares
menor error

Determinar el Etapa 3: Calcular inserción

Número de
parque de vehicular anual en base al
vehículos
vehículos escenario planteado por
eléctricos
eléctricos Ministerio de Energía

Etapa 4: Distribuir vehículos

Construir red de
eléctricos por sector de
estaciones de
acuerdo a categoría de
carga
ingresos

Etapa 5: Seleccionar Intensidad de la

instalaciones candidatas y dda. por sector y
calcular distancia entre distancias entres
instalaciones nodos

Desarrollar Etapa 6: Formular modelo de

algoritmo programación lineal entera de
matemático cobertura máxima

Etapa 7: Correr modelo Número de

variando el número de instalaciones de
instalaciones la red

Analizar costos Etapa 8: Determinar

de instalación de capacidad instalada las
estaciones de estaciones de carga que
carga conforman la red

Etapa 9: Determinar costos Análisis y

de la red de electromovilidad conclusiones

Figura 1. Línea investigativa. Elaboración propia

19
3.3. Enfoque de la investigación

La investigación se basa en un enfoque cuantitativo, dado que se utilizarán datos históricos del
parque de vehículos particulares en el Área Metropolitana de Temuco, además de información
referentes tasas de motorización, indicadores macroeconómicos y niveles de ingresos de la
población.

3.4. Población de estudio

La población de estudio estará constituida por individuos residentes de las macrozonas del
Área Metropolitana de Temuco que presenten un nivel socioeconómico alto y puedan adquirir un
vehículo eléctrico.

3.5. Fuentes de información

Fuente primaria

Las fuentes de información primaria a utilizar en el estudio serán libros, tesis y artículos de
revistas científicas relacionadas al tema de estudio.

Fuente secundaria

Como fuentes de información secundaria se emplearán anuarios del parque automotor

nacional, informes de plan de transporte de la ciudad de Temuco y bases de datos del parque
vehicular del Área Metropolitana de Temuco.

3.6. Métodos

Los métodos que se aplicarán en el estudio serán de carácter estadístico y de optimización, ya

que en primera instancia se realizará la proyección de demanda de vehículos mediante la
comparación entre modelos de series de tiempo y modelos causales, con el objetivo de seleccionar
el modelo que presente menor error de pronóstico. Seguidamente, se determinará la localización
óptima de estaciones de carga dado el crecimiento de demanda estimado, a través de un modelo de
programación lineal entera de tipo max-covering, desarrollado en lenguaje de modelado LINGO.

20
Posteriormente se establecerá la cuantía de las inversiones asociadas a la instalación de las
estaciones de carga por medio de un análisis de costos.

3.7. Área de estudio

La investigación será abarcada a nivel local, en el Área Metropolitana de Temuco, conformada

por dos comunas, Temuco y Padre las Casas, ubicadas en la Región de la Araucanía. Las
localidades de Cajón y Labranza suelen considerarse como parte del Área Metropolitana, sin
embargo, el Instituto Nacional de Estadísticas aun no las incorpora dentro del conglomerado
urbano.

21
Capítulo 4. Resultados, alcances y limitaciones

4.1. Resultados esperados

Los resultados que se esperan obtener de la propuesta del Plan de Electromovilidad para el
Área Metropolitana de Temuco son los siguientes:

i. Determinar el parque de vehículos eléctricos en un horizonte de tiempo de 10 años en base

al crecimiento de los vehículos particulares.

ii. Establecer una red de estaciones de carga que permita cubrir el mayor número de vehículos
eléctricos estimados.

iii. Cuantificar las inversiones asociadas a la instalaciones de estaciones de carga de acuerdo a

los requerimientos de energía de los vehículos eléctricos

4.2. Alcances y/o limitaciones de la propuesta

i. El modelo general propuesto en este proyecto se puede replicar a otras ciudades, en la

medida que se disponga de la información histórica necesaria.

ii. El mercado de los vehículos eléctricos actualmente se encuentra en etapa de inserción, lo

que implica que el acceso a datos históricos es escaso y dificulta los análisis estadísticos.

iii. La base de los estudios se desarrollará en torno a la cobertura de vehículos eléctricos, sin
considerar los requerimientos técnicos de operación del sistema de distribución eléctrica.

iv. El proyecto no contempla la instalación y puesta en marcha de la red de estaciones de carga,

sino una propuesta para la toma de decisiones de las autoridades de la Región de la
Araucanía, y empresas asociadas al trasporte y distribución de energía

Capítulo 5. Cronograma

El cronograma del proyecto se compone de las 5 fases de la metodología, con una duración de
78 días. Adicionalmente cuenta con hitos de revisión de avances y reuniones de evaluación de las
fases, con el objetivo de generar retroalimentación.

22
 24-06 11-07 28-07 14-08 31-08 17-09
Fase previa
Consultas y presentación anteproyecto
Trabajo de título
Fase 1
Recopilación de datos
Desarrollo de pronósticos
Cálculo de errores de pronósticos
Evaluación y selección de pronóstico
Reunión revisión de modelo de estimación
Redacción y correcciones
Reunión de avance
Fase 2
Recopilación de datos
Determinación de vehiculos eléctricos
Reunión de avance
Redacción y correcciones
Reunión de avance
Fase 3
Distribución de vehículos por sector
Selección de instalaciones candidatas
Cálculo de distancias entre instalaciones
Reunión de avance
Redacción y correcciones
Reunión de avance
Fase 4
Formulación de algoritmo matemático
Reunión revisión de algoritmo matemático
Ejecución de algoritmo matemático
Reunión revisión de resultados del modelo
Redacción y correcciones
Reunión de avance
Fase 5
Cálculo de capacidad instalada
Análisis de costos
Reunión de avance
Redacción y correcciones
Reunión de avance
Conclusiones
Reunión de avance
Redacción y correcciones finales
Entrega documento

Figura 2. Carta Gantt. Elaboración propia.

23
Bibliografía

Akbari, M., Brenna, M., & Longo, M. (4 de Abril de 2018). Optimal locating of electric vehicle
charging stations by application of genetic algorithm. Sustainability, 10(4), 1-14.

ANAC. (2019). Informe Mercado Automotor Abril 2019. Obtenido de https://www.anac.cl/wp-

content/uploads/2019/05/05-ANAC-Mercado-Automotor-Abril-2019.pdf

Ballou, R. H. (2004). Logística. Administración de la cadena de suministro. México: Pearson

Educación.

Chase, R. B., Jacobs, F. R., & Aquilano, N. J. (2009). Administración de operaciones. Producción y
cadena de suministros. México: Mc Graw Hill.

Daskin, M. (2008). What you should know about location modeling. Naval Research Logistics,
55(4), 283-294.

EBP Chile. (2018). Agencia de Sostenibilidad Energética. Obtenido de https://www.acee.cl/wp-

content/uploads/2018/08/Estudio-de-Movilidad-Ele%CC%81ctrica-en-Chile.pdf

Frade, I., Ribeiro, A., Goncalves, G., & Antunes, A. (2011). Optimal location of charging stations
for electric vehicles in a Neighborhood in Lisbon, Portugal. Junta de Investigacion de
Transporte de las Academias Nacionales, 91-98.

Gómez-Gélvez, J. A., Mojica, C. H., Kaul, V., & Isla, L. (2016). La incorporación de los vehículos
eléctricos en América Latina. Banco Interamericano de Desarrollo.

Heizer, J., & Render, B. (2004). Principios de administración de operaciones. México: Pearson
Educación.

Hillier, F. S., & Lieberman, G. J. (2010). Introducción a la investigación de operaciones. México

D.F.: McGraw-Hill.

Ministerio de Energía. (2016). Energía 2050. Obtenido de

http://www.energia.gob.cl/sites/default/files/energia_2050_-
_politica_energetica_de_chile.pdf

24
Ministerio de Energía. (2018). Buenas prácticas en movilidad eléctrica. Obtenido de
http://www.minenergia.cl/archivos_bajar/2018/electromovilidad/Guia_Electromovilidad.pd
f

Ministerio de Energía, Ministerio de Transporte y Telecomunicaciones, & Ministerio del Medio

Ambiente. (2017). Estrategia Nacional de Electromovilidad. Obtenido de
http://www.minenergia.cl/archivos_bajar/2018/electromovilidad/estrategia_electromovilida
d-27dic.pdf

Ministerio de Energía, Ministerio de Transportes y Telecomunicaciones, & Ministerio del Medio

Ambiente. (2016). Estrategia de Electromovilidad en Chile. Obtenido de
http://www.minenergia.cl/archivos_bajar/ucom/consulta/Estrategia_Electromovilidad_en%
20Chile.pdf

Sapag, N., & Sapag, R. (2008). Preparacion y evaluacón de proyectos. Bogotá: McGraw-Hill.

Segura, E., Carmona, R., Lozano, A., & Flores, I. (19 de Diciembre de 2014). Optimization of milk
distribution for maximum demand coverage in Chihuahua, Mexico. Procedia - Social and
Behavioral Sciences, 160, 519-528.

25